虹膜图像的获取是虹膜识别中的第一步，虹膜采集系统如果能够拍摄到清晰的虹膜图像，将会大大提高虹膜识别算法的效率和精度。虹膜图像采集因设备的不同而有所不同，通常有两种方式：一种是一次静态地摄取一幅虹膜图像；另一种则是采用视频流的方式，在一定时间内采集若干帧图像，从中选择一帧或几帧满足质量要求的图像用于识别。我们系统的采集设备属于第二种方式，因而需要一种较好的用于虹膜序列图像的质量评价方法。该方法应能对虹膜图像序列给出质量比较并判定是否能够满足识别的需要。在图像质量评价时，利用到人类视觉系统的特征，使图像质量的客观评价方法和主观评价结果一致，是图像质量评价的重要手段。人类视觉系统具有一些基本的特性。从视觉心理学角度看，视觉是一种积极的感受行为，不仅与生理因素有关，还在相当大程度上取决于心理因素。人们在观察和理解图像时往往会不自觉的对其中某些区域产生兴趣，这些区域被称为“感兴趣区（ROI, region of interest）”。整幅图像的视觉质量在客观和主观上往往取决于“感兴趣区”的质量，而“非感兴趣区”的质量对整体的质量影响不大。在虹膜图像质量评价中，显然虹膜纹理环带区域是我们的“感兴趣区”，其质量决定了整个图像的质量。考虑到虹膜识别的实际需要，我们在虹膜序列图像的质量评价上选择了以下的因素作为评价的要点：a.虹膜环带图像的面积及与瞳孔的比例关系.一般来说，在摄取的虹膜图像中虹膜环带图像的面积越大对识别越有利。但虹膜环带图像的面积与瞳孔面积的比例过大则是采集畸变造成的，这实际上使得虹膜图像失真。因此，一幅好的虹膜图像应当是虹膜环带图像的面积在整个图像中的比例适中且与瞳孔的面积比例适当，这可以通过对虹膜的提取结果来考察。b.虹膜环带图像的细节的丰富程度. <WP=68>关于图像纹理细节的丰富程度，可以通过一些公认的纹理的性质来表征。假定图像符合高斯模型，如果图像中某个区域中细节信号的平均能量大于某个阈值（该阈值由实际应用来确定），该区域即可被认为是纹理区域。一个图像所有纹理区域的平均能量之和越大，说明该图像的细节越丰富。虹膜的提取采用了如下的方法，基本步骤是：通过Canny边缘检测算子对图像进行边缘检测；使用法线算法进行瞳孔中心和虹膜内缘半径的初步估计；在近似认为虹膜内外圆为同心圆的情况下，使用Hough变换方法进行中心定位和求取虹膜内、外缘半径r和R，则虹膜环带图像的面积及与瞳孔的比例关系可以被用来作为虹膜图像质量的一个表征。小波分析是一种时频和频域综合的分析方法，同时对信号进行时域和频域分解，产生的多分辨率数据易于考虑人类视觉特性。Mallat提出了求解小波系数的塔形算法,使离散小波变换以数字滤波器组的形式出现。对于静止图像这样的二维信源,需要使用二维滤波器来对其进行处理.考虑到小波函数的可分离性,二维滤波器可由一维滤波器复合而成.用L表示低通滤波器,H表示高通滤波器,则离散小波变换可将原图像分解为LL1、LH1、HL1和HH1 4个子带,其中LL1是由两个低通(即水平和垂直)滤波器获得的子带,反映图像的低频成分;LH1则是由低通的水平滤波器和高通的垂直滤波器获得的子带,代表图像的水平边缘细节;类似地,HL1对应垂直边缘细节,而HH1则对应高频分量。若对低频分量LL1再进一步分解,又可得到LL2、LH2、HL2和HH2 4个子带。如此反复,可对图像进行多级分解。选取恰当的滤波器可使小波变换的图像分解具有局部化特征，在不同分辨率上有较强的相关性，感兴趣区在不同分辨率下具有相似的形状，依然保持对应的空间位置。虹膜图像质量主要取决于虹膜纹理细节的丰富程度，根据实验观察，虹膜的纹理不只基于径向分布，在斜线方向也有大量纹理，这在小波变换后的图像中体现在HL以及HH子频带。因此，我们利用感兴趣区域在小波变换后<WP=69>这两个子频带中的能量作为质量评价因素。由于在图像采集过程中，部分虹膜区域不可避免的受到上下眼皮、睫毛的遮盖，因此出于简化的考虑我们仅把感兴趣区域限定在虹膜纹理的左右两个1/4圆形区域。对于自然图像,在小波分解后, HL以及HH子带系数总体上服从广义高斯分布, 通过实验数据分析我们发现,虹膜图像的局部区域小波系数的分布可以很好地利用单一的高斯函数逼近,因此我们选择小波变换后感兴趣区域在HL以及HH子频带内对应空间每个位置的平均能量之和作为该区域的质量分数，整幅虹膜图像的清晰度质量评价因子为此两个区域质量分数的加权和。在一个图像序列中，综合虹膜环带面积质量评价因子和清晰度质量评价因子的虹膜图像质量评价因子被归一化到[0，1]之间，该值越大，则整幅图像具有越高的质量。经过统计，本文的评价算法在PIII750的机器上评价一幅图像费时0.3S，完全满足实时图像序列质量评价的要求。在使用本文的算法评价一个虹膜图像序列之前，先由该领域几个研究人员对该序列每幅图像进行打分，通过对他们各自打分的均值对该序列进行排序。实验证明，本文基于感兴趣区域的算法和人眼主观评价完全一致,并且具有较好的区分度。