Fast Computation and Analysis for Iris Normalization

[[abstract]]在生物辨識的領域中，虹膜辨識系統是極具高安全性的一種可行方法，但是瞳孔會受到不同程度光源的影響而縮放， 造成虹膜結構產生變形，使得系統的辨識效能降低，因此如何正確的預測或補償虹膜變形在虹膜辨識的領域中是一個重要的問題。 2005年學者袁曉燕(Xiao-yan Yuan)與施鵬飛(Peng-fei Shi)提出了一個以生物結構為基礎的一個非線性正規化模型， 配合一事先定義的縮放參數$lambda_{ref}$ ，透過求解兩組方程式，得到虹膜徑向的非線性取樣點，用來解決瞳孔縮放造成虹膜變形的問題， 在對辨識效能的改善上，初步證明比傳統線性正規化模型較好。但是這個模型， 必須要求解兩組非線性聯立方程式來決定虹膜徑向的非線性取樣點，實作上計算複雜度高。 而一般進行虹膜辨識所需要的正規化虹膜影像，約會在虹膜的徑向擷取60至100個像素的大小，在這樣的條件下， 如何達到即時(Real Time)是一個問題。為了使系統能夠更靈活，發展出快速計算的方法是必要的，本論文提出一個快速的且簡單的計算方法， 利用餘弦定理(Law of cosine)能夠簡單且快速的建構出該非線性正規化模型的非線性取樣點。 在假定瞳孔半徑大小為40 像素，虹膜外徑大小為200 像素，縮放參數 $lambda_{ref}=0.5$ 的情況下， 經過實驗模擬，在虹膜徑向方向固定32個取樣點的情況下，透過求解兩組非線性聯立方程式的執行時間需要約100毫秒， 而使用本論文所提出之快速演算法的執行時間只需要0.1毫秒。[[abstract]]In biometrics, iris recognition system has a high-level security. However, the pupil size will change with different illumination and the iris texture deformation caused by pupillary variations. So how to predict the deformation degree of the iris correctly is an important issue. Yuan and Shi proposed a non-linear normalization model, with the prior definition parameter $lambda_{ref}$ through the solution of two simultaneous equations to solve the iris deformation caused by pupillary variations problem. And it shows that their approach perfoms better than linear normalization method. But this non-linear normalization model has a high computational complexity. When the normalization of image size increases, the computing time will increase rapidly. In iris recognition applications, how to achieve real-time conditions is a problem, so it is must need fast calculation. This paper proposes a fast algorithm using the law of cosines which can solve the non-linear normalization model simply and fast.[[note]]碩