[논문]홍채 인식을 위한 고속 홍채 영역 추출 방법

송선아; 김백섭; 송성호

[국내논문] 홍채 인식을 위한 고속 홍채 영역 추출 방법
A Fast Iris Region Finding Algorithm for Iris Recognition 원문보기

정보과학회논문지. Journal of KIISE. 소프트웨어 및 응용, v.30 no.9, 2003년, pp.876 - 884

송선아 , 김백섭 (한림대학교 정보통신공학부) , 송성호 (한림대학교 정보통신공학부)

초록
AI-Helper

홍채 인식을 위해서는 먼저 홍채 영역을 추출해야 하는데 이를 위해서는 홍채의 안쪽 경계인 동공 경계와 바깥쪽 경계인 홍채 경계를 검출해야 한다. 경계를 검출하는데는 Daugman이 제안한 원형경계 검출기가 가장 일반적이고 효과적인 방법으로 알려져 있다. 이 방법은 전역적인 탐색에 의존하기 때문에 정확하지만 계산 시간이 많이 걸리는 단점이 있다. 계산 시간을 줄이기 위해 경험적 방법들이 사용되기도 하지만 정확성이 떨어지는 문제점이 있었다. 본 논문에서는 정확성을 떨어뜨리지 않으면서 계산 속도를 줄이는 홍채 영역 추출 알고리즘을 제안한다. 제안된 방법은 동공 경계와 홍채 경계가 가지는 문제에 대한 지식(problem knowledge)을 사용하여 제한조건을 부가하여 탐색한다. 경계 검출을 위한 탐색 영역은 동공을 포함하는 최대 원과 최소 원을 이용하여 제한하여 탐색 시간을 줄인다 동공 경계의 경우 이진화된 동공 영상에서 최대 원과 최소 원을 구하고, 홍채 경계의 경우 영상의 분산을 이용하여 얻은 경계점으로부터 최대 원과 최소 원을 구한다. 제안된 방법을 Daugman방법, 히스토그램 분석법, 가중치를 이용한 허프변환 방법 둥과 실험을 통해 비교하였다. 그 결과 제안된 방법은 Daugman방법과 동일한 정확도를 보이며, Daugman방법이나 가중치를 이용한 허프변환 방법보다 빠르다는 것을 알 수 있었다.

Abstract ▼ AI-Helper

It is essential to identify both the pupil and iris boundaries for iris recognition. The circular edge detector proposed by Daugman is the most common and powerful method for the iris region extraction. The method is accurate but requires lots of computational time since it is based on the exhaustive search. Some heuristic methods have been proposed to reduce the computational time, but they are not as accurate as that of Daugman. In this paper, we propose a pupil and iris boundary finding algorithm which is faster than and as accurate as that of Daugman. The proposed algorithm searches the boundaries using the Daugman's circular edge detector, but reduces the search region using the problem domain knowledge. In order to find the pupil boundary, the search region is restricted in the maximum and minimum bounding circles in which the pupil resides. The bounding circles are obtained from the binarized pupil image. Two iris boundary points are obtained from the horizontal line passing through the center of the pupil region obtained above. These initial boundary points, together with the pupil point comprise two bounding circles. The iris boundary is searched in this bounding circles. Experiments show that the proposed algorithm is faster than that of Daugman and more accurate than the conventional heuristic methods.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그러나 이 방법은 동공 및 홍채 경계 탐색 시간이 많이 걸리기 때문에 실시간 처리가 필요한 상황에서는 높은 하드웨어 성능을 요구하게 된다. 따라서 본 논문은 이러한 경계 탐색 시간을 단축할 수 있는 방법을 제안하였다.
제안된 방법은 홍채 영역 추출 문제가 가지는 다양한 제한조건을 부가하여 탐색 영역을 줄이고 있다. 본 논문에서는 640 X 480 영상에 대해 기술한다. 영상 크기가 달라지면 파라메터만 변경해서 같은 방법을 사용할 수 있다.
본 논문에서는 원형 경계 검출기와 동일한 정확도를 가지는 고속 알고리즘을 제안한다. 그림 5에 흐름도를 보인다.
본 논문에서는 인식에 사용될 홍채 영역을 추출해내는 영상처리와 관련된 부분을 다룬다. 정확하고 안정된 홍채 영역의 추출은 시스템 전체 성능에 영향을 미치는 중요한 요소가 된다.

