【虹膜识别】+【开源代码】虹膜识别--步骤讲解及算法复现，虹膜表征：基于虹膜反映点的健康监测
虹膜识别
项目目标
主要了解虹膜的使用 用于生物识别系统和开发用于提取显着特征的软件用于虹膜扫描的虹膜鉴定。
具体：
•识别虹膜的显着特征以及如何使用它们来区分多种 扫描。
•开发用于提取和显示给定虹膜的显着特征的软件扫描。
•比较虹膜组并检查匹配。
项目范围
该项目一般寻求证明不足和使用虹膜扫描生物识别。鉴定了虹膜的显着特征，分析了它们的提取物批判性地使用软件。开发用于提取特征的软件 MATLAB平台。已经准备好虹膜扫描由于缺乏扫描仪和/或使用 非常高分辨率的相机 否则协助获得所需 用于比较的不同特征。开发的程序将比较两个虹膜图像一段时间，并确定他们是否来自同一个人; 我们是什么指的是匹配。 一种基于Th的计算机视觉算法使用Hough Transform 确定图像中存在的圆圈，其基本上是虹膜和瞳孔。该感兴趣的区域，独特的f获得的食物将位于之间乳头状和边缘状边界。边界是划分虹膜和巩膜的边界。 该比较需要首先通过生成来确定两个虹膜图像的代码他们的单独的生物识别模板然后使用编码程序。虹膜代码之间的距离计算确定它们是否匹配。
文献选取：
| 1 | Libor Masek的MATLAB虹膜识别论文和源代码下载，2003年 | http://www.peterkovesi.com/studentprojects/libor/index.html |
这个代码很旧了，网上流传也最广，用来入门不错，可以参考作者的论文清晰的看到整个虹膜识别算法的脉络。 而且是用MATLAB写成，在语法上相比C++简洁很多，更加便于理解。当然，前提是，你要很熟悉MATLAB。 |
| 2 | 视频虹膜识别Video-based Automatic System for Iris Recognition (VASIR)源代码 | https://www.nist.gov/services-resources/software/video-based-automatic-system-iris-recognition-vasir | 基于Qt Framework 4.8.2和OpenCV Library 2.3.1； 可以在多平台上编译运行，最好严格按照指定版本安装qt和opencv，可以用高清摄像头拍一段视频运行试试看。 这个代码很有意思的地方是，他的C++代码是参考上面第一个MATLAB代码改编而来的。 |
| 3 | 《OSIRIS: An open source iris recognition software》2016 |
http://svnext.it-sudparis.eu/svnview2-eph/ref_syst/Iris_Osiris_v4.1/ | 目前效果最好的开源虹膜识别源代码，基于C++和OpenCV，该链接中包含使用文档和源代码， 论文下载链接：http://www.docin.com/p-1389745651.html 这个源码非常优秀，效果很好，已经是4.1版了。用它改编成一个商业应用的虹膜识别软件也没那么 难。 |
人类虹膜
虹膜位于人眼中在角膜和晶状体之间的区域[5]。它控制着进入眼睛的光量 瞳孔。这是通过使用它它所特有的专用肌肉称为括约肌和扩张器。它是一种可见内脏器官来自外部，重要的是要注意它从出生到死亡一直保持不变形成了一个合适的生物识别工具。 形成虹膜表面的独特图案在生命的第一年。独一无二的图案是随机形成的与遗传因素无关。这种表观遗传性质解释为什么同一个人的左右虹膜永远不会相似。他们的虹膜图案也会有所不同。虹膜识别技术是合适的，因为即使是同卵双胞胎也不能拥有同的虹膜 模式[1]。个体的左眼和右眼也具有不同的虹膜纹理图案。它是从外面可见的唯一内部器官，并且在年轻之后也没有太变化。
