资料介绍
虹膜识别是一种高效的生物识别技术。本文根据灰度直方图确定出瞳孔部分的灰度，然后采用阈值分割分离出瞳孔区域。对瞳孔边界上的点进行PHT变换从而确定虹膜的内边缘。在选取用于PHT变换的各个点时，本文选取了一系列能将圆近似三等分的点，以便减少了分析误差和克服其他干扰区域带来的影响。提取外边界时采用环量积分算子，将环量线积分改进为微小圆环的面积分，克服了噪声影响。然后，根据虹膜内边界参数确定外圆圆心的范围，由粗到精地搜索外边界。
提取边缘后的虹膜图像经过归一化之后，采用高斯拉普拉斯算子进行二值化，再由数学形态学处理，确定出特征点。本文利用被标记点与周围已标记点的位置关系调整特征点标号并加以计算，只需一遍扫描图像就可确定出各个特征点的外接矩形，重心，面积等参数。根据大小和形状设计了两种特征点分类方案。如果特征点的重心落在了模板特征点的外接矩形之内，且两者类型相同，则认为两特征点相匹配。由两幅图像特征点匹配的数目定义匹配率，依据匹配率确定图像是否匹配。
通过对312470组虹膜的分析测试表明，上述两种分类方案识别准确率分别达到97.4%和96.3%,效果较好。
最后，根据此算法，实现了了相应的虹膜识别软件。
我要上传