下载文档原格式
虹膜图像预处理在实际获取的图像中，虹膜只占一部分区域。
图像中还包括瞳孔、眼睑、睫毛及眼睛和人脸的其它部分。
所以，在对虹膜纹理特征进行提取之前，要把虹膜区域从图像中分割出来。
其分割准确与否直接影响到后面的特征提取及匹配精度，即如果分割不准确，则虹膜识别效果就差，很可能造成误判，使识别算法失效。
针对Canny[2]算法优良的边缘检测性能及虹膜边界的特点，本文采用了该算法，与Hough变换相结合，用于定位虹膜内外边界、分割上下眼睑，采用阀值法剔除睫毛。
2.1 虹膜内外边界的定位虹膜的内边界即内边缘与瞳孔相交接的部分，外边界即外边缘与巩膜相交接的部分，均近似为圆形，因此定位虹膜内外边界就是要确定这两个拟合圆的圆心和半径。
2.1.1 Canny算子和Hough变换的基本原理(1)Canny边缘检测算子边缘是图像的基本特征，保留了原始图像中相当重要的信息，而又使得总的数据减小了很多。
准确提取边缘既能减少图像处理的信息量，又可重点描述物体的形态特征。
传统的边缘检测算子如Roberts、Sobel、Prewitt、Kirsch和Laplacian 等算子都是局域窗口梯度算子，由于它们对噪声敏感，所以在处理实际图像中效果并不理想。
1986年，Canny提出边缘检测算子应满足以下3个判断准则：信噪比准则；定位精度准则；单边缘响应准则，并由此推导出了最佳边缘检测算子--Canny算子。
该算子具有定位精度高、单一边缘和检测效果好等优点。
它主要分以下四步：○1平滑图像Canny边缘检测算子是高斯函数的一阶导数，是对信噪比与定位精度之乘积的最优化逼近算子。
选择合适的高斯低通滤波器来平滑原始的虹膜图像，既可以取得更加柔和的平滑效果，又不至于破坏图像中的边沿，同时还可以消除原始图像的高频噪声。
Canny算法首先用二维高斯函数的一阶导数，对图像进行平滑，设二维高斯函数为：22221(,)exp()22x y G x y πσσ+=-(2.1)其梯度矢量为：G x VG G y ⎡⎤∂∂=⎢⎥∂⎣⎦(2.2)把G 的2个滤波卷积模板分解为2个一维的行列滤波器：221222exp()exp()()()22G x y kx h x h y x σσ∂=--=∂ (2.3)221222exp()exp()()()22G y x ky h y h x y σσ∂=--=∂ (2.4)其中，k 为常数，σ为高斯滤波器参数，它控制着平滑程度。
