論文の概要: Topological Invariant-Based Iris Identification via Digital Homology and Machine Learning

• arxiv url: http://arxiv.org/abs/2508.09555v1
• Date: Wed, 13 Aug 2025 07:21:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.794564
• Title: Topological Invariant-Based Iris Identification via Digital Homology and Machine Learning
• Title（参考訳）: ディジタルホモロジーと機械学習による位相不変アイリス同定
• Authors: Ahmet Öztel, İsmet Karaca,
• Abstract要約: 本研究では,2次元虹彩画像からのトポロジカル不変量に基づく生体認証手法を提案する。 虹彩テクスチャを、正式に定義されたデジタルホモロジーを通して表現し、分類性能を評価する。 この方法は、説明可能性や限られたデータが重要である場合に有用な、よりコンパクトで解釈可能な、ディープラーニングの代替手段を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Objective - This study presents a biometric identification method based on topological invariants from 2D iris images, representing iris texture via formally defined digital homology and evaluating classification performance. Methods - Each normalized iris image (48x482 pixels) is divided into grids (e.g., 6x54 or 3x27). For each subregion, we compute Betti0, Betti1, and their ratio using a recent algorithm for homology groups in 2D digital images. The resulting invariants form a feature matrix used with logistic regression, KNN, and SVM (with PCA and 100 randomized repetitions). A convolutional neural network (CNN) is trained on raw images for comparison. Results - Logistic regression achieved 97.78 +/- 0.82% accuracy, outperforming CNN (96.44 +/- 1.32%) and other feature-based models. The topological features showed high accuracy with low variance. Conclusion - This is the first use of topological invariants from formal digital homology for iris recognition. The method offers a compact, interpretable, and accurate alternative to deep learning, useful when explainability or limited data is important. Beyond iris recognition, it can apply to other biometrics, medical imaging, materials science, remote sensing, and interpretable AI. It runs efficiently on CPU-only systems and produces robust, explainable features valuable for security-critical domains.
• Abstract（参考訳）: 目的 - 本研究は2次元虹彩画像からのトポロジ的不変量に基づく生体識別手法を提案し, 正式に定義されたデジタルホモロジーを用いて虹彩テクスチャを表現し, 分類性能を評価する。 方法 - 各正規化アイリス画像(48x482ピクセル)はグリッド(eg, 6x54, 3x27)に分割される。 各サブリージョンに対して,2次元ディジタル画像におけるホモロジー群に対する最近のアルゴリズムを用いて,Betti0,Betti1,およびそれらの比率を計算する。 結果として得られる不変量は、ロジスティック回帰、KNN、SVM(PCAと100のランダム化繰り返し)で使われる特徴行列を形成する。 比較のために、生画像に基づいて畳み込みニューラルネットワーク(CNN)を訓練する。 結果として、ロジスティック回帰は97.78 +/- 0.82%の精度を達成し、CNN(96.44 +/- 1.32%)や他の機能ベースのモデルを上回った。 トポロジカルな特徴は,低ばらつきで高い精度を示した。 結論 - これは、虹彩認識のための形式的デジタルホモロジーから位相不変量の最初の使用である。 この方法は、説明可能性や限られたデータが重要である場合に有用な、よりコンパクトで解釈可能な、ディープラーニングの代替手段を提供する。 虹彩認識以外にも、他の生体計測、医用画像、材料科学、リモートセンシング、解釈可能なAIにも応用できる。 CPUのみのシステムで効率的に動作し、セキュリティクリティカルなドメインに有用な堅牢で説明可能な機能を提供します。

関連論文リスト

• Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
  本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。 また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
  論文  参考訳（メタデータ） (2023-08-28T12:55:13Z)
• Machine learning based biomedical image processing for echocardiographic images [0.0]
  提案手法では,K-Nearest Neighbor (KNN) アルゴリズムを用いて医用画像のセグメンテーションを行う。 トレーニングされたニューラルネットワークは、エコー画像のグループで正常にテストされている。
  論文  参考訳（メタデータ） (2023-03-16T06:23:43Z)
• Anatomy-aware and acquisition-agnostic joint registration with SynthMorph [6.017634371712142]
  アフィン画像登録は、医用画像解析の基盤となっている。 ディープラーニング(DL)メソッドは、画像対を出力変換にマッピングする関数を学ぶ。 ほとんどのアフィン法は、ユーザが調整したい解剖学に依存しない。つまり、アルゴリズムが画像のすべての構造を考慮すれば、登録は不正確なものになる。 われわれはこれらの欠点をSynthMorphで解決する。これは高速で対称で、微分型で使い易いDLツールで、任意の脳画像の関節アフィン変形性登録を行う。
  論文  参考訳（メタデータ） (2023-01-26T18:59:33Z)
• A Segmentation Method for fluorescence images without a machine learning approach [0.0]
  本研究では,細胞と核を同定するための決定論的計算神経科学アプローチについて述べる。 この方法は、正式に正しい関数に基づいて堅牢であり、特定のデータセットのチューニングに支障を来さない。
  論文  参考訳（メタデータ） (2022-12-28T16:47:05Z)
• Iris super-resolution using CNNs: is photo-realism important to iris recognition? [67.42500312968455]
  特に畳み込みニューラルネットワーク(CNN)を用いた単一画像超解像技術が出現している 本研究では, 虹彩認識のためのCNNを用いて, 単一画像の超解像を探索する。 彼らは、近赤外線虹彩画像の1.872のデータベースと携帯電話画像データベースのアプローチを検証する。
  論文  参考訳（メタデータ） (2022-10-24T11:19:18Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• 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)
• Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
  この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。 対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
  論文  参考訳（メタデータ） (2020-05-08T02:16:17Z)

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。