虹膜中心精确定位是实现视线跟踪,人机交互,注意力检测,虹膜认证等应用的重要前置环节,具有广泛的应用价值。日常场景采集到的眼睛图像常常会因为拍摄角度,光照变化,镜片反射等因素的影响,而存在图像噪声或虹膜遮挡,使得对眼睛图像中的虹膜进行精确定位具有极大的挑战。为了适应广泛的应用需求,针对基于图像处理的虹膜中心定位方法的关键技术,论文研究了眼睛区域的提取,虹膜中心的定位和虹膜中心的修正。论文的主要研究内容如下:1.眼睛区域提取是虹膜中心定位算法的基础,提取眼睛的准确性极大地影响着虹膜中心定位算法的整体性能。基于对前人相关方法的研究和分析,本文建立了基于眼角点和人眼比例估计的眼睛区域提取方法。以级联回归森林检测的眼角点为参考点,依据人眼结构比例关系自适应地估计了眼睛区域边界和眼角点之间的偏移,从而提取出准确的双眼区域。在公开数据BioID上进行眼睛区域提取效果的验证,检测到人脸的1515张样本中,有1514张样本能提取出包含完整双目的眼睛区域。2.论文研究并总结了虹膜中心定位的现有方法和相关理论,在分析前人方法的基础上采用多阶段方案递进地定位虹膜中心,以结合多种方法的优点。本文选择以对头部姿态变化具有鲁棒性的级联回归森林模型作为定位的基础,并重新设计了级联回归所用的形状。对双眼图像区域使用训练好的级联回归森林模型,实现对虹膜中心的初定位和眼周特征点的检测。并通过分析眼睛轮廓特征判断眼睛的开闭状态,根据眼睛状态确定是否进一步定位虹膜中心。对睁眼样本,使用眼部轮廓和粗定位虹膜中心提取用于定位的虹膜点集,从而消除干扰并将低计算量,确保后续步骤在可靠的基础上进行;依据眼睛的灰度特征,对虹膜点集计算反转灰度的加权平均质心来产生新的虹膜中心估计;利用眼睛虹膜和巩膜之间强烈的灰度差异,采用双圆模型来判断虹膜中心估计的质量。此外,本文去除了原始的双圆模型半径迭代,并使用加权的方式对其进行了改进,对质量不足的虹膜中心使用加权的双圆模型进行修正。3.通过实验对算法中的相关参数进行了验证和优选,并在公开数据库BioID,GI4E,Talking Face Video上对算法定位虹膜中心的效果进行了验证,从实时性和准确性两方面分析了算法的定位性能。在具有代表性的BioID数据库上,本文所用算法含人脸检测在内的总执行速度为33帧每秒,能够满足实时应用的需求;并且算法的定位准确度在归一化误差e ≤0.025和e≤0.05的标准下分别为74.69%和96.58%,超过了以往的方法的准确度。