[논문]웨이블릿 변환을 기반으로 하는 홍채 특징 추출

기균도; 이일병; 변영철; 이관용

문제 정의

본 논문에서는 다양한 응용분야에 대한 적용 가능성을 살펴보기 위하여 서로 다른 환경에서 획득된 두 종류의 데이터를 사용하여 실험하였다. 첫번째 데이터 집합은 불규칙한 주위 조명환경에서 획득되었으며, CCD 카메라를 중심으로 두 개의 할로겐 램프를 사용하였다(Data set 1).
본 연구에서는 카메라로부터 획득된 홍채 영상을 가장 효과적으로 표현할 수 있는 특징 벡터를 구성하기 위하여 다 해상도 Daubechies 웨이블릿 분해 기법을 사용하여, 원 영상을 3단계로 분할하였으며 분할 결과 모두 12개의 부 영상을 구할 수 있었다. 또한, 분할된 부 영상으로부터 평균, 분산, 표준편차, 에너지 등의 통계치를 구하여 특징 벡터를 구성하는데 사용하였다.

제안 방법

또한, 분할된 부 영상으로부터 평균, 분산, 표준편차, 에너지 등의 통계치를 구하여 특징 벡터를 구성하는데 사용하였다. 더욱이, 영상의 위치 변화와 영상에 포함된 잡음에 덜 민감한 특징 벡터를 구성하기 위하여 부영 상을 국부적 인 창(local window)으로 분할한 후에 해당되는 부 영상의 국부적인 창으로부터 통계치를 구하여 특징 벡터로써 사용하는 기법을 사용하였다<그림 2).
크게 받을 수 있다. 따라서, 본 연구에서 고려한 두 번째 방법은 터무니 없이 높은 값에 의한 영향을 최소화 시키기 위하여 특징값 들을 표준편차로 나누어 정규화를 시킨 후둥록되어 있는 패턴과 미지 패턴간의 거리를 구하였다. 등록되어 있는 패턴 들의 각 요소값 들은 평균 와 표준편차 <石 값에 의해 다음과 같은 식 으로 정 규화된다.
따라서, 본 연구에서는 분해된 부 영상의 그레이 레벨 값들의 분포로부터 평균, 분산, 표준편차, 에너지 값들을 추출하여 특징 벡터 구성에 사용하였다.
두 데이터 집합 모두에 대하여 획득된 데이터 중에서 학습 과정에는 4개의 영상이 사용되었으며, 나머지의 데이터는 실제 분류를 위하여 사용되었다. 모든 실험은 Pentium-Ill 450Mhz(OS:Windows2000)에서 수행되 었다본 연구에서는 홍채 특징 벡터 구성을 위하여 아래와 같은 네 가지 실험을 수행하였다. 첫 번째는 웨이블릿 변환 방법에 의해 분해되어진 부 영상으로부터 통계치를 구하여 특징 벡터를 구성하는 것이며, 두 번째로는 분해된 저주파 영역의 계수값 들을 상호 조합 함으로써 특징 벡터를 구성하는 방법과, 세 번째로는 저주파 영역의 계수값 들과 부 영상들로부터 구해진 통계치를 상호 조합하여 특징 벡터를 구성하는 것이며, 마지막으로는 저주파 영역을 국부적인 창으로 분할 한 후에, 그 국부적 인 창으로부터 통계치를 구하여 특징 벡터를 구성하는 것이다.
본 논문에서는 패턴 정합을 위한 과정율 학습과분류의 두 가지 과정으로 구분하였다. 학습과정은 홍채인식 시스템에서 등록과정에 해당되며, 원 영상에 대하여 웨이블릿 변환을 적용한 후 생성된 특징 값들을 DB에 저장하는 과정이라 할 수 있다.
본 연구에서는 다해상도 웨이블릿 변환을 흥채 영상에 적용한 후 분해된 중간 레벨의 부 영상으로부터 롱계치를 홍채 특징으로 구성함으로써, 외부 잡음에 영향을 받지 않는 압축적인 홍채 특징 코드를 생성할 수 있었을 뿐만 아니라 정보의 손실 없이 저주파 영역만을 반복적으로 분해하는 기법을 사용함으로써 시간을 감소 시킬 수 있었다. 더욱이, 부영상을 국부적인 창으로 분할하여 통계치를 구한 후 정규화된 값을 사용함으로써 영상의 위치 변화나 잡음 때문에 발생되는 오인식률을 감소 시킬 수 있었다.
입력되는 미지의 영상에 대하여 식(2)와 (5)에 의허 정의된 거리함수를 적용하여 등록되어 있는 패턴 들과의 거리를 구한 후, 최소의 거리를 갖는 값을 해당되는 클래스로 분류하는 최소 거리 분류 방법을 사용하였다.
모든 실험은 Pentium-Ill 450Mhz(OS:Windows2000)에서 수행되 었다본 연구에서는 홍채 특징 벡터 구성을 위하여 아래와 같은 네 가지 실험을 수행하였다. 첫 번째는 웨이블릿 변환 방법에 의해 분해되어진 부 영상으로부터 통계치를 구하여 특징 벡터를 구성하는 것이며, 두 번째로는 분해된 저주파 영역의 계수값 들을 상호 조합 함으로써 특징 벡터를 구성하는 방법과, 세 번째로는 저주파 영역의 계수값 들과 부 영상들로부터 구해진 통계치를 상호 조합하여 특징 벡터를 구성하는 것이며, 마지막으로는 저주파 영역을 국부적인 창으로 분할 한 후에, 그 국부적 인 창으로부터 통계치를 구하여 특징 벡터를 구성하는 것이다.

