CN106778499A - 一种虹膜采集过程中快速定位人眼虹膜的方法 - Google Patents

Abstract

本发明公开了一种虹膜采集过程中快速定位人眼虹膜的方法，此方法包括高斯平滑、中值滤波处理、边缘检测、非极大值抑制、双阈值化处理、Hough变换流程。创新性的在虹膜定位领域采用高斯平滑辅助改进的快速中值滤波对图像进行预处理，再利用速度最快的Sobel边缘检测算子提取虹膜边缘特征，针对虹膜定位进行大量样本训练提取出最佳高低阈值参数进行双阈值化处理，再利用人眼虹膜环状同心圆同比压缩结构不变性对双阈值化处理后得到的二值图像进行压缩，最后针对人眼虹膜进行Hough变换进行样本训练提取最优的虹膜内外边缘搜索半径返回参数，在这个参数内执行Hough变换可以有效的减少边缘像素点遍历数量，提升虹膜定位的效率和准确性。

Description

一种虹膜采集过程中快速定位人眼虹膜的方法

技术领域

本发明涉及计算机图像领域，具体涉及基于中科院自动化所CAISA虹膜数据库和C++图像处理函数、图像中指定检测和定位以及结果的可视化显示。

背景技术

随着网络和信息化技术的飞速发展，信息安全问题日益凸显。软硬件技术的提升使计算机及智能电子设备得以普及和使用，加速了网络技术对社会生活各个方面的渗透。通过网络技术非法获取用户的个人信息的事情时有发生，防不胜防，这使得人们更多的关注个人信息安全。传统的身份验证手段依据密码口令、证件信息，但是，由于其易于丢失、窃取、遗忘、伪造的缺陷，弊端凸显，也愈来愈满足不了当今信息化社会的安全需求，跟不上人们安全观念的提升。这就需要更加可靠的身份识别手段提高信息安全级别，增加身份识别的难度。而生物特征以其稳定、不易丢失、不易窃取和便捷性催生了基于生物特征的身份识别技术，使得生物特征识别技术成为当前身份认证技术领域的热点。

虹膜的生物特征表现在：

(1)唯一性：自然界没有两个完全相同的虹膜，即使是双胞胎或者同一个人的左右两只眼睛，其虹膜特征是不相同的；

(2)稳定性：虹膜特征在胚胎中形成，人三岁以后虹膜发育成熟，终身不变，一般的疾病很难对虹膜组织产生影响；

(3)非接触性：虹膜是外部可见的，通过摄像头就可以采集到可以使用的图像；

(4)安全性：虹膜具备明显的活体组织特性，死体虹膜与其有着较大的差别，所以具有很强的防欺诈性。

基于虹膜因其具有唯一性、稳定性、可采集性、非侵犯性、防规避性等特性，尤其是防规避性，使得基于虹膜识别的身份认证技术受到学术界与企业界的关注。传统的虹膜识别由于算法复杂度高、虹膜定位时间过长、预处理后样本噪声点过多虹膜定位不够精确等因素严重影响了虹膜识别的速度和精度，不利于虹膜识别的市场推广。

发明内容

本发明的目的在于提高虹膜识别系统的工作效率，在经典的Hough变换上实现创新，提出了一种对虹膜样本图片预处理，并且快速准确定位出人眼虹膜的一种方法。此方法不仅可以有效的过滤样本阈值化过程中虹膜域产生的大量噪声点，大幅度减少计算资源；而且能够快速有效的定位出人眼样本的环状虹膜域显著提高虹膜识别程序的工作效率。实验结果表明，在相同的硬件环境下，对于CAISA虹膜数据库同一个人眼样本，在传统的虹膜定位方法输入一张完整的虹膜样本图片需要931.37毫秒才能完成检测过程，而通过该虹膜定位方法仅需要375.51毫秒即可完成检测，并且在单样本不同分类虹膜辨识率测试以及多样本通分类虹膜辨识率测试中分别表现出96.53％和96.52％的识别率，完全可以胜任常规虹膜识别的应用。