가설 설정

일단 홍채.중심과 동공 중심은 같다고 가정해서 홍채 중심점의 초기값을 동공 중심점으로 한다. 실제로는 홍채 중심과 동공 중심은 비슷한 위치에 있지만 반드시 일치하지는 않는다.
이렇게 동공을 찾은 후 동공의 중심점에 대한 수평선을 그어 좌우 두 개의 홍채 경계를 찾았다. 찾는 과정에서 탐색하는 픽셀을 중심으로 윈도우를 설정해 그 윈도우내 분산이 가장 작게 되는 픽셀을 홍체 경계라고 설정하였다. 중심점과 두 개의 홍채 경계로부터 홍체 내접원과 외접원을 만들어 두 원안에 홍채경계가 있다는 제한조건으로 원형 경계 검출을 수행하였다.
홍채 내부 경계와 외부 경계는 원형이라고 가정하고 원주를 일정한 각도(Z0)로 표본화(sampling)하여 각 점의 명암값을 더한다. 중심 좌표와 반지름을 바꾸어가면서 탐색하여 그 값의 변화가 최대가 되는 중심 좌표와 반지름을 찾아낸다.

제안 방법

구현한 4가지 영역 추출 방법에 대하여 동공 경계와 홍채 경계 검출의 총 성능을 비교한다. 히스토그램 분석법[12]에서 제안한 효율적인 탐색을 위한 영역 설정 방법은, 실험 환경에 따른 변수가 크고 실제 본 논문에서 사용한 영상에 대하여는 적용되지 않았다.
동공 경계 검출과 홍재 경계 검출 등 두 가지 문제로 나누어 제안된 방법과 기존의 방법의 성능을 비교하는 실험을 수행하였다. 성능은 수행 속도와 검출 정확도로 비교하였다.
동공 경계의 왜곡에 대한 영향을 줄이기 위해서, 중심을 산출할 때 탐색한 각 라인에서의 중점을 평균하였다. 반지름은 중심점에서 수평선을 그어 만나는 두 개의 경계점 (*0哽, 細■血) 으로 만들어지는 선분의 길이를 이등분하였다.
그리고 가중치를 적용한 허프변환[13]의 경우, 홍채 경계 추출 시 기존의 원형 경계 검출기를 이용하여 양쪽 홍채 경계를 찾은 후 최소 자승법을 통하여 홍채를 모델링 하는 원을 찾게 되는데, 이는 원형 에지 검출기를 이용한 기존의 방법에 최소 자승법의 처리 시간이 더 소요된다. 때문에 홍채 경계를 검출하는 경우에는 원형 에지 검출기와 제안된 방법만을 비교하였다. 실험 결과는 다음과 같다.
먼저 분산 탐색 영역 설정은 홍채 반지름의 분포를 이용하여 효과적으로 제한할 수 있는데, 50장의 홍채 영상에 대한 홍채 반지름의 분포를 분석하여 최소 190픽셀, 최대 240 픽셀 범위 내로 제한하였다.
반지름 탐색 범위를 설정하기 위하여 먼저 이진 화로 구해진 동공 영역의 모든 경계 픽셀들을 탐색하며 초기 동공 중심점과의 거리를 구한다. 그 중 가장 먼 거리는 동공 영역을 포함하는 외접원의 반지름을 나타내고, 가장 가까운 거리는 동공 영역에 포함되는 내접원의 반지름을 나타내게 된다.
본 논문에서는 내접원과 외접원 등 두 개의 원으로 제한 조건을 만들어 탐색시간을 줄였다. 제한 조건 내에서는 전역적 탐색을 했는데 탐색이 진행됨에 따라 제한조건을 엄격하게 만드는 등의 탐색 전략을 사용하면 탐색 시간을 더 줄일 수 있을 것이다.
사용하기도 힘들다. 분산을 이용하여 경계의 범위를 구한 후 동공 경계 검출에 사용했던 제한 조건을 이용하여 원형 경계 검출기로 탐색을 한다.
