当采集到一幅虹膜图像后，首先要进行质量评价，再根据评价结果确定其是否可用于虹膜识别" title="虹膜识别">虹膜识别。对虹膜图像的质量评价可分为4个方面：(1)对图像总体质量评定。判断图像是否聚焦清晰、亮度是否过高或过低。(2)判断虹膜是否位于图像中心。在采集瞬间，如果处于闭眼状态，则虹膜不在图像中。如果眼珠突然偏离，则采集到的图像中虹膜因严重偏离图像中心可能会引起很大的形变。(3)判断图像中虹膜部分是否清晰并判断图像中虹膜部分的大小。一方面，眼皮一般会遮盖一部分虹膜；另一方面，由于虹膜图像采集要求的对准较严格，很难保证每次采集时，虹膜都完全位于图像之中。因此，如果眼皮遮盖过多或者位于图像之外的虹膜面积太大，就会严重影响虹膜识别的效果。(4)对虹膜中有效点的判断。由于存在各种干扰，在虹膜中会有一些无效的点。它会随着环境的变化而变化，因此必须去除。
　　在虹膜图像清晰度评价方面，文献^[1]中提出根据聚焦因子F来判断。其基本思想是：计算瞳孔边缘最大" title="最大">最大梯度的平均值S，以及虹膜灰度均值与瞳孔灰度均值之差H，得到聚焦因子F=S/H。但在实验研究中发现，F对虹膜图像清晰度不太敏感。通常，图像清晰时，S变大，H也变大；图像模糊时，S变小，H也变小。另外，McHugh等提出一种频谱的方法^[2]，其基本思想是：计算虹膜图像在高频域的能量，该域能量越高，图像清晰度越好。
　　本文从4个方面对虹膜图像质量评价" title="图像质量评价">图像质量评价进行了研究。通过对图像亮度和清晰度对图像总体质量进行评价；通过检测瞳孔是否位于中心来判断虹膜是否位于图像中心；确定虹膜不可用部分并评价虹膜清晰度，以剔除不能用于识别的虹膜图像；通过判断虹膜中有效点的方法去除虹膜中的各种噪声，采用灰度差分评价虹膜的聚焦状态和清晰度。在虹膜检测方面，选用Daugman提出的一种非常稳健的圆形轮廓算子^[3]来定位可能的虹膜，并利用圆形边缘梯度、虹膜半径、虹膜半径的上下限、瞳孔半径与虹膜半径之比的上下限、瞳孔相对于虹膜的偏心率的上下限、瞳孔区域的平均灰度值以及瞳孔区域的灰度方差与平均灰度值的比值等特征来校验其可信度。
1 对图像总体质量评定
　　在进行虹膜定位前，先对采集到的虹膜图像进行总体质量评定。主要是对图像亮度与图像总体清晰度进行判断。
1.1 图像亮度判断
　　设图像的平均灰度为DC，则要求DC满足：L₁＜DC＜L₂，其中L₁和L₂为门限值。若DC＜L₁，表明图像亮度过低；若DC>L₂表明图像亮度过高。
1.2 图像总体清晰度判断
　　设图像的灰度公布为I(x，y)，则灰度的微分算子为：
　　
　　要求△I满足△I>L₃，L₃为设定的门限值，否则表示图像不够清晰。
2 虹膜是否严重偏离图像中心的检测
　　在实际采集中，经常会有人在瞬间眨眼而无法采到虹膜，或因眼球转动而使采集角度发生大的变化，采得的虹膜图像也发生很大的形变，因此在定位虹膜前必须对虹膜离中心的偏离程度进行检测。
　　要检测虹膜是否位于图像中心，其实就是看瞳孔是否位于图像的中心范围，而瞳孔的的灰度很低，可以通过灰度判断哪些点是瞳孔中的像素。在图像的中心区域S中如果满足：I(x，y)＜L₄的像素总数N满足：N>L₅，则认为虹膜是处于图像的中心，L₄为瞳孔灰度门限值，L₅为设定的像素数量门限值。
3 虹膜质量检测
