什么是虹膜？

人眼的外觀由鞏膜、虹膜、瞳孔三部分構成，鞏膜即眼球外圍的白色部分，眼睛中心為瞳孔部分，虹膜位于鞏膜和瞳孔之間，包含了最豐富的紋理信息。外觀上看，虹膜由許多腺窩、皺褶、色素斑等構成，是人體中最獨特的結構之一。

脊椎動物眼球角膜和晶狀體間呈球狀有色彩的膜。為血管膜的一部分、中央是瞳孔。虹膜前面被覆一層內皮;中層為富于血管和色素細胞的疏松結締組織。色素的多少可使虹膜呈現不同的顏色，無色素時為藍色，當色素由少至多時，虹膜可出現灰色、棕色及棕黑色；虹膜后面襯有兩層色素上皮，其內層上皮分化為平滑肌。肌纖維由內向外呈放射狀排列的稱瞳孔開肌、受交感神經支配、司瞳孔放大;圍繞瞳孔緣呈環狀排列的稱瞳孔括約肌。受副交感神經支配,司瞳孔縮小。、

虹膜的特性

唯一性

每個虹膜所包含的信息都不相同，出現形態完全相同的虹膜組織的可能性遠遠低于其他組織。英國劍橋大學John Daugman教授提出的虹膜相位特征證實了虹膜圖像有244個獨立的自由度，即平均每平方毫米的信息量是3.2比特。虹膜的纖維組織細節復雜而豐富，并且它的形成與胚胎發生階段該組織局部的物理化學條件有關，具有極大的隨機性，即便使用克隆技術也無法復制某個虹膜。同卵雙胞胎的虹膜紋理信息不同，同一個人左右眼的虹膜紋理都不會相互認同。英國國家物理實驗室的測試結果表明：虹膜識別是各種生物特征識別方法中錯誤率最低的。

    穩定性

虹膜從嬰兒胚胎期的第3個月起開始發育，到第8個月虹膜的主要紋理結構已經成形。除非經歷危及眼睛的外科手術，此后幾乎終生不變。由于角膜的保護作用，發育完全的虹膜不易受到外界的傷害。

防偽性

虹膜是人眼的可見部分，處在鞏膜的保護下，具有極強的生物活性。例如，瞳孔的大小隨光線強弱變化；視物時有不自覺的調節過程；有每秒可達十余次的無意識瞳孔縮放；在人體腦死亡、處于深度昏迷狀態或眼球組織脫離人體時，虹膜組織即完全收縮，出現散瞳現象。這些生物活性與人體生命現象同時存在，共生共息，所以想用照片、錄像、尸體的虹膜代替活體的虹膜圖像都是不可能的，從而保證了生理組織的真實性

非接觸

虹膜是一個外部可見的內部器官，不必緊貼采集裝置就能獲取合格的虹膜圖像，識別方式相對于指紋、手形等需要接觸感知的生物特征更加干凈衛生，不會污損成像裝置，影響其他人的識別。

便于信號處理

在眼睛圖像中和虹膜鄰近的區域是瞳孔和鞏膜，它們和虹膜區域存在著明顯的灰度階變，并且區域邊界都接近圓形，所以虹膜區域易于擬合分割和歸一化。虹膜結構有利于實現一種具有平移、縮放和旋轉不變性的模式表達方式。

唯一性，穩定性，防偽性，而這些都是包括二維碼，RFID等其他感知識別技術所無法比擬的，加上虹膜作為唯一可以從外部直接觀測的人體內部組織，自身蘊含豐富信息，虹膜識別成為了一項非常重要的，特別適用于保密性要求高的環境的感知識別技術

虹膜識別技術原理

虹膜識別通過對比虹膜圖像特征之間的相似性來確定人們的身份，其核心是使用模式識別、圖像處理等方法對人眼睛的虹膜特征進行描述和匹配，從而實現自動的個人身份認證。虹膜識別的主要步驟包括虹膜圖像的獲取、預處理、特征提取與編碼和分類。

    虹膜圖像獲取

虹膜圖像獲取是指使用特定的數字攝像器材對人的整個眼部進行拍攝，并將拍攝到的圖像通過圖像采集卡傳輸到計算機中存儲。虹膜圖像的獲取是虹膜識別中的第一步，同時也是比較困難的步驟，需要光、機、電技術的綜合應用。因為人們眼睛的面積小，如果要滿足識別算法的圖像分辨率要求就必須提高光學系統的放大倍數，從而導致虹膜成像的景深較小，所以現有的虹膜識別系統需要用戶停在合適位置，同時眼睛凝視鏡頭(Stop and Stare)。另外東方人的虹膜顏色較深，用普通的攝像頭無法采集到可識別的虹膜圖像。不同于臉像、步態等生物特征的圖像獲取，虹膜圖像的獲取需要設計合理的光學系統，配置必要的光源和電子控制單元。