虹膜识别的优缺点
优点
- 假阳性发生率低。
- 非常低（几乎0％）的假阴性测试。
- 高度可靠的双胞胎虹膜图案不同。
- 快速的结果：非常快速地验证了主题的身份。
- 虹膜从出生到死亡保持不变，因此适用于广泛的应用。
缺点
- 测量的准确性可能会受到白内障等疾病的影响散光。
- 扫描程序被一些人认为是侵入性的。
- 设备成本高。
图像分割
解释了这里使用的技术。 霍夫变换[6] 这是一个标准的计算机视觉算法用于确定参数 简单的几何对象，如线条 和图像中的圆圈。人们可以使用圆形Hough变换确定e中心和半径虹膜和瞳孔 区域。您首先生成边缘map通过计算的一阶导数 眼睛图像中的强度值，然后对结果进行阈值处理。从边缘地图，投票在霍夫空间投下 圆的参数通过每个边缘点。这些参数是中心坐标和半径圈。他们将使用通常的等式定义任何圆。
encode编码
这需要编码虹膜图像纹理到一个矢量代码。 在大多数算法中，过滤器用于获取信息虹膜纹理。然后输出滤波器被编码为位向量代码。Gabor和log-Gabor滤波器是例子这样可以用于该过程。对数例如，Gabor过滤器被引入 提取和规范化的特征。它将提供将被量化的相位数据用于生成逐位生物识别模板。只有最具辨别力的特征使用虹膜。匹配阶段计算距离两组虹膜代码和决定 是否匹配（在验证上下文中）或识别提交的探测虹膜 来自画廊集中的主题。（识别阳离子背景）。Calcula比率称为汉明距离是必不可少的，因为它是适当的选择比较两个虹膜和 确定他们是否来自同一个人（匹配）。 虽然使用了许多算法 虹膜识别（例如：Boles，Boas hash，Wildes，Daugman），常见的是Daugman和Wild的计划 实现。
Daugman技术
Daugman算法是最着名的虹膜识别算法。虹膜是建模的作为两个不一定同心的圆[2]。每个圆圈由三个定义参数（x该，和该，r），其中（x该，和该）找到半径为r的圆心。它利用积分微分算子，用于估计每个圆的三个参数值 边界。它相对于增加的半径r搜索整个图像以最大化
步骤
输入光圈
只需接受已扫描的虹膜图像进行比较。由于缺乏数据采集机器，图像来自中国科学院C Hinese A cademyof S ciences(www.sinobiometrics.com)庞大的数据集。该网站是能够提供一些 已经清晰扫描过的虹膜图像接近。这确保了缺席反射因此消除了计算错误。
虹膜本地化
本地化过程由不同模块中的许多算法执行。我们有一个是圆形发生器，它将权重加到霍夫累加器阵列中。 霍夫变换用于在图像中找到圆圈。虹膜图像的边缘经历了精确的边缘检测方法。然后开发一个模块用于返回通过使用霍夫变换和canny边缘在图像中的圆的坐标 检测以创建边缘图像。 线和圆坐标被确定用于返回a的像素坐标 由给定半径和x，y坐标定义的圆。图像伽玛调整是执行以增强亮区的对比度（对于图像伽马值范围0-1）和 还可以增强暗区的对比度（值> 1）。 执行图像的滞后阈值处理。这里，所有像素的值都高于a给定的预设阈值标记为边缘。用于实际虹膜分割的模块也用于消除噪音，例如遮挡眼睑和睫毛引起的噪音消除 也包括在内。
虹膜归一化和编码
虹膜图像的标准化是有效的通过将圆形区域展开成一个 矩形块常数 尺寸。规模的影响虹膜图像中的参考可以 要明显并防止 我们在此之前进行标准化 编码。规范化有帮助补偿虹膜变形。我们解开了e图像到固定的矩形块 尺寸。然后通过使眼睑变暗来遮盖眼睑区域。使用虹膜图像从笛卡尔坐标转移到极坐标图像坐标Daugman橡胶板模型如公式3.1和图3.3所示。通过使用1D Log-Gabor滤波器对图像的每一行进行卷积生物识别模板然后从标准化生成虹膜图像。我们将说明如何编码给出虹膜图像行。编码将属于将虹膜的位矢量代码用于匹配阶段的比较。Gabor滤波器的输出具有实部和虚部。经过分解后1D log Gabor滤波器，每个输出的相位角量化为2位。
