随着网络信息化时代的到来,采用生物特征识别技术实现个人身份信息安全认证成为社会关注的热点,其中,虹膜识别的唯一性、稳定性、非侵犯性、安全性等特点使其成为这一领域内的佼佼者。虹膜识别是一种通过提取虹膜纹理信息来完成身份识别的技术,通常包括图像采集、虹膜图像预处理、虹膜特征提取及编码、虹膜特征匹配识别。其中虹膜有效区域的获取,即得到准确的虹膜纹理,已经成为虹膜识别性能的决定因素。由此将涉及虹膜有效区域获取的相关研究定义为泛虹膜检测,主要包括:虹膜检测、眼睑检测和睫毛检测等。到目前为止,泛虹膜检测的关键和难点问题在于如何利用检测方法解决虹膜纹理信息的干扰因素。而眼睑和睫毛是虹膜纹理的主要干扰源,因此本文选择的眼睑检测及睫毛检测问题作深入研究。眼睑检测检测的传统方法大致可以分为两类,一类是直线拟合检测眼睑,另一类是抛物线拟合检测眼睑。采用直线拟合检测眼睑计算复杂度低,检测速度快,但检测精度低,甚至会造成虹膜信息的大量缺失。然而在定位过程中,人眼生理构造致使睫毛遮挡成为影响眼睑检测精度的一个重要因素,因此,如何在不削弱眼睑边缘信息的条件下消除睫毛噪声成为精确定位眼睑首要解决的问题。本文根据睫毛与眼睑在延展方向上的正交性,提出了强方向加权高斯边缘检测及RNL拟合优度的快速眼睑检测算法。首先以虹膜圆心所在水平线为界线分割上下眼睑,大致确定眼睑区域;然后根据睫毛与眼睑结构近似垂直的特点,设计一种具有方向选择性的平滑滤波器,在对睫毛等噪声滤波的同时保留眼睑边缘信息;接着设计了一组水平边缘检测算子,根据虹膜图像中眼睑上下区域的灰度对比程度,动态选择边缘检测算子提取图像中的眼睑边缘信息;然后以拟合优度RNL为指标进一步迭代筛选眼睑边缘候选点;最后采用最小二乘法抛物线拟合完成眼睑检测。现有睫毛检测的相关研究基本上采用了阈值分割或者形态学方法,这些方法虽能达到一定程度的检测效果,但在睫毛漏检率、误检率以及检测速度三者之间难以取得平衡。本文考虑睫毛自身特点,提出了动态阈值、分层检测的思路,从睫毛根部到尾部,采用不同的检测方法以分层递进的方式完成检测。首先,需要检测的睫毛主要在虹膜上半区域,而虹膜下半区域基本没有,虹膜上下半区域纹理灰度分布存在明显差异。因此以虹膜圆心为原点对虹膜上下区域进行等弧度扇形分块,并以灰度分布离散程度为判别准则对比上下分块区域,从而得到虹膜上半区域中睫毛的最大分布范围;其次,根据睫毛根部与虹膜纹理区域的灰度值相差较大的特点,提出最小类内变异系数法实现分割;最后,由于各睫毛尾部方向存在多样性,且尾部睫毛与虹膜灰度值的差异相对较小,因此本文结合李海燕提出的加权多尺度复合窗思路和卞维新提出的基于加权线性投影分析的指纹块方向估计法对尾部睫毛进行方向判定,并根据方向滤波器的设计原则以及现有文献在滤波器组设计中存在的不足,构造了一种多方向灵活转换的方向滤波器以实现图像增强,从而完成不同方向的睫毛尾部检测。采用CASIA-V1、CASIA-V3以及BEE虹膜库中的样本作对比实验,结果表明:相比于典型Hough变换检测眼睑和基于形态学与最小二乘法抛物线拟合检测眼睑,强方向加权高斯边缘检测及RNL拟合优度的快速眼睑检测算法在准确率上分别提高了1.7%和0.4%,平均检测时间分别降低了 99.4%和97.5%,平均检测速度达到了0.04±0.02s;对比基于Gabor滤波和区域灰度方差以及基于眼睑轮廓和局部灰度极小值的睫毛检测算法,基于变异系数及梯度加权方向滤波的睫毛检测算法准确率分别提高了 5%和2.6%,平均检测时间分别降低61.1%和50%,平均检测速度达到了0.3±0.2s。