虹膜是环绕在瞳孔周围那一圈有颜色和凹凸不平的纹理结构的环状组织,科学家将虹膜划分为30多个区,每个区域对应人体的一种器官,虹膜诊断学通过观察虹膜纹理的形状,深度以及所在区域,对疾病进行诊断,并判断人体的健康状况。而虹膜诊断系统是利用计算机自动完成虹膜诊断的过程,不但可以预测疾病,还可以对患者的健康状况进行长期的记录与跟踪。该系统的难点在于对虹膜图像快速定位,虹膜表面纹理的位置与深度信息的提取。本课题研究重点解决虹膜诊断系统中的噪声图像下快速定位,虹膜三维重建,以及纹理信息的提取、记录与表示。以下,为本文研究的问题:第一,虹膜仪采集到的图像中存在光照不均匀、光斑、虹膜被睫毛、眼皮遮挡等噪声,本文提出了一种图像三值化算法,将图像分割为瞳孔,虹膜,巩膜三部分,去掉了大部分噪声的干扰,并通过边缘检测,得到包含虹膜内外边缘的边缘点集。共形几何代数(CGA)中,圆的表达式可由圆上三个点的外积得到,因此我们在边缘点集中,随机选择三个点形成一个圆,并利用CGA中点与圆距离位置关系结合虹膜内外边界的先验知识,对虹膜的内外边界同时定位。基于CGA的圆检测原理可以同时检测多个圆,并且CGA对距离计算简单,算法速度快,定位准确。第二,针对单幅正视的虹膜图像,本文提出了一种基于CGA的从平面到三维模型的映射方法,用共形几何代数中球来近似表示眼球,通过固定虹膜外边缘,将虹膜表面的纹理转化为CGA空间中的几何实体,映射到眼球三维模型上。本文通过设计深度函数,将纹理的深度在三维模型上定量地表示出来。利用共形几何代数对虹膜进行三维重建,可以将虹膜表面纹理的的深度信息直观表示出来。有利于虹膜诊断系统对纹理进行记录。第三,基于密度的聚类可以根据数据分布的密度,将连通但形状不规则的区域聚为一类。为了对虹膜表面的纹理进行统计与表示,本文利用密度聚类的优势,提出基于密度聚类的纹理特征聚类算法。首先对虹膜图像进行预处理,去掉光斑噪声。图像中眼睑,虹膜边缘点等噪声若不加以处理,也会被当作纹理而错误的聚类。本文通过添加约束条件,去掉非纹理特征,并且不断优化聚类结果。将虹膜纹理进行分类表示,从而可以帮助我们完成对每条纹理的位置,面积进行统计与分析。实验证明该算法可以有效对纹理进行聚类,且聚类结果具有唯一性,有利于长期跟踪记录与对比分析。