論文の概要: A Survey of Super-Resolution in Iris Biometrics with Evaluation of Dictionary-Learning

• arxiv url: http://arxiv.org/abs/2203.14203v1
• Date: Sun, 27 Mar 2022 03:58:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-29 16:33:56.915529
• Title: A Survey of Super-Resolution in Iris Biometrics with Evaluation of Dictionary-Learning
• Title（参考訳）: 辞書学習の評価による虹彩バイオメトリックスの超解像調査
• Authors: F. Alonso-Fernandez, R. A. Farrugia, J. Bigun, J. Fierrez, E. Gonzalez-Sosa
• Abstract要約: 解像度の欠如は、画像ベースのバイオメトリックスの性能に悪影響を及ぼす。 本稿では,本論文で提案するアイリス超解像法について述べる。 また,局所像パッチのPCA固有変換に基づく固有パッチ再構成手法を適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The lack of resolution has a negative impact on the performance of image-based biometrics. While many generic super-resolution methods have been proposed to restore low-resolution images, they usually aim to enhance their visual appearance. However, a visual enhancement of biometric images does not necessarily correlate with a better recognition performance. Reconstruction approaches need thus to incorporate specific information from the target biometric modality to effectively improve recognition. This paper presents a comprehensive survey of iris super-resolution approaches proposed in the literature. We have also adapted an Eigen-patches reconstruction method based on PCA Eigen-transformation of local image patches. The structure of the iris is exploited by building a patch-position dependent dictionary. In addition, image patches are restored separately, having their own reconstruction weights. This allows the solution to be locally optimized, helping to preserve local information. To evaluate the algorithm, we degraded high-resolution images from the CASIA Interval V3 database. Different restorations were considered, with 15x15 pixels being the smallest resolution. To the best of our knowledge, this is among the smallest resolutions employed in the literature. The framework is complemented with six public iris comparators, which were used to carry out biometric verification and identification experiments. Experimental results show that the proposed method significantly outperforms both bilinear and bicubic interpolation at very low-resolution. The performance of a number of comparators attains an impressive Equal Error Rate as low as 5%, and a Top-1 accuracy of 77-84% when considering iris images of only 15x15 pixels. These results clearly demonstrate the benefit of using trained super-resolution techniques to improve the quality of iris images prior to matching.
• Abstract（参考訳）: 解像度の欠如は、画像ベースのバイオメトリックスの性能に悪影響を及ぼす。 低解像度画像を復元するために多くの一般的な超解像法が提案されているが、通常は視覚的外観を高めることを目的としている。 しかし、生体画像の視覚的強調は、必ずしもより良い認識性能と相関しない。 レコンストラクションアプローチは、効果的に認識を改善するために、ターゲットのバイオメトリックモダリティから特定の情報を取り込む必要がある。 本稿では,本論文で提案されているiris超解像手法の包括的調査を行う。 また,局所像パッチのPCA固有変換に基づく固有パッチ再構成手法を適用した。 irisの構造はパッチ位置依存辞書を構築することで活用される。 また、画像パッチは別々に復元され、独自の復元重みを有する。 これにより、ソリューションをローカルに最適化し、ローカル情報を保存できる。 このアルゴリズムを評価するため,CASIA Interval V3データベースから高分解能画像を分解した。 15×15ピクセルは最小の解像度である。 私たちの知る限りでは、これは文学で使用される最小の解決法の一つである。 このフレームワークは6つの公共アイリスコンパレータで補完され、生体認証と識別実験に使用された。 実験結果から,提案手法は双線形補間とバイコビック補間の両方を極めて低分解能で有意に優れていた。 多数のコンパレータの性能は、わずか15×15ピクセルの虹彩画像を考えると、印象的な等値誤差率を5%、トップ1の精度を77～84%に達する。 これらの結果は,一致前の虹彩画像の品質向上のために,訓練された超解像技術を用いることの利点を明らかに示している。

関連論文リスト

• Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
  重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。 精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-02T13:57:48Z)
• Super-Resolution and Image Re-projection for Iris Recognition [67.42500312968455]
  異なるディープラーニングアプローチを用いた畳み込みニューラルネットワーク(CNN)は、解像度の低い画像から現実的なテクスチャときめ細かい詳細を復元しようとする。 本研究は、虹彩認識環境における虹彩超解法(SR)に対するこれらのアプローチの実現可能性について検討する。 その結果,CNNと画像再投影は,認識システムの精度向上に有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-10-20T09:46:23Z)
• Very Low-Resolution Iris Recognition Via Eigen-Patch Super-Resolution and Matcher Fusion [69.53542497693086]
  局所像パッチの固有変換に基づいて虹彩画像の再構成に用いる超解像アルゴリズムの評価を行った。 コントラストの強化は再現性を向上させるのに用いられ、マーカ融合は虹彩認識性能を改善するために採用されている。
  論文  参考訳（メタデータ） (2022-10-18T11:25:19Z)
• Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
  劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。 本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
  論文  参考訳（メタデータ） (2022-08-05T09:36:13Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Super-Resolution for Selfie Biometrics: Introduction and Application to Face and Iris [67.74999528342273]
  解像度の欠如は、画像ベースのバイオメトリックスの性能に悪影響を及ぼす。 超分解能技術は、特定のバイオメトリック・モダリティの画像の特異性に適応する必要がある。 本章では,顔画像と虹彩画像の超解像化における最近の進歩について概説する。
  論文  参考訳（メタデータ） (2022-04-12T10:28:31Z)
• Discriminative Residual Analysis for Image Set Classification with Posture and Age Variations [27.751472312581228]
  識別残差分析(DRA)は分類性能を向上させるために提案される。 DRAは、残差表現を識別部分空間にキャストする強力な射影を得ようとする。 2つの正則化アプローチは、可能な小さなサンプルサイズ問題に対処するために使用される。
  論文  参考訳（メタデータ） (2020-08-23T08:53:06Z)

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。