虹膜图案的独特性基于自动回归模型
Natalia A Schmid1, Matthew C Valenti1, Katelyn M Hampel1
1Lane Department of Computer Science and Electrical Engineering, West Virginia University, Morgantown, WV 26506, USA.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
这项研究引入了一种新的虹膜识别方法,使用高斯代码词来评估独特性. 它建立了基于图像质量和相对的虹膜群体大小的理论界限.
科学领域:
- 生物识别信息 生物识别信息
- 计算机科学 计算机科学
- 信息理论 信息理论
背景情况:
- 虹膜识别系统依赖于独特的虹膜图案进行识别.
- 目前的系统面临着可扩展性和稳健性的挑战.
- 对于虹膜的独特性,需要一个理论框架来提高系统性能.
研究的目的:
- 通过非线性映射到高斯代码词来评估假设虹膜识别系统的独特性.
- 根据虹膜数据表示,开发虹膜群体大小的理论边界.
- 建立一个高性能虹膜识别的框架.
主要方法:
- 虹膜数据的非线性映射到具有独立组件的高斯代码单词空间.
- 对高斯密码词的球体包装和多格曼式边界的应用.
- 使用自动回归模型进行虹膜数据预处理和分析.
- 通过相对来测量代码词距离,作为虹膜质量的度量.
主要成果:
- 描述最大的虹膜群作为不同虹膜类别之间的相对的函数.
- 使用两个小虹膜图像数据集来展示该方法.
- 呈现与图像质量相关的最大可持续人口 (相对).
结论:
- 拟议的非线性映射和高斯代码词表示为虹膜独特性评估提供了一个理论框架.
- 相对作为虹膜质量的可行的衡量标准,也是系统可扩展性的决定因素.
- 自动回归模型为开发先进的虹膜识别系统提供了一个基本方法.
