DeformIrisNet：一种保持身份的虹膜纹理形变模型
计算机视觉与模式识别
2022-10-19 v2
摘要
由瞳孔尺寸变化引起的非线性虹膜纹理形变是虹膜识别中同类样本比对分数类内差异的主要成因之一。在主流虹膜识别方法中，将环形的虹膜区域尺寸线性缩放至规范矩形，进而用于编码与匹配。然而，虹膜括约肌与开大肌的生物复杂性导致虹膜特征的运动随瞳孔尺寸呈非线性，且并非仅沿径向路径组织。作为基于虹膜肌肉生物力学的现有理论模型的替代，本文提出一种新颖的基于深度自编码器的模型，可直接从数据中有效学习虹膜纹理特征的复杂运动。该模型接受两个输入：(a) 一幅具有初始瞳孔尺寸的 ISO 兼容近红外虹膜图像，以及 (b) 定义虹膜目标形状的二值掩码。模型对虹膜纹理施加所有必要的非线性形变，使图像(a)中虹膜形状与目标掩码(b)提供的形状相匹配。损失函数的身份保持分量帮助模型寻找保持身份而非仅生成样本视觉真实性的形变。我们还展示了该模型的两个直接应用：相比线性模型，更好地补偿虹膜识别算法中的虹膜纹理形变；以及创建可辅助人类法医检验员的生成算法，后者可能需要比对瞳孔扩张差异较大的虹膜图像。我们随本文提供源代码与模型权重。
引用
@article{arxiv.2207.08980,
title = {DeformIrisNet: An Identity-Preserving Model of Iris Texture Deformation},
author = {Siamul Karim Khan and Patrick Tinsley and Adam Czajka},
journal= {arXiv preprint arXiv:2207.08980},
year = {2022}
}
备注
Accepted to the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2023