　　虹膜与瞳孔近似于圆形，因此可以用圆形模板来提取可能的虹膜边界和瞳孔边界(即虹膜内边界)。由于可能的虹膜边界和瞳孔边界所界定的部分不一定是虹膜，因此，有必要根据虹膜的某些其他特征进一步检验，以增强虹膜检测的可信度。
3.1 虹膜定位
　　Daugman曾提出一种圆形轮廓算子来定位可能的虹膜^[3]，其圆形轮廓算子如下：
　　
　　其中，I(x，y)为图像灰度分布，Gσ(r)是尺度为σ的高斯函数，ds是一段以(x₀，y₀)为圆心、以r为半径的圆弧。公式(2)实质上是一个圆形边界探测器，它通过不断迭代求解以(x₀，y₀)为圆心的、弧在半径r方向的最大梯度来确定(r，x₀，y₀) 3个参数。
　　为快速有效地定位可能的虹膜， 对瞳孔和虹膜的定位都采用粗细二步定位。具体采取以下措施：
　　(1)通过判断是否是瞳孔中的像素点对瞳孔进行粗定位。
　　(2)利用光斑灰度大的特点，去除瞳孔中的光斑。
　　(3)利用式(2)在粗定位的基础上对瞳孔精确定位。
　　(4)直接利用粗定位瞳孔的圆心为中心对虹膜外沿进行粗定位。在实现中由于眼皮有时会遮盖部分虹膜，甚至会遮盖部分瞳孔，为尽量减小眼皮对虹膜定位的影响，把积分域限定在-π/4～π/4及5π/4～7π/4内。
　　(5)在粗定位出的虹膜外沿基础上利用式(2)对其进行精确定位。
　　对搜索范围可以进行限定。设虹膜参数为(R，X₀，Y₀)，瞳孔参数为(r，x₀，y₀)。对于一个虹膜采集系统" title="采集系统">采集系统来说，图像中瞳孔半径的上下限、虹膜外沿半径的上下限、瞳孔半径与虹膜半径之比的上下限以及瞳孔相对于虹膜的偏心率的上下限可以由统计预先得到。即R、r的范围可以限定，虹膜中心坐标(X₀，Y₀)的大致范围在瞳孔中心坐标(x₀，y₀)确定后也可以限定。
　　瞳孔中心坐标(x₀，y₀)的近似位置可以由图像的水平投影量曲线和垂直投影量曲线得到。如果图像中存在虹膜部分，则水平投影量曲线和垂直投影量曲线的最小值处将分别近似对应于瞳孔中心坐标(x₀，y₀)^[4]。
3.2 对定位出的虹膜质量判定
　　在定位出的虹膜图像中取如下的2个区域，其区域选取图如图1所示。

　　(1)从r到R的整个圆环区域。
　　(2)图1中的黑色区域。
　　去除上下眼皮对虹膜的干扰噪声，取较纯净的虹膜图像。在区域(2)中，求出各像素的灰度值与整个区域(2)中的平均灰度值E之差的绝对值△2，设△2的平均值为，则要求L₆＜＜L₇，其中，L₆和L₇分别为设定的上、下门限值。同时要求区域(2)中的每个像素由(1)式求得的△I值满足：L₈<△I＜L₉，L₈和L₉为门限值。
　　在区域(1)中，统计灰度满足L₁₀＜I＜L₁₁的像素数量S₁，其中
　　L₁₀=2+E　　　　(4)
　　L₁₁=E-2　　　　(5)
　　设区域(1)中总的像素数量为S₀，则要求：S₁/S₀>3/5，从而保证了虹膜图像中有60%以上的虹膜存在。
4 虹膜中有效点的判断
　　在定位出的虹膜区域中，利用求S₁的方法进行判断，其中与E分别为在整个虹膜区域中算出的与E。对不满足L₁₀＜I＜L₁₁的点加上无效标志，并要求无效点的数量S₂满足S₂＜L12。在进行虹膜匹配时只对有效点操作。
5 实验结果
　　图2是用红外光源通过CCD摄像头从距眼睛35cm处摄得640×480的眼部" title="眼部">眼部图。