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
Improving Very Low-Resolution Iris Identification Via Super-Resolution Reconstruction of Local Patches
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)Ingår i: 2017 International Conference of the Biometrics Special Interest Group (BIOSIG) / [ed] Arslan Brömme, Christoph Busch, Antitza Dantcheva, Christian Rathgeb & Andreas Uhl, Bonn: Gesellschaft für Informatik, 2017, Vol. P-270, artikel-id 8053512Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Relaxed acquisition conditions in iris recognition systems have significant effects on the quality and resolution of acquired images, which can severely affect performance if not addressed properly. Here, we evaluate two trained super-resolution algorithms in the context of iris identification. They are based on reconstruction of local image patches, where each patch is reconstructed separately using its own optimal reconstruction function. We employ a database of 1,872 near-infrared iris images (with 163 different identities for identification experiments) and three iris comparators. The trained approaches are substantially superior to bilinear or bicubic interpolations, with one of the comparators providing a Rank-1 performance of ∼88% with images of only 15×15 pixels, and an identification rate of 95% with a hit list size of only 8 identities. © 2017 Gesellschaft fuer Informatik.

Ort, förlag, år, upplaga, sidor
Bonn: Gesellschaft für Informatik, 2017. Vol. P-270, artikel-id 8053512
Serie
Lecture Notes in Informatics (LNI) - Proceedings, ISSN 1617-5468 ; P-270
Nyckelord [en]
Iris, biometrics, super-resolution, low resolution
Nationell ämneskategori
Signalbehandling
Identifikatorer
URN: urn:nbn:se:hh:diva-34738DOI: 10.23919/BIOSIG.2017.8053512Scopus ID: 2-s2.0-85034572701ISBN: 978-3-88579-664-0 (digital)ISBN: 978-1-5386-0396-3 (tryckt)OAI: oai:DiVA.org:hh-34738DiVA, id: diva2:1133802
Konferens
16th International Conference of the Biometrics Special Interest Group (BIOSIG), Darmstadt, Germany, September 20-22, 2017
Projekt
SIDUS-AIR
Forskningsfinansiär
Vetenskapsrådet, 2012-4313KK-stiftelsen, SIDUS-AIRKK-stiftelsen, CAISRTillgänglig från: 2017-08-16 Skapad: 2017-08-16 Senast uppdaterad: 2017-12-11Bibliografiskt granskad

Open Access i DiVA

fulltext(648 kB)92 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 648 kBChecksumma SHA-512
25a7d887080d9967ef089773f6bbf3629ed5319d06317b6b38f403db78bdd858cbae627afc9f9846b14c6cf2b4cd2e142eddccd8dedde740f1da15afb8685013
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: 92 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: 450 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