論文の概要: Very Low-Resolution Iris Recognition Via Eigen-Patch Super-Resolution
and Matcher Fusion
- arxiv url: http://arxiv.org/abs/2210.09765v1
- Date: Tue, 18 Oct 2022 11:25:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 15:07:47.160931
- Title: Very Low-Resolution Iris Recognition Via Eigen-Patch Super-Resolution
and Matcher Fusion
- Title（参考訳）: Eigen-Patch Super-Resolution and Matcher Fusionによる極低解像度アイリス認識
- Authors: Fernando Alonso-Fernandez, Reuben A. Farrugia, Josef Bigun
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 69.53542497693086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current research in iris recognition is moving towards enabling more relaxed
acquisition conditions. This has effects on the quality of acquired images,
with low resolution being a predominant issue. Here, we evaluate a
super-resolution algorithm used to reconstruct iris images based on
Eigen-transformation of local image patches. Each patch is reconstructed
separately, allowing better quality of enhanced images by preserving local
information. Contrast enhancement is used to improve the reconstruction
quality, while matcher fusion has been adopted to improve iris recognition
performance. We validate the system using a database of 1,872 near-infrared
iris images. The presented approach is superior to bilinear or bicubic
interpolation, especially at lower resolutions, and the fusion of the two
systems pushes the EER to below 5% for down-sampling factors up to a image size
of only 13x13.
- Abstract（参考訳）: 虹彩認識の現在の研究は、よりリラックスした取得条件の実現に向けて進んでいる。
これは取得した画像の品質に影響を与え、低解像度が主な問題である。
本稿では,局所像パッチの固有変換に基づく虹彩画像再構成のための超解像アルゴリズムの評価を行う。
各パッチは別々に再構成され、ローカル情報を保存することにより、画像の質が向上する。
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。
1,872枚の近赤外虹彩画像のデータベースを用いてシステムを検証する。
提案手法は, バイリニア補間法やビキューブ補間法, 特に低分解能での補間法よりも優れており, 2つの系の融合により, 画像サイズが13x13までのダウンサンプリング係数に対して, eerを5%以下に押し上げている。
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) - 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) - A Survey of Super-Resolution in Iris Biometrics with Evaluation of
Dictionary-Learning [0.0]
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。
論文 参考訳（メタデータ） (2022-03-27T03:58:10Z) - Dual Perceptual Loss for Single Image Super-Resolution Using ESRGAN [13.335546116599494]
本稿では,従来の知覚損失を置き換えるためにDP損失(Dual Perceptual Loss)と呼ばれる手法を提案する。
VGG特徴とResNet特徴の相補的な性質のため、提案されたDPロスは2つの特徴を同時に学習する利点を考察する。
ベンチマークデータセットの定性的および定量的解析により,提案手法が最先端の超解像法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-01-17T12:42:56Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳（メタデータ） (2020-03-02T13:28:32Z)
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。