hh.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Learning-Based Local-Patch Resolution Reconstruction of Iris Smart-phone Images
Högskolan i Halmstad, Akademin för informationsteknologi, Halmstad Embedded and Intelligent Systems Research (EIS), CAISR Centrum för tillämpade intelligenta system (IS-lab).ORCID-id: 0000-0002-1400-346X
University of Malta, Msida, Malta.
Högskolan i Halmstad, Akademin för informationsteknologi, Halmstad Embedded and Intelligent Systems Research (EIS), CAISR Centrum för tillämpade intelligenta system (IS-lab).ORCID-id: 0000-0002-4929-1262
2017 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Application of ocular biometrics in mobile and at a distance environments still has several open challenges, with the lack quality and resolution being an evident issue that can severely affects performance. In this paper, we evaluate two trained image reconstruction algorithms in the context of smart-phone biometrics. They are based on the use of coupled dictionaries to learn the mapping relations between low and high resolution images. In addition, reconstruction is made in local overlapped image patches, where up-scaling functions are modelled separately for each patch, allowing to better preserve local details. The experimental setup is complemented with a database of 560 images captured with two different smart-phones, and two iris comparators employed for verification experiments. We show that the trained approaches are substantially superior to bilinear or bicubic interpolations at very low resolutions (images of 13×13 pixels). Under such challenging conditions, an EER of ∼7% can be achieved using individual comparators, which is further pushed down to 4-6% after the fusion of the two systems. © 2017 IEEE

Ort, förlag, år, upplaga, sidor
New York: IEEE, 2017. s. 787-793
Nationell ämneskategori
Signalbehandling
Identifikatorer
URN: urn:nbn:se:hh:diva-34687DOI: 10.1109/BTAS.2017.8272771ISI: 000426973200097Scopus ID: 2-s2.0-85046260527ISBN: 978-1-5386-1124-1 (digital)ISBN: 978-1-5386-1125-8 (tryckt)OAI: oai:DiVA.org:hh-34687DiVA, id: diva2:1129962
Konferens
IEEE/IAPR International Joint Conference on Biometrics, IJCB, Denver, Colorado, USA, October 1-4, 2017
Projekt
SIDUS-AIR
Forskningsfinansiär
Vetenskapsrådet, 2012-4313KK-stiftelsen, SIDUS-AIRKK-stiftelsen, CAISRTillgänglig från: 2017-08-08 Skapad: 2017-08-08 Senast uppdaterad: 2018-06-04Bibliografiskt granskad

Open Access i DiVA

fulltext(1175 kB)66 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1175 kBChecksumma SHA-512
9ace4c07d54d99513095497c9c35f9862cbb23f2971fe871fb04765d9386c7aef661b79feec095676f9d40c0ddda04ffa015ff534d176cd3ef87470642ea3f2a
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Alonso-Fernandez, FernandoBigun, Josef

Sök vidare i DiVA

Av författaren/redaktören
Alonso-Fernandez, FernandoBigun, Josef
Av organisationen
CAISR Centrum för tillämpade intelligenta system (IS-lab)
Signalbehandling

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 66 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 358 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf