具自動評分與自主學習功能之智慧型虹膜定位演算法

  • Li, Yung-Hui (PI)

專案詳細資料

Description

在虹膜辨識前處理過程中,如何正確地定位(切割)虹膜是最重要的階段之一。目前在文獻中提出解決的方法主要有學習式的神經網路,以及例如霍夫轉換的非學習式方式,然而在這些既有的虹膜切割方法中,沒有一種方法能客觀並將切割結果做量化評估,目前多數虹膜切割成效是用人工方式評估,因此我們提出一種名為KIRD 的新方法。KIRD 主要概念是透過觀察切割輪廓內部及外部像素實質差值,利用PCA 及K-means 前處理影像後,沿著預測出的虹膜邊緣計算像素積分的差值,透過量化分割結果進行評估,使KIRD 能客觀評估虹膜切割正確性,成為可靠的衡量方法。於KIRD 的概念及基礎上,我們提出一種能自動適應配合迭代學習虹膜切割的演算法──AILIS。AILIS 是一種divide-and-conquer 的演算法,能將此一複雜問題分成許多小問題,藉由學習出虹膜邊界的像素值在統計上的分布,配合區分錯誤和正確分割結果的機制,使得AILIS 在處理沒有訓練過的虹膜影像時,可以藉由已經訓練好的模型,自動學習出新的虹膜切割模型,準確地切割出虹膜。此一方法可以應用於灰階與彩色影像。
狀態已完成
有效的開始/結束日期1/08/1731/07/18

聯合國永續發展目標

聯合國會員國於 2015 年同意 17 項全球永續發展目標 (SDG),以終結貧困、保護地球並確保全體的興盛繁榮。此專案有助於以下永續發展目標:

  • SDG 4 - 品質教育
  • SDG 12 - 負責任的消費與生產
  • SDG 17 - 為永續目標構建夥伴關係

指紋

探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。