수행하였다. 성능은 수행 속도와 검출 정확도로 비교하였다. 실험에 사용된 영상은 640x480크기로, 총 75장을 사용하였다.
영상에서 공막 영역의 분산이 홍채 영역의 분산보다 작다는 정보를 이용하여 탐색 범위를 설정한다. 동공 중심점 (釦, 刀>)을 포함하는 수평 선분 상에 존재하는 픽셀들에 대해 일정 윈도우 영역의 분산을 구한 후, 동공의 좌.
원형 경계 검출기를 사용해서 동공 경계를 찾는 경우 중심 탐색 조건을 제안한 방법과 동일하게 설정하기 위하여, 제안된 방법에서 이용한 동공 초기 위치 추출 알고리즘을 사용하였고, 중심 탐색 범위는 X축 y축으로 각각 ±10으로 설정하였다. (제안된 방법에서도 식 (24) 의 탐색범위를 x0=x, ±10, y0=y, -±10 로 하였다.
원형 경계 검출기를 사용해서 홍채 경계를 찾을 때는 반지름 탐색 범위를 초기 반지름, 에서 + 〃2 ~300 픽셀 범위로 탐색하였고, 중심 탐색 범위는 앞 장에서 제안된 방법과 마찬가지로 설정하였다.
4절에서와 같이 영상의 히스토그램에서 동공과 그 외 영역 사이에 존재하는 골의 값을 찾아 이진화 한다. 이진화된 영상에는 잡음이 포함될 수 있으므로 이진화 된 영상에 대해 영역 레이블링(region labeling)을하여 면적이 임계치(본 논문에서는 20으로 정했음) 이하인 영역은 제거한다. 이진화된 영상을 F(x, y) 라면 동공의 초기 중심점 (b, 恥) 은 다음과 같이 추정한다.
탐색 공간을 줄이도록 하였다. 이진화된 영상에서 동공의 초기 중심점과 내접원, 외접원을 찾아 이두 가지 원안에서만 원형 탐색을 수행하도록 하였다. 이렇게 동공을 찾은 후 동공의 중심점에 대한 수평선을 그어 좌우 두 개의 홍채 경계를 찾았다.
정확하고 안정된 홍채 영역의 추출은 시스템 전체 성능에 영향을 미치는 중요한 요소가 된다. 입력된 홍채 영상에서 가장 특징이 뚜렷한 동공과 홍채의 경계에 해당하는 홍채 내부 경계를 추출한 다음 공막과 인접하는 홍채 외부 경계를 찾아 홍채 영역을 추출하는 일련의 과정을 제안하고 분석한다.
제안된 방법은 원형 경계 검출 방법과 같이 탐색 기법을 사용하지만 문제에 대한 지식으로부터 제한조건을 추출하여 탐색 공간을 줄이도록 하였다. 이진화된 영상에서 동공의 초기 중심점과 내접원, 외접원을 찾아 이두 가지 원안에서만 원형 탐색을 수행하도록 하였다.
그림 5에 흐름도를 보인다. 제안된 방법은 홍채 영역 추출 문제가 가지는 다양한 제한조건을 부가하여 탐색 영역을 줄이고 있다. 본 논문에서는 640 X 480 영상에 대해 기술한다.
제안한 방법은 최소 탐색 영역과.반지름의 조건 검색을 설정함으로써 기존 원형 경계 검출기와 동일하게 안정된 경계를 검출하지만, 수행 속도 면에서는 훨씬 뛰어난 성능을 보임을 확인할 수 있다.
찾는 과정에서 탐색하는 픽셀을 중심으로 윈도우를 설정해 그 윈도우내 분산이 가장 작게 되는 픽셀을 홍체 경계라고 설정하였다. 중심점과 두 개의 홍채 경계로부터 홍체 내접원과 외접원을 만들어 두 원안에 홍채경계가 있다는 제한조건으로 원형 경계 검출을 수행하였다.

