虹膜识别技术凭借着在安全性和稳定性上的优势,已经被应用到了生活的多个领域。虹膜图像分割是虹膜识别系统中至关重要的一步,但是现有的算法在复杂场景以及跨设备应用上仍存在一些问题。通过深入研究虹膜图像分割过程,本文提出了基于显式形状回归的虹膜图像分割算法。主要工作如下:为提高虹膜图像分割算法的鲁棒性和泛化性,本文采用了基于虹膜形状特征点的初步分割算法。首先,利用显式形状回归方法定位虹膜形状特征点,该方法利用简单的像素差值特征描述虹膜形状,结合双层级联回归策略逐步更新特征点位置。然后,利用高斯分布模型结合多组形状回归结果,确保虹膜形状特征点定位的准确性。最后,采用加权最小二乘法拟合上、下眼睑边界和虹膜外边界,得到虹膜图像初步分割结果。针对虹膜外边界拟合和瞳孔粗定位可能存在偏差的问题,本文采用由粗到精的定位策略,在虹膜粗定位的基础上利用加权径向投影方法进行精定位。该方法根据虹膜边界像素点梯度反方向近似指向圆心的特点,将梯度径向投影值作为虹膜边界参数筛选依据;同时为提高该方法的计算精度,引入边界灰度变化信息作为权重。为了获得对虹膜有效区域的准确描述,本文利用自适应灰度阈值检测图像中的噪声。对于光斑噪声,将阈值设置为虹膜有效区域的最大灰度值和平均灰度值的线性组合。对于睫毛噪声,通过划分出的无睫毛区域估计虹膜灰度值高斯分布参数,根据高斯分布的统计学特性,确定睫毛噪声检测阈值。本文提出的算法在CASIA-Iris-Thousand数据库上进行实验,算法的分割准确率达到99.1%。实验结果表明,本文算法能有效降低虹膜图像中噪声的干扰,具有较好的鲁棒性以及较快的计算速度。