本书首先介绍了虹膜识别技术相关的概念和应用，重点对虹膜定位、眼睑和眼睫毛检测、虹膜特征提取等虹膜识别关键技术进行了研究，提出了相应的算法。研究了如何从虹膜特征中提取密钥，并将密钥与高级加密标准AES结合应用于图像加密。 本书适合从事图像处理、生物特征识别研究方向的研究人员阅读，也可作为相关专业研究生的参考资料。

周俊，博士，博士后，高级工程师，现为重庆市商务职业学院物联网专业带头人。主要研究方向为：图像处理、生物识别和人工智能。主持省部级项目1项，主研省部级项目2项，参研国家自然科学基金项目2项，参与省部级项目多项。发表学术论文20余篇，EI检索收录3篇，中文核心期刊论文4篇。

目 录
1 绪论 1
1.1 虹膜识别技术概述 1
1.1.1 虹膜的生理结构 1
1.1.2 虹膜识别技术的发展现状 2
1.1.3 虹膜识别系统原理 3
1.1.4 生物特征识别技术指标 3
1.2生物特征识别技术的应用 6
1.3 虹膜识别研究的难点 10
1.3.1 虹膜的远距离采集 10
1.3.2 虹膜定位 10
1.3.3 虹膜特征提取 11
1.3.4虹膜识别质量评价体系 11
2 虹膜图像的采集和质量评价 12
2.1 虹膜图像采集 12
2.1.1 Daugman采集系统 13
2.1.2 Wildes采集系统 13
2.2 虹膜图像质量评价 15
2.2.1 虹膜图像质量评价方法 16
2.2.2 虹膜防伪性检验 17
2.3 CASIA虹膜数据库 18
2.4 本章小结 19
3 虹膜定位 20
3.1 相关工作与分析 20
3.1.1 微积分方法 20
3.1.2 Hough变换法 21
3.1.3最小二乘拟合方法 23
3.1.4 基于圆几何特征的方法 24
3.1.5 主动轮廓模型方法 25
3.1.6 粗定位与精定位结合的虹膜定位算法 26
3.2 虹膜图像平滑去噪 26
3.3 基于圆几何特征的虹膜定位算法 28
3.3.1 虹膜内边缘粗定位 28
3.3.2 虹膜内、外边缘的精确定位 32
3.4不均匀光照下的虹膜定位算法 32
3.4.1 数学形态学基础 33
3.4.2 不均匀光照对虹膜定位的影响 35
3.4.3 基于灰度形态学的虹膜内边缘粗定位算法 36
3.4.4 基于梯度变换的虹膜外边缘粗定位算法 40
3.4.5 虹膜内、外边缘精定位 42
3.4.6 实验结果与分析 43
3.5 本章小结 45
4 虹膜干扰检测与归一化 47
4.1 相关工作与分析 47
4.1.1 眼睑检测算法 47
4.1.2 睫毛检测算法 48
4.1.3 归一化方法 48
4.2 眼睑检测算法 49
4.2.1 上眼睑检测 49
4.2.2 下眼睑检测 53
4.2.3 眼睑精确定位 55
4.3 眼睫毛检测算法 56
4.4 实验结果与分析 57
4.5 虹膜归一化 59
4.5.1 Rubber-Sheet归一化模型 59
4.5.2 归一化分辨率的确定 61
4.6本章小结 61
5 虹膜特征提取与匹配 63
5.1 相关工作与分析 63
5.1.1 二维Gabor方法 63
5.1.2 高斯-拉普拉斯金字塔方法 64
5.1.3 小波变换方法 65
5.1.4 图像的二维离散小波分解 67
5.2 基于Haar小波的虹膜特征提取算法 69
5.2.1 特征提取区域划分 69
5.2.2 归一化图像的二维Haar小波分解 72
5.2.3特征提取 73
5.2.4 特征编码 74
5.2.5 编码匹配 76
5.2.6 实验结果与分析 77
5.2.7 总体分析 77
5.2.8 算法性能对比 79
5.3 基于小波包分析的虹膜特征提取算法 80
5.3.1 小波包分解 80
5.3.2基于sym2小波包分解的虹膜特征提取 81
5.3.3 实验结果与分析 83
5.4 本章小结 85
6 基于虹膜特征密钥的图像加密 87
6.1 相关工作与分析 87
6.1.1 密钥生成的方法 87
6.1.2 密钥随机性测试标准 88
6.1.3 AES加密算法及其安全性 94
6.1.4 图像的Arnold置乱加密 99
6.2 基于虹膜特征的密钥提取 100
6.2.1 密钥提取算法 100
6.2.2 密钥提取的随机性分析 101
6.3 基于虹膜特征密钥和AES的图像加密算法 102
6.4 密钥的存储和释放 103
6.5 实验结果与分析 104
6.5.1 密钥的随机性测试 104
6.5.2图像加密效果与分析 107
6.6 本章小结 109
参 考 文 献 110