초록 close

기존에 홍채 특징 추출을 위해 가장 많이 사용하는 방법인 직교 이차원 Gabor 웨이블릿의 경우, 2개 이상의 기저 함수들을 다양한 홍채 위치에 적용시켜서 얻어진 256바이트의 홍채 코드를 이용하여 홍채 인식을 수행한다. Gabor 웨이블릿은 홍채 패턴 특성이 반영되지 않은 기저 함수들을 많은 홍채 텍스쳐 위치에 적용함으로써, 생성된 홍채 코드들 사이에 상호 의존성이 높은 불필요한 코드들이 존재하게 되며, 결과적으로 전체 홍채 코드의 크기가 너무 커진다는 문제점이 있다. 이러한 문제점을 해결하기 위해 본 논문에서는 독립 성분 분석에 의한 새로운 홍채 특징 추출 및 홍채 인식 방법을 제안한다. 제안된 독립 성분 분석 방법은 홍채 텍스쳐 자체로부터의 학습을 통하여 최적의 기저 벡터들을 얻을 수 있기 때문에, 홍채 코드의 크기가 작으면서도 홍채 패턴의 특성을 가장 잘 반영하는 홍채 특징들을 추출할 수 있다. 또한 본 논문에서는 독립 성분 분석에 의한 홍채 특징 추출 및 홍채 인식 성능을 보다 개선하기 위하여, 독립 성분 기저 벡터를 재구성하는 방법과 기저 벡터의 집합을 두 가지 이상으로 적용하는 방법을 제안한다. 개선된 독립 성분 분석은 Gabor 웨이블릿 방법과 성능을 비교하였으며, 인식 오류율은 유사한 결과를 나타내면서도 홍채 코드 크기는 4배 이상 감소되는 뛰어난 성능을 나타냈다.


In a conventional method based on quadrature 2D Gabor wavelets to extract iris features, the iris recognition is performed by a 256-byte iris code, which is computed by applying the Gabor wavelets to a given area of the iris. However, there is a code redundancy because the iris code is generated by basis functions without considering the characteristics of the iris texture. Therefore, the size of the iris code is increased unnecessarily. In this paper, we propose a new feature extraction algorithm based on the ICA (Independent Component Analysis) for a compact iris code. We implemented the ICA to generate optimal basis functions which could represent iris signals efficiently. In practice the coefficients of the ICA expansions are used as feature vectors. Then iris feature vectors are encoded into the iris code for storing and comparing an individual's iris patterns. Additionally, we introduce two methods to enhance the recognition performance of the ICA. The first is to reorganize the ICA bases and the second is to use a different ICA bases set. Experimental results show that our proposed method has a similar EER (Equal Error Rate) as a conventional method based on the Gabor wavelets, and the iris code size of our proposed methods is four times smaller than that of the Gabor wavelets.