在虹膜诊断学中，虹膜卷缩轮是重要的诊断标志，它位于肠环的周边，是一个环状的线，它把虹膜分割成位于中心的瞳孔和外围的睫状体两部分。它由血管和神经构成，表现人体神经系统中的内脏自主神经系统（交感神经和副交感神经），它能显示很多与肠道和内脏神经有关的信息。当卷缩轮的边缘出现异常，例如膨胀或收缩，表明人体的肠道的功能出现异常。所以人体肠道区是否健康可以检测卷缩轮边缘的变化情况就可以知道。因此，准确地检测出卷缩轮的边缘是进一步病理分析和检测的前提。另外，在基于虹膜的计算机诊断系统中，卷缩轮的位置是实现虹膜图谱覆盖的依据。所以，能否提取出虹膜卷缩轮的准确位置也是决定基于虹膜的计算机诊断系统性能优劣的一个重要前提。
蚁群算法是1991年意大利****Dorigo M等人从蚂蚁群体觅食行为的过程中得到启发, 提出的一种模拟蚂蚁行为的模拟进化算法，我们称为基本蚂蚁算法（AS），蚁群算法的基本思路是：若干只蚂蚁不断地从源点（蚂蚁窝）出发到目标点（食物所在地点）搬运食物，蚂蚁在经过的道路上会洒下信息素，这些信息素会随着时间的流逝而不断蒸发，路径上的信息素浓度会影响后来的蚂蚁路径方向的选择，路径上信息素浓度越大则被蚂蚁选择的可能性就越大，这样，在单位时间从源点到目标点最短的路径被蚂蚁重复经过的次数就会越多，路径上信息素浓度相对的就会越大。那么经过一段时间后，信息素最大的路径就是从源点到目标的的最优路径。目前蚁群算法已经成功应用于解决很多组合优化问题，如车辆调度问题，旅行商问题，流水作业问题。并且由于该算法具有信息正反馈、分布计算和启发式搜索等特点，近年来, 很多****把AS算法应用到图像处理中来。
针对卷缩轮的特点，我们提出一种基于二阶段蚁群算法的卷缩轮提取方法。第一阶段是使用较多的蚂蚁经过少数几次迭代来确定下一阶段人工蚂蚁大致的初始位置。第二阶段是使用较少的蚂蚁经过较多次迭代提取到最终的卷缩轮轮廓。实验结果表明，该算法不但可以提取边缘清晰的卷缩轮，而且对于边缘模糊的卷缩轮及附近存在坑洞干扰的卷缩轮,也能提取出来。