本发明采用的技术方案如下：一种虹膜采集过程中快速定位人眼虹膜的方法，包括虹膜样本图像预处理，对虹膜样本进行边缘检测、非极大值抑制与双阈值化处理和Hough变换流程；具体的步骤如下：

1)虹膜样本图像预处理过程；

在虹膜样本图像预处理上，先对虹膜样本图像执行高斯平滑再通过中值滤波处理样本图像，缩小中值滤波窗口大小，同时过滤掉睫毛，眼睑等噪声。

2)对经过高斯平滑和中值滤波后的虹膜图像检测边缘过程；

通过窗口滑动与边缘检测算子模板卷积，求得当前窗口的中心像素梯度值，不断滑动卷积窗口直到获取到整个样本图像的灰度梯度图像(由于虹膜样本采集的规范性，样本背景不复杂，本发明中采用执行效率较高的各向同性Sobel边缘检测算子)，初步提出边缘轮廓图。

3)对各向同性Sobel边缘检测算子初步检测出的虹膜内外边缘通过非极大值抑制与双阈值化处理进一步细化边缘；

搜索虹膜样本局部极大值时，将非极大值的像素点灰度值清零，极大值点设置灰度为255，使得大部分的边缘点突出，细化边缘，双阈值化处理后，边缘进一步完善细化边缘；

4)最后使用Hough变换精准定位虹膜圆心、拟合内边缘以及外边缘，把检测的过程和定位的结果都显示在该发明的可视化界面上。

先对双阈值化处理后生成的二值图像同比缩小0.6倍，对内外边缘进行Hough变换，参数空间是三维的(内边缘点、外边缘点、半径)，图像平面上每一个点对应参数空间中的每个半径下的一个圆，位于圆轨迹上的每个点响应在累加空间对应位置的累加结果。定位最亮的点即为定位到的边缘圆心。

进一步，所述步骤1中，运用高斯平滑滤波辅助改进的快速中值滤波对这一虹膜图像预处理方法，先使用高斯平滑滤波(取具有标准sigma值的3*3窗口高斯滤波器)对虹膜样本图像进行初次降噪和缩小中值滤波窗口，再采用3*3窗口大小的中值滤波，能够有效抑制待检测虹膜样本图像的睫毛、眼睑等噪声起到二次降噪的效果，提高后续的边缘检测和定位的工作效率。

进一步，所述步骤3的具体过程为：非极大值抑制用于搜索局部极大值，将非极大值点灰度值置零，这样可以提出一大部分边缘点，细化边缘；图像像素点是离散的二维矩阵，对于中心像素点C，沿梯度方向两侧的点不一定存在，因而需要进行插值来得到梯度方向两侧的梯度值，插值公式表示为

其中，g1、g2、g3、g4表示中心像素点8邻域中的四个像素点；weight表示插值权重，dTemp1、dTemp2表示梯度方向插值；将中心像素点梯度值与dTemp1、dTemp2比较,若C梯度值最大则将其灰度值设为255，否则不为局部极大值，灰度值置0；对非极大值抑制处理得到的边缘点进行双阈值化处理，进一步细化边缘；对灰度值高于高阈值的边缘点直接标记为边缘点，对灰度值处于高、低阈值之间的边缘点，若其邻域内存在边缘点，则将其也标记为边缘点，这样一直继续下去，直至邻域无边缘点，而后其他点均标记为非边缘点。

