MATLAB实现基于Daugman算法的2D Gabor滤波器虹膜分割系统

资 源 简 介

本项目采用MATLAB实现了Daugman经典虹膜识别算法，重点开发了虹膜自动分割功能。系统通过2D Gabor滤波器进行特征提取，能够精确检测虹膜边界并完成高质量分割，为虹膜识别提供可靠的前处理解决方案。

详 情 说 明

基于Daugman虹膜识别算法的2D Gabor滤波器实现与虹膜分割系统

项目介绍

本项目聚焦于实现John Daugman教授提出的经典虹膜识别算法，核心目标是构建一个自动化的虹膜分割系统。系统能够对输入的虹膜图像进行精准处理，通过实现2D Gabor滤波器进行特征提取，并利用圆形边界检测算法定位虹膜的内（瞳孔）外边界，最终完成虹膜区域的精确分割与归一化，为后续的虹膜识别任务提供高质量的预处理结果。

功能特性

• 精确的边界定位：采用Daugman的积分微分算子实现圆形边界检测，有效定位虹膜与瞳孔、虹膜与巩膜的边界。
• 强大的特征提取：集成2D Gabor滤波器，模拟视觉皮层细胞的感受野，能够有效提取虹膜纹理的相位与幅度信息。
• 完整的预处理流程：包含图像去噪、虹膜区域定位、噪声（如睫毛、光斑）过滤、虹膜区域归一化（极坐标转换）等一系列关键步骤。
• 多样化结果输出：系统提供标注边界后的原图、分割掩膜、归一化图像及特征可视化等多种输出，便于分析与评估。

使用方法

1. 准备数据：将待处理的虹膜图像（建议使用CASIA-Iris等标准数据集中的图像，格式为JPG或PNG）放置于项目指定的输入目录。
2. 运行主程序：执行项目的主入口脚本，系统将自动开始处理输入图像。
3. 获取结果：处理完成后，在输出目录中查看生成的各项结果文件，包括带边界标注的图像、二值掩膜、归一化图像等。

系统要求

• 操作系统：Windows / Linux / macOS
• 编程语言：MATLAB (推荐 R2018a 或更高版本)
• 内存：建议不少于 4 GB RAM
• 磁盘空间：不少于 1 GB 可用空间

文件说明

主入口脚本整合了虹膜分割系统的核心处理流程。其主要功能包括：读取输入虹膜图像并进行预处理，调用圆形边界检测算法精确定位虹膜的内外边缘，根据定位结果生成分割掩膜并去除干扰噪声，将环形虹膜区域归一化为固定尺寸的矩形图像，利用2D Gabor滤波器对归一化后的虹膜纹理进行特征提取与可视化，最后将处理得到的各项结果进行保存和输出。