目前，已经出现了多种人体生理特征识别方法，包括对指纹、手型、人脸、声音、签名、DNA和虹膜等生理特征进行识别。虹膜的生理特征具有唯一性、稳定性、可采集性和非侵犯性等优点，在对安全性要求高的场合，虹膜识别是一种理想的身份识别方法[1]。
    虹膜定位在于从采集到的人眼图像中分离出虹膜在整个图像中的有效区域，确定虹膜的内、外边界的位置。虹膜定位是虹膜识别过程中关键的一环，是后续处理的基础。在虹膜定位算法中，最具代表性的就是Daugman的微分积分算法[2]和Wildes的Hough变换法[3]，很多定位算法都是以它们为基础改进发展的[4-8]。在实际中，利用Hough变换定位虹膜边界，需要考虑以下问题：(1)采用二值化的灰度投影来估计瞳孔中心容易受到浓黑睫毛以及图像对比度差的影响，如何削弱这种影响是需要考虑的问题。(2)上、下眼皮对虹膜区域的侵入是很常见现象，定位算法需保证上、下眼皮等非虹膜边界不被误认为是虹膜边界。(3)在直角坐标下的虹膜边缘图像中，阈值的选择会影响到真正的边界点所占的比例，为了获得虹膜边界点，穷举出所有参数值会造成时间、空间的开销过大和投票结果不集中的现象，当选取一定的阈值后怎样进一步提高虹膜真正边界点的比例也是需要考虑的问题。(4)在进行边界定位时，Hough变换得到的几何模型参数域中的最大值点对应着该条边界, 算法需完成对虹膜的内、外边界分开定位。一般边缘检测得到的边界具有一定的厚度, 因此, 不能简单的以最大值点或次大值点作为虹膜内外边界的几何模型参数点, 因为这两点很可能属于同一个边界参数模型。
    针对以上问题, 本文给出了相应的解决办法。首先，用一个全1的矩形窗对瞳孔中心进行粗略估计[9]；然后，以粗定位的瞳孔中心为极点，将直角坐标下的图像转换为极坐标下图像[10-13]，此时虹膜内、外边界近似水平，通过一定的判别准则剔除非水平边缘点，以此提高真正虹膜边界点的比例；其次,将经过边缘点选择后的虹膜图像变换到直角坐标，再进行Hough变换, 选取最大和次大甚至是第三大的虹膜边界参数的均值作为虹膜边界参数；最后，利用虹膜内、外边界参数之间存在的耦合关系以及对内、外边界的取值范围的经验估计来限制Hough变换的参数取值范围，以保证内、外定位的准确性。
1 虹膜定位算法原理
1.1 瞳孔中心的粗略估计
    采集到的虹膜图像包括瞳孔、虹膜、巩膜、眼皮、睫毛等部分，各部分灰度值都不一样，而瞳孔区域灰度值一般都小于其周围区域的灰度值，以此可以采用灰度窗口估计瞳孔中心的方法[10]。

    从图5和图6可以看出，本算法对标准数据库中的虹膜图像和实验室现场采集的虹膜图像都是有效的；同时该算法采用了较少的边界点定位虹膜的边界，计算量大大减小，定位精度相对提高。由表1的数据得出，该算法对样本中的虹膜定位时间约为0.152 s，仅占Wildes 方法的4.57%，并且准确率比传统方法略有提高。
    本文对虹膜定位算法进行了研究，提出了一种改进的虹膜边界定位算法。在极坐标下，通过对非虹膜边界点排除来提高虹膜边界的比例，利用虹膜内、外边界参数之间存在的耦合关系来限制Hough变换的参数取值范围，并取最大和次大的边界参数的均值作为虹膜边界参数。实验结果表明，该算法优于传统的Hough变换定位算法，利用该虹膜定位算法取得了较好的定位效果。
参考文献
[1] 王蕴红，朱勇，谭铁牛.基于虹膜识别的身份鉴[J].自动化学报，2002，1(28)：1-10.
[2] DAUGMAN J.High confidence visual recognition of persons by test of statistical independence[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1993，15(11)：1148-1161.
[3] WILDES R P.Iris recognition: an emerging biometric technology[J].Proceedings of the IEEE，1997，85(9)：1348-1363.
[4] BOLES W W，BOASHASH.A human identification technique using images of the iris and wavelet transform[J].IEEE Transactions on Signal Processing(S1053-587X)，1998，46(4)：1185-1188.
[5] BALAJI G，DHANANJAY T，RUPERT Y，et al.Biometric iris recognition system using a fast and robust iris localization and alignment procedure[J].Optics and Lasers in Engineering(S0143-8166)，2006，44(1)：1-24.
[6] 叶学义，庄镇泉，姚鹏，等.基于二维投影的虹膜定位[J].中国图像图形学报，2005，10(3)：305-309.
[7] 王成儒，胡正平.基于几何特征的虹膜定位算法[J].中国图象图形学报，2003，8(6)：683-685.
[8] 骆名猛，吴锡生.改进的快速虹膜定位算法[J].计算机工程与应用，2010，46(17)：200-203.
[9] 田启川，潘泉，梁彦，等.瞳孔中心指导的虹膜边界快速定位算法[J].系统仿真学报，2006，18(7)：1777-1780.
[10] 冯薪桦，丁晓青，方驰，等.虹膜内外边界的粗定位方法[J].清华大学学报(自然科学版)，2007，47(1)：80-83.
[11] NAM K W，YOON K L，YANG W S.A feature extraction  method for binary iris code construction[C].In：Proceedings of the 2nd International Conference on Information Technology  for Application(ICITA 2004)，Harbin，2004：284-287.
[12] 李霞，于鲁义，王娜.基于直线检测的虹膜快速定位方法[J].计算机辅助设计与图形学学报，2006，18(8)：1155-1159.
[13] 夏磊，蔡超.一种用Hough变换检测圆的快速算法[J].计算机应用研究，2007，24(10)：197-199.
[14] 田启川，李子良，刘喜荣，等.基于Radon变换的虹膜边界定位算法[J].系统仿真学报，2009，21(S2)：222-225.
[15] 刘念，苏杭，郭纯宏，等.基于Hough变换圆检测的人眼定位方法改进[J].计算机工程与设计，2011，32(4)：1359-1362.