进一步，所选步骤4的具体过程为：根据人眼虹膜环状同心圆同比压缩结构不变的性质提出通过对非极大值抑制和双阈值化处理后的二值图像同比压缩为原图的0.6倍的方法来降低Hough变换三维参数空间的计算量，定位完成后再同比放大图像依然可以获得准确的定位效果；同时，通过大量的CASIA虹膜样本图像训练，提取出Hough变换中虹膜内外边缘搜索半径范围参数在[28,75],[90,150]，外边缘Hough变换仅使用了参数角度在[0,60],[120,240],[300,360)方向，只检测该范围内的参数点可以有效降低Hough变换的三维参数空间计算压力，同时降低眼睑、睫毛等残留的噪声点影响虹膜定位的精度。

进一步，还包括运用微软C++平台的GUI编程技术，将预处理、边缘检测、非极大值抑制及双阈值化处理以及Hough变换在可视化的界面上清晰展示，方便使用者进一步调试和改进。同时也支持B2C的处理模式，解决了在不同操作系统平台下对该方法的使用。

进一步，所述高阈值为18.76、低阈值为14.35。

本发明是一种虹膜采集过程中快速定位人眼虹膜的方法，相对于目前已存在的主流的虹膜识别程序采用的虹膜定位方法，其主要创新点有以下几部分：

1、提出高斯平滑滤波辅助改进的快速中值滤波对这一虹膜图像预处理方法并实现，能够有效去除待检测虹膜样本图像中的大量噪声点，提高后续的边缘检测和定位的工作效率。

2、改进双阈值化虹膜样本图像的方法，进一步细化了边缘特征，也有效减少后续Hough变换的计算量，同时通过大量的CASIA虹膜样本图像训练，提取非极大值抑制与双阈值化的阈值参数(高阈值为18.76、低阈值为14.35)，在该阈值参数下，虹膜样本图像的内外边缘细化效果相比传统方式更为突出。

3、根据人眼虹膜环状同心圆同比压缩结构不变的性质提出通过对非极大值抑制和双阈值化处理后的二值图像同比压缩为原图的0.6倍的方法来降低Hough变换三维参数空间的计算量，定位完成后再同比放大图像依然可以获得准确的定位效果。

4、通过大量的CASIA虹膜样本图像训练，提取出Hough变换中虹膜内外边缘搜索半径范围参数在[28,75],[90,150]，外边缘Hough变换仅使用了参数角度在[0,60],[120,240],[300,360)方向，只检测该范围内的参数点可以有效降低Hough变换的三维参数空间计算压力，同时降低眼睑、睫毛等残留的噪声点影响虹膜定位的精度。

5、采用C++平台的GUI编程技术，将预处理、边缘检测、非极大值抑制及双阈值化处理以及Hough变换在可视化的界面上清晰展示，方便使用者进一步调试和改进。同时也支持B2C的处理模式，解决了在不同操作系统平台下对该方法的使用。

6、为了能够进一步适应现代计算机硬件多核化发展，实现编码的体现多核并行运算的设计思想，改变CPU性能过剩的特征。从硬件角度配合算法优化，实现了虹膜定位系统执行效率的进一步改进。

7、采用如2所述参数下的双阈值化虹膜样本图像处理方法结合各向同性Sobel边缘检测算子，相互取长补短，各向同性Sobel算子简单快速，效率极高但未能将图像主体与背景严格分开(非常适用于采集方式严格，背景相对简单的虹膜图像)，即使在背景简单的虹膜样本图像中依然会保留一定的噪声影响边缘的进一步细化，而在本方法中，针对此类问题做了大量的样本训练提取出更为精确的高低阈值来弥补这一缺陷，在保证能够稳定提取虹膜样本内外边缘的同时进一步提升执行的速度。

8、采用如3所述的人眼虹膜环状同心圆同比压缩结构不变性质对二值图像压缩结合如4所述指定搜索半径参数Hough变换的方法在保证Hough变换在定位圆形虹膜中表现出的优秀准确率和高鲁棒性的同时进一步改善了三维参数空间的高计算量。本方法在通过大量的样本训练提取出Hough变换中虹膜内外边缘搜索半径范围参数在[28,75],[90,150]，外边缘Hough变换参数角度在[0,60],[120,240],[300,360)。

9、本方法尝试将如1所述的图像预处理结合如7所述的改进的Hough变换，表现出良好的兼容性，高斯平滑结合中值滤波可以在定位初期大量去除虹膜周边噪声，残留的部分噪声点可以通过改进的Hough变换指定搜索范围参数方法避除结合如3所述针对二值图像同比压缩以减少Hough变换三维参数空间计算的方法，3方法相辅相成，实现多角度多层次的提升虹膜内外边缘的定位，使得定位的效率明显提升。

附图说明

下面结合附图和具体实施方式对本发明进一步详细说明。

图1是本发明的方法实现原理流程图。

图2为本发明的中值滤波窗口模型图。

图3为本发明的虹膜样本原图。

图4为本发明的3*3滤波窗口实现效果图。

图5为本发明的内边缘检测(h＝1,v＝1)图。

图6为本发明的外边缘检测(h＝0,v＝1)图。

图7为本发明的内边缘显示效果图。

图8为本发明的外边缘显示效果图。

图9为本发明的三维Hough变换模型图。

图10为本发明的内边缘Hough变换图。

图11为本发明的外边缘Hough变换图。

图12为本发明的虹膜内外边缘定位结果图。

具体实施方式

以下结合附图对发明的实施做进一步说明。

如图1所示，本发明的一种虹膜采集过程中快速定位人眼虹膜的方法，包括以下步骤实现：

1)虹膜样本图像预处理过程；

在虹膜样本图像预处理上，先对虹膜样本图像执行高斯平滑(取具有标准sigma值的3*3窗口高斯滤波器)再通过中值滤波处理样本图像，缩小中值滤波窗口大小，同时过滤掉睫毛，眼睑等噪声。

2)对经过高斯平滑和中值滤波后的虹膜图像检测边缘过程；

通过窗口滑动与边缘检测算子模板卷积，求得当前窗口的中心像素梯度值，不断滑动卷积窗口直到获取到整个样本图像的灰度梯度图像(由于虹膜样本采集的规范性，样本背景不复杂，本发明中采用执行效率较高的各向同性Sobel边缘检测算子)，初步提出边缘轮廓图。

3)对各向同性Sobel边缘检测算子初步检测出的虹膜内外边缘通过非极大值抑制与双阈值化处理进一步细化边缘；

搜索虹膜样本局部极大值时，将非极大值的像素点灰度值清零，极大值点设置灰度为255，使得大部分的边缘点突出，细化边缘，双阈值化处理后，边缘进一步完善细化边缘；

4)最后使用Hough变换精准定位虹膜圆心、拟合内边缘以及外边缘，把检测的过程和定位的结果都显示在该发明的可视化界面上。

先对双阈值化处理后生成的二值图像同比缩小0.6倍，对内外边缘进行Hough变换，参数空间是三维的(内边缘点、外边缘点、半径)，图像平面上每一个点对应参数空间中的每个半径下的一个圆，位于圆轨迹上的每个点响应在累加空间对应位置的累加结果。定位最亮的点即为定位到的边缘圆心。

所述步骤1中，采用了基于灰度直方图统计的快速中值滤波算法，当滤波窗口沿着行移动一列时，窗口内容的变化只是丢掉最左边的列取代为一个新的右侧列，对于m行n列的中值窗口，mn-2*m个像素没有变化，并不需要重新排序。快速中值滤波算法计算当前滤波窗口内像素的直方图间接得到中值，当滤波从一列像素移动到相邻像素时只更新部分信息。因此对于半径为r的滤波器，每次更新灰度直方图信息只需要完成2*r+1次加法和减法。该发明经样本训练后采用3*3中值滤波执行效率最高，中值滤波窗口模型及实现效果如图2、图3、图4所示。

