为了提高在图像质量较差时的虹膜定位性能，改善虹膜定位的成功率和速度，在对Daug— man算法改进的基础上，提出了一种基于形态学算子的虹膜定位算法(II。BM)．该算法将睫毛干扰 看作虹膜图像中出现的缝隙，通过应用形态学中的膨胀算子对缝隙进行填补进而消除干扰，虹膜边 缘参数则采用Hough变换来求取．与Daugman算法相比，ILBM算法可以有效抑制虹膜定位过程 中存在的睫毛干扰，提高虹膜定位的速度对比实验表明，ILBM算法具有比Daugman算法更好的 抑制干扰能力和鲁棒性，具有更高的定位成

为改善虹膜定位的效果，提出一种改进的基于Hough变换的虹膜定位算法。首先，用一个全1的矩形窗对瞳孔中心进行估计；然后，以该估计中心为极点对虹膜二值图像进行极坐标变换，通过水平边缘点选择规则剔除非水平边缘点，再将图像变换到直角坐标；最后，利用Hough变换以及虹膜内、外边界之间存在的耦合关系来求取虹膜边界参数，并取最大和次大参数的均值作为最终的边界参数。实验结果表明，该算法平均定位时间为0.152 s，准确率高达98.4%。