用于虹膜识别的超分辨率与图像重投影
计算机视觉与模式识别
2022-10-21 v1
摘要
近年的若干工作探讨了深度学习揭示丰富、层次化且具判别性的模型以服务于极广泛目的的能力。尤其在超分辨率领域，采用不同深度学习方法的卷积神经网络（CNNs）试图从低分辨率图像中恢复真实纹理与精细细节。本文探讨这些方法在虹膜识别环境下的虹膜超分辨率（SR）中的可行性。为此，我们测试了不同的架构（含与不含所谓图像重投影以减轻伪影），并将其应用于不同虹膜数据库，以验证不同 CNNs 用于虹膜超分辨率的可行性。结果表明，CNNs 与图像重投影可改善结果，尤其在使用完全不同的训练数据库并成功进行迁移学习时，对识别系统的准确率提升明显。
引用
@article{arxiv.2210.11129,
title = {Super-Resolution and Image Re-projection for Iris Recognition},
author = {Eduardo Ribeiro and Andreas Uhl and Fernando Alonso-Fernandez},
journal= {arXiv preprint arXiv:2210.11129},
year = {2022}
}
备注
Published at IEEE International Conference on Identity, Security and Behavior Analysis, ISBA 2019