所述步骤2的具体过程为：滑动窗口与各向同性Sobel边缘检测算子模板卷积，求得当前窗口中心像素的梯度值。不断滑动卷积窗口求得完整虹膜样本图像像素点的梯度值。生成原图的梯度图像，可以有效的凸显出图像的边缘部分。该发明中各向同性Sobel算子卷积模板表示为：

其中S_x表示为水平方向的卷积模板，S_y表示为垂直方向的卷积模板，K[i,j]表示为滤波窗口。图像像素点梯度值计算公式如式1：

其中G_x[i,j]代表水平方向梯度，G_y[i,j]表示垂直方向梯度，G[i,j]表示总的梯度。*代表卷积，h、v分别代表水平、垂直方向梯度权值，取值0或1。该发明中内边缘检测参数(h＝1,v＝1)效果如图5所示,外边缘检测参数(h＝0,v＝1)效果如图6所示。

所述步骤3的具体过程为：非极大值抑制用于搜索局部极大值，将非极大值点灰度值置零，这样可以提出一大部分边缘点，细化边缘。图像像素点是离散的二维矩阵，对于中心像素点C，沿梯度方向两侧的点不一定存在，因而需要进行插值来得到梯度方向两侧的梯度值，插值公式表示如式2。

其中，g1、g2、g3、g4表示中心像素点8邻域中的四个像素点。weight表示插值权重，dTemp1、dTemp2表示梯度方向插值。将中心像素点梯度值与dTemp1、dTemp2比较,若C梯度值最大则将其灰度值设为255，否则不为局部极大值，灰度值置0。对非极大值抑制处理得到的边缘点进行双阈值化处理，进一步细化边缘。对灰度值高于高阈值(该发明中表示为18.76)的边缘点直接标记为边缘点，对灰度值处于高、低阈值(该发明中表示为14.35)之间的边缘点，若其邻域内存在边缘点，则将其也标记为边缘点，这样一直继续下去，直至邻域无边缘点，而后其他点均标记为非边缘点。步骤2中虹膜样本内外边缘非极大值抑制及双阈值化处理后的内外边缘显示效果如图7、图8所示。

所述步骤4的具体过程为：Hough变换可以在二值图像(只有黑、白像素)中快速处理。创建一个和输入二值图像大小相当的累加空间，在Hough变换的参数空间里，以二值图像的每个边缘点为圆心，未知半径在三维(内边缘点、外边缘点、半径)参数空间画圆。圆轨迹上的每个点响应的在累加空间对应位置累加结果，参数空间累加结果的峰值对应参数即为便捷信息。由于半径信息未可知，经过大量的样本训练我们设置Hough变换中虹膜内外边缘搜索半径范围参数分别为[28,75],[90,150]，外边缘HoughCircle变换仅使用了角度在[0,60],[120,240],[300,360)方向的点以减少睫毛、眼睑的干扰。该发明的Hough变换模型如图9所示。

其中，a、b对应圆心，r代表半径。图像平面上的每一个点就对应于参数空间中每个半径下的一个圆，改变半径即形成一个圆锥。对于虹膜内外边缘的检测需要设置不同的半径搜索范围。由于内外边缘呈同心圆结构，只能检测出其中的一个，Hough变换抗干扰性强，不受图像旋转影响，但是累加空间维数高，计算量相对较大，为了能够满足实时虹膜图像处理的性能要求，该发明中将步骤3生成的二值图像缩小为原图的0.6倍，有效减轻三维累加空间带来的性能压力，完成虹膜定位后恢复原图尺寸。对内外边缘进行Hough变换处理效果分别如图10、图11所示，图中最亮的点即为定位到的边缘圆心。根据定位到的边缘信息生成定位结果，如图12所示。

本发明还包括从选择待检测的虹膜样本文件，到预处理的过程，再到边缘检测的过程，非极大值抑制与双阈值化处理，改进Hough变换处理过程采用全程可视化处理，方便使用者观察，和调试。