대상 데이터

(본 논문에서는 广30으로 하였다.)
성능은 수행 속도와 검출 정확도로 비교하였다. 실험에 사용된 영상은 640x480크기로, 총 75장을 사용하였다.

이론/모형

.이진화된 영상의 에지추출을 위해서는 Sobel 마스크를 사용하였고, 세선화 알고리즘으로는 Zhang- Suen 방법을 사용하였다[18].
Wildese 홍채 경계를 추출하기 위해 표준 허프변환 (standard Hough Transform)을 사용하였다[5, 9]. 홍채 영역을 추출을 위해 두 단계로 이루어지는 이 방법은 먼저 그레이 입력 영상을 이진 에지 영상으로 변화하여에지 정보를 찾은 후, 구해진 에지 맵을 이용하여 홍채 경계를 표현하는 파라미터를 찾게 된다.
기존의 방법으로는 원형 경계 검출기[5, 9], 히스토그램 분석법 [12], 가중치를 적용한 허프변환[13]을 사용하였다.
전처리 단계에서는 [12]의 히스토그램 분석 방법으로 이진화 한 후, 에지 추출올 한 결과를 세선화하여 동공 경계 부분 에지 픽셀들을 구한다. 동공 영역은 눈꺼풀에 의해 일부가 가려질 수 있으므로 그림 4와 같이 4개의 영역으로 나누었다.

성능/효과

가중치를 적용한 허프변환을 이용한 경우에도 역시 이진화를 이용하여 추출한 영상을 기반으로 하기 때문에 경계 에러가 발생하였으며, 제안한 방법보다 처리 시간이 더 소요되었다.
결과에서 보인 것 같이 제안된 방법은 원형 경계 검출법과 마찬가지로 동공 경계와 홍채 경계를 정확히 찾는다. 계산 시간은 동공 경계의 경우 약 4.
알 수 있었다. 기존의 히스토그램 분석법은 제안된 방법보다 빠르지만 오류가 있고, 가중치를 적용한허프변환 방법은 오류가 있을 뿐 아니라 계산시간도 제안된 방법에 비해 더 걸렸다
제안한 방법은 최소 탐색 영역과.반지름의 조건 검색을 설정함으로써 기존 원형 경계 검출기와 동일하게 안정된 경계를 검출하지만, 수행 속도 면에서는 훨씬 뛰어난 성능을 보임을 확인할 수 있다.
실험결과 제안된 방법은 원형 경계 검출 방법과 오차 없이 동일한 결과가 나오는 반변, 계산 시간은 약 1/8로 줄어듦을 알 수 있었다. 기존의 히스토그램 분석법은 제안된 방법보다 빠르지만 오류가 있고, 가중치를 적용한허프변환 방법은 오류가 있을 뿐 아니라 계산시간도 제안된 방법에 비해 더 걸렸다
첫째, 모든 사람이 갖고 있는 특징이어야 하고(uni- versality), 둘째, 개인마다 유일해야 하며(uniqueness), 셋째, 시간에 대한 변화가 없어야 하고(permanence), 넷째, 정량적으로 계산될 수 있는 특징이어야 한다. (collectability).

