Описанныевлитературеметодывыделенияточнойграницызрачканаизображениихглазавосновномбазируютсянадетекторахкраяивыделенииокружностейпосредством преобразования Хафа. На изображениях с большим разрешением детекторы края дают множество ложных контуров из-за нечеткой границы зрачка. Они в основном используются для выделения на изображении глаза области зрачка, у которой яркость постоянная. Проведенные эксперименты показали, что если область зрачка однородна с малыми изменениями яркости, а на изображении отсутствуют ресницы, брови, то указанные алгоритмы дают хорошие результаты. Но реальные изображениясущественноотличаютсяотидеальныхнеоднороднойяркостьюзрачка, наличием бликов различной формы в области зрачка и областей, имеющих пиксели с яркостью, равной или выше чем в области радужной оболочки глаза, что затрудняет его поиск. Это потребовало разработки нового алгоритма для поиска нечетких границзрачканаизображениибольшогоразрешения,необходимогодлярешениязадачи распознавания человека по радужной оболочке глаза. Предлагаемый алгоритм состоит из следующих шагов: очистка исходного изображения от шумов с использованием фильтра Гаусса; бинаризация изображения; выделение приблизительной границ зрачка глаза с помощью оператора Собеля, выявление округлой части границы зрачка с помощью преобразования Хафа. Преимуществом данного алгоритма является первоначальная оценка месторасположения зрачка, что существенно облегчает задачу поиска и даёт хорошие результаты в смысле точности определения границы зрачка, позволяет уменьшить размерность пространства параметров по сравнению с методами, определяющими и центр, и радиус, повышает устойчивость метода, особенно на изображениях с зашумленным изображением зрачка. Для этогоприменяетсяоценкаяркостиотдельныхчастейизображения,анесуммируется яркость всего изображения по строкам и столбцам. Для сужжения области поиска производится выбор той части изображения, которая имеет наименьшую яркость. Далее изображение бинаризуется и подвергается преобразованию Хафа. Алгоритм протестирован на 52034 изображениях глаз из баз данных, находящихся в открытом доступе.

The methods described in the literature for extracting the exact boundary of the pupil in images of the eye are mainly based on edge detectors and the selection of circles by means of the Hough transform. On high-resolution images, edge detectors produce a lot of false contours due to the fuzzy border of the pupil. They are mainly used to highlight the pupil area in the image of the eye, whose brightness is constant. Experiments have shown that if the pupil area is homogeneous with small changes in brightness, and there are no eyelashes or eyebrows in the image, then these algorithms give good results. But real images are significantly different from the ideal non-uniform brightness of the pupil, the presence of glares of different shapes in the pupil area and areas with pixels with brightness equal to or higher than in the iris, making it difficult to find. This required the development of a new algorithm to search for the fuzzy boundaries of the pupil in the high-resolution image necessary to solve the problem of recognizing a person by the iris. The proposed algorithm consists of the following steps: cleaning the original image from noise using a Gaussian filter; image binarization; highlighting the approximate boundaries of the pupil of the eye with the help of the Sobel operator, identifying the rounded part of the border of the pupil using the Hough transform. The advantage of this algorithm is the initial assessment of the location of the pupil, which greatly simplifies the search task and gives good results in the sense of the accuracy of determining the pupil boundary, reduces the dimension of the parameter space compared to the methods that determine both the center and the radius, increases the stability of the method, especially in images with noisy image of the pupil. For this purpose, an estimate of the brightness of individual parts of the image is applied, and the brightness of the entire image is not summed up in rows and columns. To narrow the search area, select the part of the image that has the lowest brightness. Next, the image is binarized and subjected to Hough transformation. The algorithm was tested on 52034 images of eyes from databases that are publicly available.