2019 Fiscal Year Annual Research Report
Signal Recognition Mechanisms by Selecting Higher-Order Spectral Features Through Learning
| Project/Area Number |
16K00322
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
亀山 啓輔 筑波大学, システム情報系, 教授 (40242309)
|
|---|
| Project Period (FY) |
2016-04-01 – 2020-03-31
|
| Keywords | 高次スペクトル / 信号認識 / ニューラルネットワーク / 虹彩認証 / 超解像 |
|---|
| Outline of Annual Research Achievements |
最終年度では，これまで蓄積してきた高次統計特徴量を利用した信号分類手法の応用として，虹彩認証への適用，特に虹彩画像の観測条件が理想的でない場合の認証についてその認証精度を改善する手法の研究を進めた．Gabor特徴量や局所高次スペクトル特徴量はいずれも複素特徴量であり，認証のための虹彩コード生成にあたっては複素量の偏角を利用するものが主流となっているため，局所的な複素特徴量の偏角を正確に観測・推定することが重要となる．虹彩画像の登録時には高解像度の安定した観測が可能な場合が多い反面，認証時には低解像度の画像を利用せざるを得ない場合もある．このようなケースにおいても安定した認証を行うことを目指し，畳み込みニューラルネットワーク(CNN)を用いて，低解像度の虹彩特徴量の偏角から高解像度の複素偏角を超解像推定することにより認証精度を改善することを試みた．単純に周辺の偏角分布から中心画素の偏角を推定する方法では推定特徴量の改善が見られなかったものの，中央画素と周辺画素との偏角差の分布を入力とし，中心画素の偏角を推定する方法では推定特徴量に改善が見られ，認証に際しても低解像画像を直接用いる場合に比べて，CNNにより推定された超解像特徴量を用いた場合のほうが高い認証精度を実現できることを示した．今後さらに大規模な虹彩画像データベースを用いて評価を行うとともに，さらに厳しい観測条件下でも認証が可能となる条件を明らかにしていきたいと考えている．
|