후속연구

제한 조건 내에서는 전역적 탐색을 했는데 탐색이 진행됨에 따라 제한조건을 엄격하게 만드는 등의 탐색 전략을 사용하면 탐색 시간을 더 줄일 수 있을 것이다. 또한 동공과 홍채를 원이 아니라 타원으로 모델링하는 것이 더 정화할 것이다. 이 경우 제한 조건을 가지는 탐색도 향후 연구과제로 둔다.
또한 동공과 홍채를 원이 아니라 타원으로 모델링하는 것이 더 정화할 것이다. 이 경우 제한 조건을 가지는 탐색도 향후 연구과제로 둔다.
조건을 만들어 탐색시간을 줄였다. 제한 조건 내에서는 전역적 탐색을 했는데 탐색이 진행됨에 따라 제한조건을 엄격하게 만드는 등의 탐색 전략을 사용하면 탐색 시간을 더 줄일 수 있을 것이다. 또한 동공과 홍채를 원이 아니라 타원으로 모델링하는 것이 더 정화할 것이다.

참고문헌 (18)

Anil Jain, Lin Hong and Sharath Pankanti, 'Biometric Identification,' Communications of the ACM, Vol. 43, No. 2, pp.91-98, 2000
B, Miller, 'Vital Signs of Identity,' IEEE Spectrum, Vol. 31, No. 2, pp. 22-30, 1994

상세보기
A.K. Jain, Rund Bolle and Sharath Pankanti, Biometrics : Personal Identification in Networked Sociey, Kluwer, New York, 1999
J.G Daugman, 'High Confidence Visual recognition of Persons by a Test of Statistical Independence,' IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol. 15, No. 11, pp. 1148-1161, 1993

상세보기
R.P. Wildes, J.C. Asmuth, G.L. Green and S.C. Hsu, 'A System for Automated Iris Recognition,' Proceedings of the Second IEEE Workshop, Applications of Computer Vision, pp. 121-128, 1994
박영규, 고정 초점 흑백 CCD 카메라 환경에서 홍채 signature를 이용한 온라인 개인 식별, 연세대학교 박사 논문, 2000
송명섭, 홍채 인색을 위한 1차원 홍채 singature의 분석에 관한 연구, 연세대학교 석사 논문, 2000
J.G. Daugman, Recognizing Persons by Their Iris Patterns, Cambridge University, 1997
Richard P. Wides, 'Iris Recognition : An emerging Biometric Technology,' Proceeding of IEEE, Vol. 85, No. 9, pp. 1348-1363, 1997

상세보기
Jyh-yuan Deng and Feipel Lai, 'Region-Based template Deformable and Maskig for Eye Feature Extraction and Description,' Pattern Recognition, Vol. 30, No. 3, pp. 403-419, 1997

상세보기
D.H. Ballard and C.M. Brown, Computer Vision, Englewood Cliffs. NJ : Prentice-Hall, 1982
윤훈주, 개인 식별을 위한 홍채 영역 추출 연구, 연세대학교 석사 논문, 2002
이철한, 홍채 인식을 위한 눈 영상 획득 및 홍채 영역 추출에 관한 연구, 연세대학교 석사 논문, 2002
Ramash Jain, Rangachar Kasturi and Brian G.Schunck, Machine Vision, McGraw-Hill, 1995
Rafael C.Gonzalez and Richard E. Woods, Digital Image Processing, Addison Wesley, 1992
David M. Mount and Nathan S. Netanyahu, 'Efficient Randomized Algorithms For Robust Estimation Of Circular Arcs And Aligned Ellipses, Computational Geometry,' Vol. 19, pp. 1-33, 2001

상세보기
Eric Groen, Jelte E. Bos, Peter F. M. Nacken, and Bernd de Graaf, 'Determination of Ocular Torsion by Means of Automatic Pattem Recognition,' IEEE Transactions on Biomedical Engineering, Vol. 43, No. 5, pp. 471-479, 1996

상세보기
J. R. Parker, Practical computer vision using C, John Wiley & Sons, Inc, 1993

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증