在数字图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线模型的方法定位虹膜的位置，先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心，该圆心只要能落在瞳孔内部即可。然后以该伪圆心为中心，在其周围等角度间隔地取N个点作为初始的snake基准点，按照snake 的运行机制不断进化，直到虹膜的内边界为止。最后，计算进化后的snake形心和snake上的控制点与该形心的距离，取其平均值作为瞳孔的半径，动态轮廓模型的形心作为瞳孔的圆心，即可准确定位出虹膜内边界的位置。实验表明，与常见的定位方

边缘检测和摄像机标定算法的研究:计算机立体视觉中，首先必须解决的是三维物点与二维像点的对应关系问题。因此， 摄像机标定是计算机视觉实现的前提和基本问题。 摄像机标定主要分为传统的标定算法和自标定算法。由于摄像机镜头存在着畸变， 对于要求精度定位的应用，需要进行畸变校正。传统的标定算法中各种算法存在着计算量大的不 足，本文将利用 T s a i 的两步标定法，考虑一阶径向畸变的摄像机标定算法，它与其它优化算法相比具有简单实用、 计算量小的特点。 实验结果表明，该方法可以达到较高的精度。-err

讨论和比较了几种常用的边缘检测算子。梯度 算子计算简单 ,但精度不高 ,只能检测出图象大致的轮廓 ,而对于比较细的边缘可能会忽略。Prewitt 和Sobel算子比 Roberts 效果要好一些。LOG 滤波器和 Canny算子的检测效果优于梯度算子 ,能够检测出图象较细的边缘部分。不同的系统 ,针对不同的环境条件和要求 ,选择合适的算子来对图象进行边缘检测。-Discussion and comparison of several commonly used edge detection

车牌识别系统一般包括车牌定位、车牌切分、字符识别三部分，而车牌定位是车牌识别系统的基础和前提，其准确与否直接影响着车牌识别的准确率。本文针对这一关键问题进行了研究，提取了车牌的颜色特征并结合其纹理特征、几何特征以及投影特征进行准确定位。采用HSV颜色模型，利用颜色空间距离相似度计算分割颜色；针对颜色分割后的图像，车牌区域内水平方向上具有的连续跳变的特征，采用行扫描法确定车牌的上下边界；车牌区域内垂直方向具有投影特征，采用垂直投影法确定车牌的左右边界；最后根据车牌的宽高比判断是否是真实的车牌域。实