为了获得高质量的虹膜图像,采用光学设计软件ZEMAX设计了一款手机虹膜识别镜头,该镜头由4片塑料非球面透镜组成,工作距离为200~330 mm,总长为4.09 mm,F数为2.4。设计结果显示,工作距离为275 mm时,镜头在1/2奈奎斯特频率处的调制传递函数大于0.4,光学畸变小于0.6%,相对照度大于83%。通过像质评价及公差分析可知,该光学系统的畸变小,可变工作距离大,像质优异且性能稳定,可以满足虹膜识别镜头的加工要求。

随着图像识别技术的不断发展,人脸识别系统对虹膜识别滤光片的要求不断提高,光在大角度入射时,光谱偏移量往往较大而导致识别失败,因此急需一种低角度效应良好的带通滤光片。利用光谱拆分原理设计了一种大角度、小偏移量的带通滤光片。通过调节氢气流量使得Si-H在增大折射率的同时仍能保持较低的吸收率,从而改善虹膜识别滤光片的角度效应。基于对薄膜材料沉积工艺的研究,采用一种特殊的膜系结构,解决了因薄膜内部结构疏松而发生的脱膜问题。测试结果表明,该膜系结构能满足虹膜识别滤光片的各项技术要求。

提出了一种增强型虹膜图像质量评价算法, 针对远距离移动中虹膜识别系统采集的受干扰虹膜图像, 通过量化单帧图像感兴趣区域的清晰度、可用度和对比度等质量指标, 计算序列图像的联合加权质量得分, 对虹膜图像序列的可用性进行评价, 有效筛除获取的低质虹膜图像序列。实验表明, 该算法提升了虹膜识别系统图像质量评价的准确性和可靠性, 从而能有效提升系统的鲁棒性和识别效率。

设计了一款适用于手机的虹膜识别镜头, 该镜头包含3片塑胶非球面透镜, 焦平面阵列探测器中互补金属氧化物半导体(CMOS) 芯片的像素大小为1.12 μm。所设计镜头的F数为2.0、全视场角为32.6°、总长为4.0 mm。最佳工作距离为320 mm时, 在1/2奈奎斯特频率处各视场的调制传递函数(MTF)大于0.45, 光学畸变在1.2%以内, 相对照度大于87%。该光学系统结构简单、体积小、像质优良。

设计了一款采用波前编码技术的虹膜采集光学系统，以实现大景深、自然非约束状态下的成像.以传统的光学系统评价指标斯特利尔比和能量集中度作为波前编码系统的成像特征，利用ZEMAX软件对波前编码系统进行设计，权衡了离焦不敏感性和图像可恢复性.比较了带有立方相位编码板和带有修正项的立方相位编码板的虹膜采集系统以及传统系统的焦深延拓效果.发现采用立方相位编码板的虹膜采集光学系统的焦深延拓效果最佳，其焦深是传统系统的8倍.该系统增大了虹膜采集的距离，对于自然状态虹膜成像系统设计有一定的参考价值.

睫毛检测是虹膜识别预处理阶段的一个重要环节，本文提出一种基于改进蚁群算法的睫毛提取方法。该方法首先通过引入睫毛区域内、外方向因子使得人工蚂蚁能快速聚集到睫毛边缘，并且通过采取全局和局部两种策略来对信息素进行更新，然后使用 OTSU算法根据所得图像的信息素浓度把图像分割成睫毛边缘和非睫毛边缘两部分。最后，对分割出的睫毛边缘进行整合、除噪，得到最终的睫毛。实验结果表明：该方法提取睫毛的效果较其他相关算法有明显的提高；并且当人工蚂蚁间距取约 25 pixels的时候，算法既能保证睫毛检测的速度又能保证睫毛检测的效果。

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点, 提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法。首先, 根据虹膜纹理的分布特性, 用CS-LBP对归一化的虹膜图像进行编码; 为了进一步降低特征维数, 对编码后的图像进行特征统计。然后, 根据统计结果的分布, 提取出有效的二值特征图像。最后, 用Hamming距离进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别, 最高正确识别率分别为99.955%、99.848%、99.989%、99.916%。实验结果表明: 该方法有效地利用了虹膜纹理分布特性, 与LBP和CS-LBP方法相比, 具有更少的特征维数、更高的正确识别率和更好的鲁棒性。

针对虹膜识别经验模态分解(EMD)和局部均值分解(LMD)方法具有无法兼顾分解速度和包含小误差的缺点, 提出了将分段三次Hermite多项式插值引入 局部均值分解(PCHIP-LMD)的虹膜识别方法来提高识别准确率。针对虹膜纹理的分布特性, 利用PCHIP-LMD对归一化的虹膜图像逐行分解, 得到不同尺度的分量图像; 通过提取有效的分量图像将其二值化为特征图像。然后用Hamming距离对特征图像进行移位匹配, 得到匹配向量。最后计算匹配向量的改进标准差, 用此标准差进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别试验, 结果显示识别率分别达到了99.968 1%、99.884 5%、99.993 7%、99.878 2%。实验结果表明: 该方法消除了虹膜特征提取时的高频噪声, 有效提取了图像的二值特征, 与EMD和LMD方法相比, 识别速度, 识别准确率和鲁棒性均有极大提高。

提出了一种统计距离法(MCD)来提高虹膜识别效率。用MCD对虹膜边缘图像去噪，并建立了有效的虹膜内外圆定位方法。首先，用灰度求和找到瞳孔内一点，同时，使用Canny算子获得虹膜边缘图像，并根据所确定的瞳孔内的点来寻找虹膜内边缘上的3个边缘点。将这3个边缘点代入圆的方程即可找到虹膜内边缘。然后，根据虹膜内定位数据来消除虹膜外边缘图像中的噪声，再在去噪后的边缘图像中排除20%个与虹膜内圆圆心距离最远的边缘点。最后，使用一种改进的Hough变换来获得虹膜外边缘数据。实验结果表明：MCD的内定位时间和外定位时间分别是0.122 2 s和0.242 4 s，均比快速精确虹膜定位法(FAILA)低，且成功率为96.67%，高于FAILA。因此，MCD具有较高的精度和较快的速度，可提高虹膜识别的效率。