本发明包括高斯平滑、中值滤波处理、边缘检测、非极大值抑制、双阈值化处理、Hough变换流程。高斯平滑是对图像每一个像素点执行像素值加权平均的过程，它的优势在于：它能够有效缩减中值滤波的窗口尺寸，一定程度上提高中值滤波的执行效率。中值滤波是一种取中心像素的邻域像素的灰度值中值取代中心像素的灰度值的过程，由于虹膜采集的规范性受环境影响因素较小而虹膜的上下外边缘由于个人的虹膜结构差异容易收到不同程度的睫毛，眼睑的影响比较大，如果虹膜纹理特征明显的样本在阈值化后会在虹膜纹理域形成大量的噪声点，中值滤波可以快速高效的去掉一些随机噪声，提高准确度。边缘检测分为虹膜内边缘检测和虹膜外边缘检测，分别使用了垂直与水平方向梯度的方法和垂直方向梯度的方法。非极大值抑制是在搜索虹膜样本局部极大值时，将非极大值的像素点灰度值清零，极大值点设置灰度为255，使得大部分的边缘点突出，细化边缘。双阈值化处理是一种对非极大值抑制得到的边缘像素点进一步细化的方法，对于灰度值高于高阈值的像素点识别为边缘点，对灰度值处于高、低阈值之间的边缘像素点，若其邻域内存在边缘像素点，则将其也识别为边缘点，这样一直继续下去，直至邻域无边缘像素点，而后其他点均识别为非边缘点。Hough变换是一种图像特征提取技术，该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为Hough变换结果，多用于提取圆形或者椭圆形特征，非常适用于虹膜的定位。

本发明是结合了边缘检测与Hough变换实现高效定位人眼虹膜的方法。先对虹膜样本图像执行高斯平滑(取具有标准sigma值的3*3窗口高斯滤波器)再通过中值滤波处理样本图像，缩小中值滤波窗口大小，同时过滤掉睫毛，眼睑等噪声。再通过窗口滑动与边缘检测算子模板卷积，求得当前窗口的中心像素梯度值，不断滑动卷积窗口直到获取到整个样本图像的灰度梯度图像(由于虹膜样本采集的规范性，样本背景不复杂，本发明中采用执行效率较高的各向同性Sobel边缘检测算子)。然后搜索虹膜样本局部极大值时，将非极大值的像素点灰度值清零，极大值点设置灰度为255，使得大部分的边缘点突出，细化边缘，双阈值化处理后，边缘进一步细化。最后通过Hough变换检测圆，对内外边缘进行Hough变换，参数空间是三维的(内边缘点、外边缘点、半径)，图像平面上每一个点对应参数空间中的每个半径下的一个圆，位于圆轨迹上的每个点响应在累加空间对应位置的累加结果。因此Hough变换后图像中产生的明显亮点即为定位到的边缘圆心。Hough变换作为圆形边缘检测的经典算法，具有很强的抗干扰性，不受图片旋转的影响，具有很强的鲁棒性。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (6)

1.一种虹膜采集过程中快速定位人眼虹膜的方法，其特征在于，虹膜样本图像预处理，对虹膜样本进行边缘检测、非极大值抑制与双阈值化处理和Hough变换流程；具体的步骤如下：

1)虹膜样本图像预处理过程

在虹膜样本图像预处理上，先对虹膜样本图像执行高斯平滑再通过中值滤波处理样本图像，缩小中值滤波窗口大小，同时过滤掉睫毛，眼睑噪声；

2)对经过高斯平滑和中值滤波后的虹膜图像检测边缘过程

通过窗口滑动与边缘检测算子模板卷积，求得当前窗口的中心像素梯度值，不断滑动卷积窗口直到获取到整个样本图像的灰度梯度图像，由于虹膜样本采集的规范性，样本背景不复杂，采用执行效率较高的各向同性Sobel边缘检测算子，初步提出边缘轮廓图；

