虹膜生物特征识别中超分辨率综述及字典学习方法评估

分辨率不足对基于图像的生物特征识别性能有负面影响。尽管已提出许多通用超分辨率方法来恢复低分辨率图像，它们通常旨在增强视觉外观。然而，生物特征图像的视觉增强未必与更好的识别性能相关。因此，重建方法需融入目标生物模态的特定信息以有效提升识别。本文对文献中提出的虹膜超分辨率方法进行了全面综述。我们还改进了一种基于局部图像块PCA特征变换的Eigen-patches重建方法。通过构建依赖于块位置的字典来利用虹膜结构。此外，图像块被分别恢复，各有其重建权重。这使得解可局部优化，有助于保留局部信息。为评估算法，我们退化了来自CASIA Interval V3数据库的高分辨率图像。考虑了不同恢复情形，最小分辨率为15x15像素。据我们所知，这是文献中使用的最小分辨率之一。该框架辅以六个公开虹膜比对器，用于进行生物特征验证与识别实验。实验结果表明，所提方法在极低分辨率下显著优于双线性插值与双三次插值。若干比对器在仅15x15像素虹膜图像下取得了低至5%的等错误率（Equal Error Rate），以及77-84%的Top-1准确率。这些结果清晰展示了在匹配前使用训练所得超分辨率技术提升虹膜图像质量的益处。