虹膜辨认原理
虹膜中包括丰厚的色素细胞，当外部光线照射到眼睛上时，因为不同人的色素细胞对光有不同的吸收率，使得虹膜出现不同的色彩。从辨认的视点来说，虹膜的色彩信息并不具有广泛的区别性，那些彼此交织的类似于斑驳、细丝、冠状、条纹、隐窝等形状的纤细特征才是虹膜唯一性的表现。这些纤细特征在五颜六色图画和灰度图画中是共同的，因而一般选用灰度图画进行虹膜辨认的研讨。
虹膜辨认技能的根本进程为(如图3-1所示)：
(1)图画收集，用于获取虹膜图画;
(2)虹膜图画预处理，进行虹膜表里边际定位、归一化和图画增强等;
(3)特征提取，得到虹膜纹路的特征编码;
(4)特征匹配，将提取的虹膜特征编码与特征模板进行匹配以区别不同的虹膜。
虹膜辨认算法——二维Gabor小波
此算法是Daugman博士于1993年在文献中提出的。在定位虹膜时运用了从粗到精的战略最终到达单像素的精度，并估量出虹膜和瞳孔的中心以及半径。一般来说，瞳孔的中心和虹膜是不同心的，瞳孔中心的重要性比虹膜的中心稍差一些，它的半径是虹膜半径的0.1到0.8倍。因而，决议瞳孔的圆周的三个参数有必要与虹膜的圆周分隔预算。在Daugman体系中，规划的二维Gabor滤波器对归一化后的虹膜纹路进行滤波，其公式如(4-1)
如图4-1所示
Daugman的办法中一起运用二维Gabor滤波器的实部和虚部描绘虹膜，使用其对虹膜图画进行滤波处理，然后将滤波后成果的极性量化为2位二进制数：当实部和虚部均为正时量化值为11;实部为正虚部为负时为10;实部为负虚部为正时为01;实部和虚部均为负时为00，然后得到虹膜特征码。图4-2是虹膜特征码及其编码进程示意图。
虹膜辨认算法——Wildes的虹膜定位算法
此算法是MIT人工智能研讨室的Wildes博士于1997年在文献中提出的。算法分为2步，第一步将灰度图转化为二值边际化，第二步由边际点进行投票得到精确的鸿沟概括参数值。边际是图画中灰度产生急剧改变的区域鸿沟，图画灰度的改变状况能够用图画灰度散布的梯度来反映。因而能够使用根据梯度的边际检测算子来检测边际像素。这个算子的界说如式(4-2)：
Hough改换是使用图画的大局特性而将边际像素连接起来组成区域关闭鸿沟的一种办法。在预先知道区域形状的条件下，使用Hough改换能够方便地得到鸿沟曲线，将不接连的边际像素点连接起来。Hough改换的首要长处是受噪声和曲线接连的影响较少，能够直接检测某些已知形状的方针。因为咱们现已事前知道了虹膜的表里边际为圆形，因而就能够用上述的Hough改换来进行检测。首先让(Xc，Yc，r)这三个参数在必定的范围内顺次改变，关于j=1，2，，，n，由式(4-7)核算出g(Xi，Yi，Xc，Yc，r)的值，进而对每一组固定的(Xc，Yc，r)核算出h(Xi，Yi，Xc，Yc，r)的值，将这个数值带入式(4-5)中进行累加，得到H(Xc，Yc，r)，使其到达最大值的那一组即为所求的圆心与半径。
用相同的办法能够去检测上下眼睑，只不过眼睑的形状是弧形的，能够把式(4-7)中圆的方程改变为椭圆的方程。
虹膜辨认算法——根据过零点检测的办法
根据过零点表明的办法最早被Boles选用。这种办法使用小波改换的过零点和两个接连过零点之间的小波改换的积分平均值来表明虹膜特征。经过两个自界说的类似度函数核算两个虹膜纹路间的间隔，得到辨认成果。在Boles的算法中，先沿以虹膜中心为圆心的同心圆对虹膜图画采样，把二维的虹膜图画变为一维的信号，然后对它进行小波改换。这儿所用的小波函数是三次样条函数的一阶导数。为了削减噪声对这种表明办法的影响，只选用了四级较低分辨率的小波改换成果来提取虹膜特征。最终对改换成果的各个过零点区间进行积分和定位得到虹膜一维信号小波改换的过零点表明，如图4-5所示。BoleS的办法相对比较简单，可是算法的鲁棒性较差，很简单受图画质量影响。
