論文の概要: Iris Recognition Based on SIFT Features

• arxiv url: http://arxiv.org/abs/2111.00176v1
• Date: Sat, 30 Oct 2021 04:55:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-02 15:15:38.361031
• Title: Iris Recognition Based on SIFT Features
• Title（参考訳）: SIFT特徴量に基づく虹彩認識
• Authors: Fernando Alonso-Fernandez, Pedro Tome-Gonzalez, Virginia Ruiz-Albacete, Javier Ortega-Garcia
• Abstract要約: アイリス画像の認識にはSIFT(Scale Invariant Feature Transformation)を用いる。 我々は、SIFT演算子を用いて、スケール空間における特徴SIFT特徴点を抽出し、特徴点周辺のテクスチャ情報に基づいてマッチングを行う。 また、SIFT手法と、極座標変換とLog-Gaborウェーブレットに基づく一般的なマッチング手法の相補性を示す。
• 参考スコア（独自算出の注目度）: 63.07521951102555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Biometric methods based on iris images are believed to allow very high accuracy, and there has been an explosion of interest in iris biometrics in recent years. In this paper, we use the Scale Invariant Feature Transformation (SIFT) for recognition using iris images. Contrarily to traditional iris recognition systems, the SIFT approach does not rely on the transformation of the iris pattern to polar coordinates or on highly accurate segmentation, allowing less constrained image acquisition conditions. We extract characteristic SIFT feature points in scale space and perform matching based on the texture information around the feature points using the SIFT operator. Experiments are done using the BioSec multimodal database, which includes 3,200 iris images from 200 individuals acquired in two different sessions. We contribute with the analysis of the influence of different SIFT parameters on the recognition performance. We also show the complementarity between the SIFT approach and a popular matching approach based on transformation to polar coordinates and Log-Gabor wavelets. The combination of the two approaches achieves significantly better performance than either of the individual schemes, with a performance improvement of 24% in the Equal Error Rate.
• Abstract（参考訳）: アイリス画像に基づくバイオメトリックス手法は非常に高精度であると考えられており、近年はアイリスバイオメトリックスへの関心が爆発的に高まっている。 本稿では、虹彩画像を用いた認識にSIFT(Scale Invariant Feature Transformation)を用いる。 従来のアイリス認識システムとは対照的に、SIFTアプローチはアイリスパターンの極座標への変換や高精度なセグメンテーションに頼らず、制約の少ない画像取得条件を実現する。 我々は、SIFT演算子を用いて、スケール空間における特徴SIFT特徴点を抽出し、特徴点周辺のテクスチャ情報に基づいてマッチングを行う。 実験はbiosec multimodal databaseを用いて行われ、2つの異なるセッションで獲得した200人の個人から3200枚の虹彩画像を含む。 我々は,異なるSIFTパラメータが認識性能に与える影響の分析に寄与する。 また,極座標とログガボウェーブレットへの変換に基づく,siftアプローチと一般的なマッチングアプローチとの相補性を示す。 2つのアプローチの組み合わせは、それぞれのスキームよりも大幅にパフォーマンスが向上し、同等のエラー率で24%のパフォーマンス向上を実現している。

関連論文リスト

• Compact multi-scale periocular recognition using SAFE features [63.48764893706088]
  特徴拡張(SAFE)記述子による対称性評価に基づく眼周囲認識のための新しい手法を提案する。 我々は、スクレラ中心を特徴抽出の単一キーポイントとして使用し、眼のこの点に集中するオブジェクトのようなアイデンティティ特性を強調します。
  論文  参考訳（メタデータ） (2022-10-18T11:46:38Z)
• Using Atom-Like Local Image Features to Study Human Genetics and Neuroanatomy in Large Sets of 3D Medical Image Volumes [0.0]
  この論文の貢献は、3次元画像空間で抽出された原子のような特徴から大量の画像を分析するために開発された技術に起因している。 電荷に類似した二元的特徴符号と3次元空間における対称的特徴配向状態の離散的集合を含む新しい特徴特性が導入された。
  論文  参考訳（メタデータ） (2022-08-25T22:27:39Z)
• Degradation-agnostic Correspondence from Resolution-asymmetric Stereo [96.03964515969652]
  テレワイドカメラシステムで取得した解像度の異なる2枚の画像からステレオマッチングの問題を考察する。 特徴量整合性という画像空間の代わりに特徴空間に2つのビュー間の整合性を課すことを提案する。 測光損失をトレーニングしたステレオマッチングネットワークは最適ではないが, 特徴抽出器は劣化に依存しない, マッチング特有の特徴を生成できる。
  論文  参考訳（メタデータ） (2022-04-04T12:24:34Z)
• Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning [96.72850130126294]
  高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。 IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。 IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
  論文  参考訳（メタデータ） (2021-10-20T01:37:19Z)
• Cross-Spectral Iris Matching Using Conditional Coupled GAN [22.615156512223766]
  クロススペクトル虹彩認識は、個人のアイデンティティを認証するための有望な生体計測手法として出現している。 異なるスペクトル帯域で取得したアイリス画像のマッチングは、単一帯域近赤外(NIR)マッチングと比較して顕著な性能低下を示した。 クロススペクトル虹彩認識のための条件結合生成対向ネットワーク(CpGAN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-10-09T19:13:24Z)
• An approach to human iris recognition using quantitative analysis of image features and machine learning [0.5243460995467893]
  本稿では,虹彩認識のための効率的なフレームワークを4段階に分けて提案する。 その結果、提案手法は99.64%の精度で信頼性の高い予測を行うことができることを確認した。
  論文  参考訳（メタデータ） (2020-09-12T23:23:33Z)
• Cross-Spectral Periocular Recognition with Conditional Adversarial Networks [59.17685450892182]
  本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。 EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
  論文  参考訳（メタデータ） (2020-08-26T15:02:04Z)
• Multi-Margin based Decorrelation Learning for Heterogeneous Face Recognition [90.26023388850771]
  本稿では,超球面空間におけるデコリレーション表現を抽出するディープニューラルネットワーク手法を提案する。 提案するフレームワークは,不均一表現ネットワークとデコリレーション表現学習の2つのコンポーネントに分けることができる。 2つの難解な異種顔データベースに対する実験結果から,本手法は検証タスクと認識タスクの両方において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-05-25T07:01:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。