虹膜识别技术由于其具有的独特优势,已经成为了当今炙手可热的生物特征识别技术之一。但有关虹膜识别技术的研究还有很长的道路要走,如何才能保证虹膜识别的准确率是目前急需要解决的问题。虹膜定位是虹膜图像预处理中的一个环节,同时它也是虹膜识别技术中极为关键的一步。保证虹膜识别准确率的前提就是要保证虹膜定位的准确率。所以,虹膜定位结果是否准确是判定一个虹膜识别系统性能好坏的关键。论文在介绍了虹膜识别系统的结构,详细分析和比较了目前常用的虹膜定位算法的基础上,提出了一种基于感兴趣区域的虹膜定位算法。该算法主要是针对虹膜图像中存在与瞳孔灰度值非常接近的其它低灰度区域的情况,提出利用虹膜内外边缘的近似同心圆特征将除瞳孔外的其它低灰度区域去除,保留只包含完整虹膜信息的区域,即虹膜感兴趣区域。首先通过方向梯度直方图(HOG)统计正、负例样本的方向梯度信息,将这些信息送入支持向量机(SVM)中进行训练,进而得到一个SVM决策函数。然后将检测图像分为若干个与样本图像等大的矩形区域并分别计算它们的HOG向量,最后利用SVM决策函数来判断各个矩形区域是否为虹膜感兴趣区域。这样做的目的是在去除干扰信息、降低计算量的同时尽可能多地保留有用信息。为了保证虹膜定位的准确率,我们对内边缘的定位分为粗定位和精定位两部分。先利用最小平均灰度值法粗定位虹膜的内边缘,然后在此基础上将环形区域映射成矩形区域,并利用梯度检测算子精确定位更接近真实瞳孔边界的虹膜内边缘。最后,采用改进的J.Daugman算法进行虹膜外边缘的定位。将改进算法用于虹膜图片库CASIA v1.0和CASIA v2.0进行实验分析,结果表明,与常用的Daugman、Wildes和基于最小二乘的虹膜定位算法相比,本文算法可以有效地提高虹膜定位的准确率。