Art

J-GLOBAL ID：201902211819506059   Reference number：19A2811503

Recognition feature prediction from low-resolution iris images using CNN

CNNを用いた低解像度虹彩画像からの認証特徴量予測

Author (2)： WATANABE RYO (筑波大 大学院システム情報工学研究科) ,  KAMEYAMA KEISUKE (筑波大 システム情報系)
Material： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
Volume： 119  Issue： 214(BioX2019 54-61)  Page： 5-10  Publication year： Sep. 26, 2019 
JST Material Number： S0532B  ISSN： 0913-5685  Document type： Proceedings
Article type： 原著論文  Country of issue： Japan (JPN)  Language： JAPANESE (JA)

Thesaurus term： medical image ,  authentication ,  information ,  prediction technique ,  neural network(biomodel) ,  machine learning ,  image ,  characteristic curve ,  image processing ,  *pattern recognition ,  performance evaluation ,  *feature extraction ,  *biometrics
Semi thesaurus term： ROC curve ,  high resolution image ,  convolutional neuralnetwork ,  low resolution image ,  feature quantity ,  iris image ,  *iris recognition

JST classification (1)： Pattern recognition  (JE07000S)

Reference (11)：

• J. Matey, L. Kennell,′′Iris Recognition Beyond One Meter′′, 2009, pp. 23 - 59.
• E. Ribeiro, A. Uhl, F. Alonso-Fernandez,′′Iris super-resolution using CNNs: Is photo-realism important to iris recognition?′′, IET Biometrics, vol. 8, no. 1, pp. 69-78, 2019.
• K. Nguyen, C. Fookes, S. Sridharan, and S. Denman. ′′Feature-domain super-resolution for iris recognition,′′ 18th IEEE International Conference on Image Processing, pp. 3258 - 3261, 2011.
• J.Daugman, ′′High confidence visual recognition of persons by a test of statistical independence,′′ IEEE Trans. Pattern Anal. Machine Intell, vol. 15, pp. 1148 - 1161, 1993.
• J. Daugman, ′′How iris recognition works,′′ IEEE Trans. Circuits and Systems for Video Technology, vol. 14, pp. 21-30, 2004.

Terms in the title (6)： CNN ,  低解像度 ,  虹彩画像 ,  認証 ,  特徴量 ,  予測