使用 CNN 的虹膜超分辨率：照片真实感对虹膜识别重要吗？
计算机视觉与模式识别
2022-10-25 v1
摘要
如今，在虹膜识别中采用更宽松采集条件（如手机和监控视频）的低分辨率图像正变得日益普遍。同时，大量单图像超分辨率技术涌现，尤其是卷积神经网络（CNNs）的使用。这些方法的主要目标是通过基于基本取决于 CNN 架构和训练方法的客观函数优化，尝试恢复更精细的纹理细节以生成更具照片真实感的图像。在这项工作中，作者探索了使用 CNN 进行虹膜识别的单图像超分辨率。为此，他们测试了不同的 CNN 架构并使用了不同的训练数据库，在一个包含 1.872 张近红外虹膜图像的数据库和一个手机图像数据库上验证了他们的方法。他们还使用质量评估、视觉结果和识别实验来验证 CNN 所提供的照片真实感（已证明对自然图像有效）是否能转化为虹膜识别中更好的识别率。结果表明，使用在提供边缘保持与方法平滑之间平衡的纹理数据库上训练的深层次架构，可在虹膜识别过程中带来良好结果。
引用
@article{arxiv.2210.13125,
title = {Iris super-resolution using CNNs: is photo-realism important to iris recognition?},
author = {Eduardo Ribeiro and Andreas Uhl and Fernando Alonso-Fernandez},
journal= {arXiv preprint arXiv:2210.13125},
year = {2022}
}
备注
Published at IET Biometrics