汉明距离（匹配）
这确定虹膜图像是否匹配。小汉明之间的距离代码表示更好的匹配。汉明距离（HD）定义为两个代码中不同位的数量除以有效位的总数。
工学硕士学位论文：虹膜病理特征提取研究
Classified Index: TP391.4 U.D.C: 004.9
《Dissertation for the Master Degree of Engineering RESEARCH ON IRIS PATHOLOGICAL FEATURE EXTRACTION 》
现在国内对虹膜诊断系统的研究还比较少。目前，主要是哈尔滨工业大学计算机系生物信息技术研究中心致力于计算机辅助虹膜诊断的研究。另外，原华中理工大学机械科学与工程学院的一个研究小组曾发表过关于虹膜诊断系统的论文，他们提出了多任务虹膜诊断专家系统的概念，并给出了一个抽象的系统模型[8]：
图 1-4 文献[8]中的虹膜诊断系统模型 Figure 1-4 Iris diagnosis system model in [8]
虹膜诊断学(Iridology)己经经历了一百多年的发展，逐渐形成了一套完整的体系。虹膜诊断是利用个体虹膜图像中发生变异的细节结构，如虹膜中出现的坑洞、裂缝、斑块、线条、颜色变化，通过分析虹膜的这些异常达到疾病诊断的目的。因此，研究基于计算机软件的虹膜病理特征提取是实现计算机辅助虹膜诊断的基础。
从虹膜图像的结构纹理特征入手，对虹膜图像的病理特征进行提取。主要研究内容包括以下几个方面：
(1) 改进虹膜识别中的虹膜定位方法。首先利用眼睛图像的灰度分布粗略定位瞳孔，再通过变形模板的方法精确定位虹膜内外边缘。该算法很好地适应了当前采集设备所采集的虹膜图像，使定位精度达到像素级。
(2) 虹膜七环是分隔人体几大代谢功能的重要分界线，尤其是虹膜自主神经环，在虹膜诊断中有着重要的作用。本文研究了基于Snake 模型的自主神经环提取方法，对传统的轮廓搜索方法提出了改进，避免了轮廓收敛到局部能量最小值，从而检测到真实的自主神经环。
(3) 本文针对虹膜学中定义的线条、裂缝、坑洞三种病理特征进行了提取。采用基于Canny 边缘检测的方法对虹膜的线条病理特征和坑洞病理特征进行提取，并提出基于高斯滤波的裂缝病理特征检测方法。
(4) 虹膜学把虹膜划分成与身体各个器官对应的小区域，本文根据图谱对虹膜的划分，把虹膜图谱精确地影射到真实的虹膜图像上，从而实现虹膜的自动图谱覆盖，并可根据鼠标的位置报告虹膜分区的名称。
虹膜识别可以应用于人体健康状态的检测。虹膜学是一门以形态学为 基础，可以透过眼睛虹膜的变化来推断个人健康状况及窥视康复过程的学科。
现代医学研 究发现眼睛的虹膜是人脑的延伸，赋予千千万万神经末梢、细微的血管、肌肉及其它组织， 因此虹膜上的神经纤维可见展示反射生理学，而对身体健康的变化做出相应的反应。
话不多说，先上一个关于虹膜左右眼反射区域的对照表：https://wenku.baidu.com/view/2afb5a40f121dd36a22d82da.html
这里取几例器官与虹膜相关的六大现象分类：
虹膜左右眼的反射图：
https://wenku.baidu.com/view/6241ea4db307e87101f6966d.html
《虹膜诊断学--让眼睛说话》2012-国际版正式发行!
https://wenku.baidu.com/view/3c69900976c66137ee0619a5.html
望眼诊病.pdf
http://ishare.iask.sina.com.cn/f/19597825.html
