Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2016 | OriginalPaper | Buchkapitel

Advancing Cross-Spectral Iris Recognition Research Using Bi-Spectral Imaging

verfasst von : N. Pattabhi Ramaiah, Ajay Kumar

Erschienen in: Machine Intelligence and Signal Processing

Verlag: Springer India

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Iris images are increasingly employed in national ID programs and large-scale iris databases have been developed. Conventional iris images for the biometrics databases are acquired from close distances under near infrared wavelengths. However the surveillance data is often acquired under visible wavelengths. Therefore, applications like watch-list identification and surveillance at-a-distance require accurate iris matching capability for images acquired under different wavelengths. In this context, simultaneously acquired visible iris images should be matched with the iris images acquired under near infrared illumination to ascertain cross-spectral iris recognition accuracy. This paper describes the need for such cross-spectral iris recognition capability and proposes the development of bi-spectral iris image database to advance the much needed research in this area.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Fast 3D Salient Region Detection in Medical Images Using GPUs
Literatur
1.
2.
Daugman, John G.: Pattern analysis and machine intelligence. IEEE Trans. High Confid. Vis. Recognit. Pers. Test Stat. Indep. 15(11), 1148–1161 (1993)
3.
Bowyer, K.W., Hollingsworth, K., Flynn, P.J.: Image understanding for iris biometrics: a survey. Comput. Vis. Image Underst. Elsevier 110(2), 281–307 (2008)CrossRef
4.
Proença, H.: Non-cooperative iris recognition: issues and trends. In: Proceedings of the EUSIPCO, pp. 1–5 (2011)
5.
Imai, F.H.: Preliminary experiment for spectral reflectance estimation of human iris using a digital camera, Munsell Color Science Laboratory Technical Report (2002)
6.
Proença, H., Alexandre, L.A.: UBIRIS: a noisy iris image database. In: Springer Proceedings of International Conference on Image Analysis and Processing, pp. 970–977 (2005)
7.
Proença, H., Filipe, S., Santos, R., Oliveira, J.: Alexandre Luis: The ubiris. v2: a database of visible wavelength iris images captured on-the-move and at-a-distance. IEEE Trans. Pattern Anal. Mach. Intell. 32(8), 1529–1535 (2010)
8.
9.
Tajbakhsh, N., Araabi, B.N., Soltanianzadeh, H.: Feature fusion as a practical solution toward noncooperative iris recognition. In: IEEE Proceedings of 11th International Conference on Information Fusion, pp. 1–7 (2008)
10.
Tan, C.-W., Kumar, A.: Unified framework for automated iris segmentation using distantly acquired face images. IEEE Trans. Image Process. 21(9), 4068–4079 (2012)MathSciNetCrossRef
11.
Ross, A., Pasula, R., Hornak, L.: Exploring multispectral iris recognition beyond 900 nm. In: IEEE Proceedings of 3rd International Conference on Biometrics: Theory, Applications, and Systems, pp. 1–8 (2009)
12.
Sharma, A., Verma, S., Vatsa, M., Singh, R.: On cross spectral periocular recognition. In: IEEE Proceedings of 21st International Conference on Image Processing, pp. 5007–5011 (2014)
13.
Zuo, J., Nicolo, F., Schmid, N.A.: Cross spectral iris matching based on predictive image mapping. In: IEEE Proceedings of 4th International Conference on Biometrics: Theory, Applications, and Systems, pp. 1–5 (2010)
14.
Pillai, Jaishanker K., Puertas, Maria, Chellappa, Rama: Cross-sensor iris recognition through Kernal learning. IEEE Trans. Pattern Anal. Mach. Intell. 36(1), 73–85 (2014)CrossRef
15.
Xiao, L., Sun, Z., He, R., Tan, T.: Coupled feature selection for cross-sensor iris recognition. In: IEEE Proceedings of 6th International Conference on Biometrics: Theory, Applications, and Systems, pp. 1–6 (2013)
16.
Kulis, B., Sustik, M., Dhillon, I.: Learning low-rank kernel matrices. In: ACM Proceedings of the 23rd International Conference on Machine Learning, pp. 505–512 (2006)
17.
Davis, J.V., Kulis, B., Jain, P., Sra, S., Dhillon, I.S.: Information-theoretic metric learning. In: ACM Proceedings of the 24th International Conference on Machine Learning, pp. 209–216 (2007)
18.
19.
20.
Masek, Libor and Kovesi, Peter, Matlab source code for a biometric identification system based on iris patterns, The School of Computer Science and Software Engineering, The University of Western Australia, 2(4), (2003)
Metadaten
Titel
Advancing Cross-Spectral Iris Recognition Research Using Bi-Spectral Imaging
verfasst von
N. Pattabhi Ramaiah
Ajay Kumar
Copyright-Jahr
2016
Verlag
Springer India
Buch
Machine Intelligence and Signal Processing

Print ISBN: 978-81-322-2624-6

Electronic ISBN: 978-81-322-2625-3

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-81-322-2625-3_1