3)对各向同性Sobel边缘检测算子初步检测出的虹膜内外边缘通过非极大值抑制与双阈值化处理进一步细化边缘；

搜索虹膜样本局部极大值时，将非极大值的像素点灰度值清零，极大值点设置灰度为255，使得大部分的边缘点突出，细化边缘，双阈值化处理后，边缘进一步完善细化边缘；

4)最后使用Hough变换精准定位虹膜圆心、拟合内边缘以及外边缘，把检测的过程和定位的结果都显示在该发明的可视化界面上：先对双阈值化处理后生成的二值图像同比缩小0.6倍，对内外边缘进行Hough变换，参数空间是三维的，分别为内边缘点、外边缘点、半径，图像平面上每一个点对应参数空间中的每个半径下的一个圆，位于圆轨迹上的每个点响应在累加空间对应位置的累加结果，定位最亮的点即为定位到的边缘圆心。

2.根据权利要求1所述的一种虹膜采集过程中快速定位人眼虹膜的方法，其特征在于，所述步骤1)中，运用高斯平滑滤波辅助改进的快速中值滤波对这一虹膜图像预处理方法，先使用高斯平滑滤波，取具有标准sigma值的3*3窗口高斯滤波器，对虹膜样本图像进行初次降噪和缩小中值滤波窗口，再采用3*3窗口大小的中值滤波。

3.根据权利要求1所述的一种虹膜采集过程中快速定位人眼虹膜的方法，其特征在于，所述步骤3)的具体过程为：非极大值抑制用于搜索局部极大值，将非极大值点灰度值置零，这样可以提出一大部分边缘点，细化边缘；图像像素点是离散的二维矩阵，对于中心像素点C，沿梯度方向两侧的点不一定存在，因而需要进行插值来得到梯度方向两侧的梯度值，插值公式表示为

$\left\{\begin{array}{c}dTemp1=weight\·g1+(1-weight)\·g2\\ dTemp2=weight\·g3+(1-weight)\·g4\end{array}\right.$

其中，g1、g2、g3、g4表示中心像素点8邻域中的四个像素点；weight表示插值权重，dTemp1、dTemp2表示梯度方向插值；将中心像素点梯度值与dTemp1、dTemp2比较,若C梯度值最大则将其灰度值设为255，否则不为局部极大值，灰度值置0；对非极大值抑制处理得到的边缘点进行双阈值化处理，进一步细化边缘；对灰度值高于高阈值的边缘点直接标记为边缘点，对灰度值处于高、低阈值之间的边缘点，若其邻域内存在边缘点，则将其也标记为边缘点，这样一直继续下去，直至邻域无边缘点，而后其他点均标记为非边缘点。

4.根据权利要求1所述的一种虹膜采集过程中快速定位人眼虹膜的方法，其特征在于，所选步骤4)的具体过程为：根据人眼虹膜环状同心圆同比压缩结构不变的性质提出通过对非极大值抑制和双阈值化处理后的二值图像同比压缩为原图的0.6倍的方法来降低Hough变换三维参数空间的计算量，定位完成后再同比放大图像依然可以获得准确的定位效果；同时，通过大量的CASIA虹膜样本图像训练，提取出Hough变换中虹膜内外边缘搜索半径范围参数在[28,75],[90,150]，外边缘Hough变换仅使用了参数角度在[0,60],[120,240],[300,360)方向的参数点。

5.根据权利要求1所述的一种虹膜采集过程中快速定位人眼虹膜的方法，其特征在于，还包括运用微软C++平台的GUI编程技术，将预处理、边缘检测、非极大值抑制及双阈值化处理以及Hough变换在可视化的界面上清晰展示；同时也支持B2C的处理模式。

6.根据权利要求3所述的一种虹膜采集过程中快速定位人眼虹膜的方法，其特征在于，所述高阈值为18.76、低阈值为14.35。