Feature selection for biometrie iris recognition

Ivanko, K.; Budik, N.; Ivanushkina, N.

doi:10.1109/aieee.2017.8270539

Cited by 2 publications

(3 citation statements)

References 2 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The experiments are conducted on IITD, CASIA and UBIRIS iris database. Ivanko et al, [6] applied HE and contrast enhancement techniques to improve the quality of images. The DCT and DFT are applied on the region of interest to extract the informative features of the iris.…”

Section: Related Workmentioning

confidence: 99%

See 1 more Smart Citation

Performance Analysis of Iris Recognition Using Multi Stage Wavelet Transform Decomposition and Bicubic Interpolation Technique

Harakannanavar¹,

Prashanth²,

Raja³

2019

IJEAT

View full text Add to dashboard Cite

Biometric identification is highly reliable for human identification. Biometric is a field of science used for analyzing the physiological or behavioural characteristics of human. Iris features are unique, stable and can be visible from longer distances. It uses mathematical pattern-recognition techniques on video images of one or both iris of an individual's. Compared to other biometric traits, iris is more challenging and highly secured tool to identify the individual. In this paper iris recognition based on the combination of Discrete Wavelet Transform (DWT), Inverse Discrete Wavelet Transform (IDWT), Independent Component Analysis (ICA) and Binariezed Statistical Image Features (BSIF) are adopted to generate the hybrid iris features. The first level and second level DWT are employed in order to extract the more unique features of the iris images. The concept of bicubic interpolation is applied on high frequency coefficients generated by first level decomposition of DWT to produce new set of sub-bands. The approximation band generated by second level decomposition of DWT and new set of sub-bands produced by second level decomposition of DWT are applied on IDWT to reconstruct the coefficients. The ICA 5x5 filters and BSIF are adopted for selecting the appropriate images to extract the final features. Finally based on the matching score between the database image and test image the genuine and imposters are identified. Using CASIA database, training and testing of the features is performed and performance is evaluated considering different combinations of Person inside Database (PID) and Person outside Database (POD).

show abstract

Section: Related Workmentioning

confidence: 99%

“…Euclidean DistanceEuclidian distance is used to match the final features of test images and the final features of images in the data base to identify a person using equation 6. The performance parameters are computed to validate the proposed iris model (6).…”

mentioning

confidence: 99%

Performance Analysis of Iris Recognition Using Multi Stage Wavelet Transform Decomposition and Bicubic Interpolation Technique

Harakannanavar¹,

Prashanth²,

Raja³

2019

IJEAT

View full text Add to dashboard Cite

show abstract

“…У цьому випадку в розгорнутому зображенні райдужної оболонки виникають спотворення, які викликаються шкірою верхніх та нижніх повік та вій. Отже, в якості сегменту для подальшого розпізнавання використовувалася область інтересу (ROI) зі сторони зіниці [12], яка визначалась, як показано на рис.2.…”

Section: основна частинаunclassified

Application of Machine Learning Methods for Biometric Identification by Iris

Panchenko¹,

Ivanko²,

Ivnushkina³

2019

Mìkrosist. elektron. akust.

View full text Add to dashboard Cite

Кафедра електронної інженерії Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського" Київ, Україна Анотація-Робота присвячена застосуванню методів машинного навчання для біометричної ідентифікації особи за райдужною оболонкою ока. Проведено порівняння використання при розпізнаванні райдужної оболонки ока таких ознак, як коефіцієнти двовимірного дискретного перетворення Фур'є, коефіцієнти дискретного косинусного перетворення, а також коефіцієнти апроксимації 3-го і 4-го рівнів двовимірного вейвлет-перетворення. За допомогою проведеного машинного навчання визначена точність ряду класифікаторів, що використовують дані набори ознак. На підставі цього пропонується набір ознак і алгоритмів машинного навчання, які забезпечують найбільшу точність ідентифікації особи на основі розпізнавання райдужної оболонки ока. Ключові слова-біометрична ідентифікація особи; райдужна оболонка ока; вейвлет-перетворення; машинне навчання.

show abstract

Feature selection for biometrie iris recognition

Cited by 2 publications

References 2 publications

Performance Analysis of Iris Recognition Using Multi Stage Wavelet Transform Decomposition and Bicubic Interpolation Technique

Performance Analysis of Iris Recognition Using Multi Stage Wavelet Transform Decomposition and Bicubic Interpolation Technique

Application of Machine Learning Methods for Biometric Identification by Iris

Contact Info

Product

Resources

About