由于虹膜圖像獲取裝置自主研發的技術門檻高，限制了國內虹膜識別研究的開展。中國科學院自動化研究所在1999年研制出國內第一套自主知識產權的虹膜圖像采集系統，其特點是小巧、靈活、低成本、圖像清晰。經過不斷地更新換代，自動化所最新開發的虹膜成像儀已經可以在20—30cm距離范圍通過語音提示、主動視覺反饋等技術采集到合格的虹膜圖像。

圖像預處理

圖像預處理是指由于拍攝到的眼部圖像包括了很多多余的信息，并且在清晰度等方面不能滿足要求，需要對其進行包括圖像平滑、邊緣檢測、圖像分離等預處理操作。

虹膜圖像預處理過程通常包括虹膜定位、虹膜圖像歸一化、圖像增強三個部分。

虹膜定位

一般認為，虹膜的內外邊界可以近似地用圓來擬合。內圓表示虹膜與瞳孔的邊界，外圓表示虹膜與鞏膜的邊界，但是這兩個圓并不是同心圓。通常，虹膜靠近上下眼皮的部分總會被眼皮所遮擋，因此還必須檢測出虹膜與上下眼皮的邊界，從而準確地確定虹膜的有效區域。虹膜與上下眼皮的邊界可用二次曲線來表示。虹膜定位的目的就是確定這些圓以及二次曲線在圖像中的位置。常用的定位方法大致分為兩類，一是，邊緣檢測與Hough變換相結合的方法；二是，基于邊緣搜索的方法。這兩種方法共同的缺點是運算時間長，因此出現了一些基于上述兩種策略的改進方法，但是速度并沒有數量級的提高。定位仍然是虹膜識別過程中運算時間最長的步驟之一。

虹膜圖像歸一化

虹膜圖像歸一化的目的是將虹膜的大小調整到固定的尺寸。到目前為止，虹膜紋理隨光照變化的精確數學模型還沒有得到。因此，從事虹膜識別的研究者主要采用映射的方法對虹膜圖像進行歸一化。如果能夠對虹膜紋理隨光照強度變化的過程建立數學模型或者近似模擬這個過程，將會對虹膜識別系統性能的提高有很大幫助。

圖像增強

圖像增強的目的是為了解決由于人眼圖像光照不均勻造成歸一化后圖像對比度低的問題。為了提高識別率，需要對歸一化后的圖像進行圖像增強。

特征提取

特征提取是指通過一定的算法從分離出的虹膜圖像中提取出獨特的特征點，并對其進行編碼。以下為主流的虹膜特征提取和識別方法。

一是，基于圖像的方法，將虹膜圖像看成是二維的數量場，像素灰度值就構成聯合分布，圖像矩陣之間的相關性就度量了相似度。

二是，基于相位的方法，這種方法認為圖像中的重要細節，如點、線、邊緣等“事件”的位置信息，大多包含在相位中，所以在特征提取時舍棄反映光照強度和對比度的幅值信息。

三是，基于奇異點的方法，虹膜圖像中的奇異點分兩種，過零點和極值點。

四是，基于多通道紋理濾波統計特征的方法，虹膜圖像可以看成是二維紋理，在頻域中的不同尺度和方向上會有區分性強的統計特征可供識別，這也是紋理分析中常用的方法。

五是，基于頻域分解系數的方法，圖像可以看成是由很多不同頻率和方向的基組成，通過分析圖像在每個基投影值的大小分布可以深入認識圖像中具有規律性的信息。

六是，基于虹膜信號形狀特征的方法，虹膜信號形狀特征包括兩方面的信息，虹膜曲面凹凸起伏的二維形狀信息和沿著虹膜圓周的一維形狀信息。

七是，基于方向特征的方法，方向（Direction）或者朝向（Orientation）是一個相對值，對光照、對比度變化的魯棒性較強，而且可以描述局部灰度特征，是一種比較適合虹膜圖像特征表達的形式。

八是，基于子空間的方法，子空間的方法需要在較大規模的訓練數據集上根據定義的最優準則找到若干個最優基，然后將原始圖像在最優基上的投影系數作為降維的圖像特征。

特征匹配

特征匹配是指根據當前采集的虹膜圖像進行特征提取得到的特征編碼與數據庫中事先存儲的虹膜圖像特征編碼進行比對、驗證，從而達到識別的目的。