대상 데이터

두 데이터 집합 모두에 대하여 획득된 데이터 중에서 학습 과정에는 4개의 영상이 사용되었으며, 나머지의 데이터는 실제 분류를 위하여 사용되었다. 모든 실험은 Pentium-Ill 450Mhz(OS:Windows2000)에서 수행되 었다본 연구에서는 홍채 특징 벡터 구성을 위하여 아래와 같은 네 가지 실험을 수행하였다.
모두 150명으로부터 4500개의 눈 영상이 획득 되었으며, 이 데이터는 왼쪽과 오른쪽 눈을 각각 구분하였고, 나안 상태의 영상과 안경 및 렌즈 착용시의 영상과 남녀 모두의 영상을 포함한다. 두 번째 데이터 집합은 주위 조명환경을 비교적 일정하게 유지 시켰으며, 카메라 주위에 적외선 램프를 사용하였다(Data set 2).
첫번째 데이터 집합은 불규칙한 주위 조명환경에서 획득되었으며, CCD 카메라를 중심으로 두 개의 할로겐 램프를 사용하였다(Data set 1). 모두 150명으로부터 4500개의 눈 영상이 획득 되었으며, 이 데이터는 왼쪽과 오른쪽 눈을 각각 구분하였고, 나안 상태의 영상과 안경 및 렌즈 착용시의 영상과 남녀 모두의 영상을 포함한다. 두 번째 데이터 집합은 주위 조명환경을 비교적 일정하게 유지 시켰으며, 카메라 주위에 적외선 램프를 사용하였다(Data set 2).
이러한 환경에서 모두 20명으로부터 600개의 눈 영상을 획득하였다. 두 데이터 집합 모두에 대하여 획득된 데이터 중에서 학습 과정에는 4개의 영상이 사용되었으며, 나머지의 데이터는 실제 분류를 위하여 사용되었다.
사용하여 실험하였다. 첫번째 데이터 집합은 불규칙한 주위 조명환경에서 획득되었으며, CCD 카메라를 중심으로 두 개의 할로겐 램프를 사용하였다(Data set 1). 모두 150명으로부터 4500개의 눈 영상이 획득 되었으며, 이 데이터는 왼쪽과 오른쪽 눈을 각각 구분하였고, 나안 상태의 영상과 안경 및 렌즈 착용시의 영상과 남녀 모두의 영상을 포함한다.

데이터처리

구할 수 있었다. 또한, 분할된 부 영상으로부터 평균, 분산, 표준편차, 에너지 등의 통계치를 구하여 특징 벡터를 구성하는데 사용하였다. 더욱이, 영상의 위치 변화와 영상에 포함된 잡음에 덜 민감한 특징 벡터를 구성하기 위하여 부영 상을 국부적 인 창(local window)으로 분할한 후에 해당되는 부 영상의 국부적인 창으로부터 통계치를 구하여 특징 벡터로써 사용하는 기법을 사용하였다<그림 2).

이론/모형

본 연구에서는 홍채 영상으로부터 특징을 추출하는 방법으로 최근 패턴인식, 영상 처리, 신호 처리 등의 분야에서 널리 활용되고 있는 웨이블릿 변환을 이용하였다 [6]. 또한, 웨이블릿 변환을 이용하여 홍채 영상을 분석할 때는 다 해상도(multiresolution) 분석 기법울 적용하였는데, 이는 공간(spatial) 적 인 정보와 주파수(frequency) 적인 정보를 동시에 표현할 수 있다는 특징을 지니고 있기 때문에 영상처리 분야에 널리 활용되고 있다.
여러가지 사용 가능한 식별함수 중에서 본 연구에서는 우선적으로 유클리디 안 거 리(Euclidean Distance)를 고려하였다

성능/효과

인식률을 보여주고 있다. 실험 결과, 중간 단계에서 분해된 영 상을 국부적 인 창으로 분할하여 그 창으로부터 평균과 표준편차를 구하여 특징 벡터를 구성하였을 때 가장 높은 인식률을 얻을 수 있었다.
더욱이, 부영상을 국부적인 창으로 분할하여 통계치를 구한 후 정규화된 값을 사용함으로써 영상의 위치 변화나 잡음 때문에 발생되는 오인식률을 감소 시킬 수 있었다. 즉, 본 연구에서 제안된 기법들이 흥채를 통한 개 인 식별 시스템의 다양한 분야에 효과적으로 적용될 수 있음을 알 수 있었다.

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

웨이블릿 변환을 기반으로 하는 홍채 특징 추출
Iris Feature Extraction barred on Wavelet Transform 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

웨이블릿 변환을 기반으로 하는 홍채 특징 추출 Iris Feature Extraction barred on Wavelet Transform 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

웨이블릿 변환을 기반으로 하는 홍채 특징 추출
Iris Feature Extraction barred on Wavelet Transform 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper