《Biomedical Signal Processing and Control》：A prior embedding-driven architecture for long distance blind iris recognition
編輯推薦：
在長距離虹膜識別中，盲虹膜圖像會降低識別率，現有研究對此關注不足。研究人員提出先驗嵌入驅動架構，包含 Iris - PPRGAN 和 Insight - Iris。實驗顯示該方法將識別率從 80.77% 提升到 90.38%，有效解決了長距離盲虹膜識別難題。
在科技飛速發展的當下，生物識別技術成為保障安全、便捷生活的重要手段。其中，虹膜識別憑借其獨特的紋理特征和高防偽性，備受關注。想象一下，在機場、重要場所，人們只需眼睛一掃，就能快速完成身份驗證，既高效又安全。但現實并非如此完美，當進行長距離虹膜識別時，各種問題接踵而至。由于采集環境不受控制，比如距離遠、光線復雜、設備限制等，獲取的虹膜圖像往往是低分辨率、模糊且帶有噪聲的 “盲虹膜圖像”。這些圖像質量差，使得虹膜紋理難以辨認，嚴重影響了識別的準確性，就像原本清晰的密碼鎖變得模糊不清，難以解鎖一樣。目前，硬件解決方法受成本和技術限制，效果不佳，而現有提升算法也難以應對真實場景中未知原因導致的圖像退化。為了突破這些困境，湖南文理學院的研究人員展開了深入研究。
研究人員提出了一種先驗嵌入驅動架構用于長距離盲虹膜識別。他們的研究成果顯著，在公共 CASIA - Iris - Distance 數據集上的實驗表明，該方法將長距離盲虹膜圖像的識別率從 80.77% 大幅提升至 90.38%，整整提高了約 10 個百分點，這一成果為虹膜識別技術的發展帶來了新的曙光，極大地提高了長距離盲虹膜識別的準確性和可靠性，對推動生物識別技術在更多領域的廣泛應用具有重要意義。該研究成果發表在《Biomedical Signal Processing and Control》上。
在研究方法上，研究人員主要運用了以下關鍵技術：一是開發了名為 Iris - PPRGAN 的盲虹膜圖像恢復網絡，它結合了生成對抗網絡（GAN）作為先驗解碼器和深度神經網絡（DNN）作為編碼器；二是通過修改 InsightFace 的瓶頸模塊，構建了名為 Insight - Iris 的魯棒虹膜分類器；三是使用中國科學院提供的 CASIA - Iris - Distance 數據集進行實驗驗證。
下面來詳細看看研究結果：
- Iris - PPRGAN 網絡的設計與功能：Iris - PPRGAN 網絡創新性地將 GAN 作為先驗解碼器，DNN 作為編碼器。GAN 在圖像生成領域表現出色，能利用其生成高質量圖像的能力來恢復盲虹膜圖像的紋理。而 DNN 強大的特征提取能力，可在編碼過程中更好地處理圖像信息。二者結合，有效恢復了盲虹膜圖像的紋理，為后續識別奠定基礎。
- Insight - Iris 分類器的優勢：Insight - Iris 分類器通過對 InsightFace 瓶頸模塊的修改，增強了對虹膜特征的提取能力。它不僅用于最終的虹膜識別任務，還在 Iris - PPRGAN 中發揮作用，確保生成的虹膜在身份特征上與原始虹膜一致，進一步提升了識別的準確性和系統的魯棒性。
- 實驗驗證與性能提升：研究人員使用 CASIA - Iris - Distance 數據集進行實驗。該數據集包含 142 名受試者的 2567 張高分辨率圖像，圖像分辨率為 2352×1728 像素。實驗結果表明，使用該研究提出的方法后，長距離盲虹膜圖像的識別率顯著提高，從 80.77% 提升到 90.38%，在定量和定性方面都驗證了該方法的有效性，超越了當前最先進的盲虹膜恢復技術。
研究結論和討論部分再次強調了該研究的重要意義。這項研究成功提出了先驗嵌入驅動架構，有效解決了長距離盲虹膜識別難題。Iris - PPRGAN 網絡和 Insight - Iris 分類器的結合，為盲虹膜圖像的處理和識別提供了新的思路和方法。其高識別率的實驗結果，表明該方法具有很強的實用性和應用潛力，有望推動虹膜識別技術在安防、金融、醫療等眾多領域的進一步發展，讓生物識別技術更加安全、可靠、便捷地服務于人們的生活。
