摘要: 随着人们对信息安全研究的重视，生物特征识别技术的研究获得越来越多的重视。在众多的生物特征识别技术中，虹膜识别是一种非常可靠的身份鉴别方法，因此，它吸引了众多研究者的目光。一个完整的虹膜识别系统包括：虹膜图像的获取，图像的预处理，图像的配准，特征提取，特征匹配等。对整个虹膜识别系统而言，虹膜图像的配准是其中一个非常重要的组成部分。 一般而言， 在拍摄虹膜图像过程中，由于拍摄时间的不同或头部不可避免会轻微晃动，眨眼引起眼皮移动，眼睛随着光照强度变化的缩放特性等原因，不同时刻拍摄到的各帧虹膜图像之间不一定是一一对应的。在匹配过程中，如何找到点点之间存在对应关系，便涉及到图像的配准问题。很显然，图像配准结果的精确与否直接关系到整个虹膜识别系统的识别精度。相对而言，高精度的配准操作可以提高整个识别系统的识别精度。这部分工作虽然重要，但在现有的文献中却少有详细的介绍。在虹膜识别系统中，传统的虹膜图像配准方法是利用简单的仿射变换运动模型来表述待配准的虹膜图像之间的全局运动，这个配准方法对于虹膜图像之间的线性变形可以得到像素级精度的配准结果。但是，对于求解虹膜图像之间的非线性变形，传统的方法有着明显的缺陷。在现实中，虹膜图像之间的变形明显是属于非线性的变形运动，因而传统的虹膜图像配准方法在虹膜识别系统中的运用限制了整个虹膜识别系统的高精度识别率的进一步提高。针对这个问题，本文提出了一种基于相位相关的虹膜图像配准算法。和传统的虹膜图像配准方法一样，虹膜图像首先被预处理。我们知道，一般而言，虹膜图像不仅包括虹膜区域，而且还包括睫毛、眼皮等。为了方便后面的处理，同时考虑到虹膜的内外边界基本上接近于圆的形状，我们可以首先定位虹膜的内外边界，然后以虹膜的中心为极点，将虹膜在极坐标归一化下展开。预处理后的虹膜图像按照一定的规律被分为许多小的方块。对于这些小的图像块，我们采用基于相位相关的方法来求取对应块之间的相位相关值。其中，拥有最大相位相关值所对应的运动向量即为我们所要求的结果。 因为相位相关的配准方法是利用傅立叶变换的移位特性来进行图像配准的，因此它特别适用于两幅图像之间存在移位差异的情形。与此同时，该算法避免了以前虹膜图像配准算法对光照敏感的缺点。更为重要的是，这种新方法不仅可以进行亚像素级别的精确配准，而且可以在一定程度上补偿虹膜的非线性收缩运动。为了验证算法效果，我们在CASIA两个不同的虹膜数据库上做了一系列的实验。大量的实验结果证明了这种方法的有效性。