基于条件耦合GAN的跨光谱虹膜匹配

跨光谱虹膜识别正成为一种极具前景的用于个人身份认证的生物学特征方法。然而，由于近红外（NIR）与可见光（VIS）光谱下获取的虹膜图像之间存在光谱差异，与单一波段近红外匹配相比，匹配不同光谱波段获取的虹膜图像时性能显著下降。尽管研究人员近期聚焦于基于深度学习的方法来提取不变的代表性特征以提升识别精度，现有方法仍无法达到商业应用所需的预期准确率。因此，本文提出一种条件耦合生成对抗网络（conditional coupled generative adversarial network, CpGAN）架构用于跨光谱虹膜识别，通过将VIS与NIR虹膜图像投影至低维嵌入域来探索二者间的隐藏关系。该条件CpGAN框架由一对基于GAN的网络组成，一个负责在可见光域中重建图像，另一个负责在NIR域中重建图像。两个网络均试图将数据映射至公共嵌入子空间，以确保同一对象两种虹膜模态的特征向量间具有最大的成对相似性。为证明所提方法的有效性，我们在PolyU数据集上进行了充分的实验，并将结果与现有最先进的跨光谱识别方法进行比较。