Reconnaissance des personnes par l'iris en mode dégradé
Institution:
Evry, Institut national des télécommunicationsDisciplines:
Directors:
Abstract EN:
Several characteristics have made iris one of the most accurate biometric modality. The iris is the only internal organ of the body which is externally visible and highly stable through lifetime. It is characterized by a chaotic unique texture structure. Nevertheless, recognizing persons from their irises is not straightforward as different types of noise can be present in the image. Indeed, the iris is located behind the cornea which is a highly reflective mirror; the resulting images will be therefore perturbed by illumination reflections. The iris is also covered by eyelids in both its up and down part. And partly by eyelashes. This noise is very hard to detect as it has a random form and location. Blur can also be present in the images in case of non controlled acquisition conditions. John Daugman has been a pioneer in this iris recognition field as he proposed the first iris system based on the phase coding of Gabor filter responses. Recent independent and rather large evaluation campaigns have demonstrated that the Daugman’s approach (including an efficient segmentation stage) is still nowadays the best method both in terms of performance and speed. Nevertheless, most commercial solutions still impose constraints at the acquisition stage in order to obtain images of rather good quality. Our aim in this thesis is to study the limits of iris recognition systems and to propose solutions when the images are acquired with few constraints, inducing a loss of quality of the images. As a first step allowing future benchmarking, we have developed a new modular reference system called OSIRIS (Open Source for Iris) based on Daugman’s works. Our experiments show that the recognition module of OSIRIS outperforms Masek, another iris reference system publicly available (used by the NIST). First, we were interested on studying the feasibility of iris recognition in normal light condition. In several cases, especially when irises are brown or dark, only few of the texture is apparent in the image, which generates a high ratio of failure of the reference system. We have proposed a new method based on color information in order to deal with these limitations. Our results do not allow to conclude on the possibility of using only color informaton for visible light iris recognition in degraded conditions. In the case of Near Infrared Images, the main contribution of this thesis is the introduction of a statistical Model (Gaussian Markov Model-GMM) for characterizing good quality iris texture. This model has been used in three distinct manners : a) for segmenting the iris in the images, when occlusions are present. Results obtained with OSIRIS show that using the probabilities of the GMM calculated on several subimages of an iris image, clearly and highly outperforms standard methods including active contour approaches. B) for defining a novel probabilistic iris quality measure. We compare its behavior to that of other standard iris quality metrics on different types of noise which can corrupt the iris texture: occlusions, and blurring. In the case of occlusion, we compare our GMM-based quality measure to an active contour method for eyelids and eyelashes detection. In the case of blurring, comparison is made with standard methods based on gradient, Fourier Transform and wavelets. In particular, we have developed a new method able to detect blur in iris images based on wavelets. Experiments show a significant improvement of performance when our GMM-based quality measure is used instead of the classical methods above mentioned. In particular, results show that this probabilistic quality measure based on a GMM trained on good quality images is independent of the kind of ‘noise’ involved. C) for providing a novel phase correlation-based iris matching approach able to deal with degradations in the images. Our approach is original in the sense that we do not only consider the correlation peak but also its location in different regions of the images. In a second step, the correlation-based approach is balanced with a quality metrics based on our GMM model. Experiments on different databases with different protocols show that our method improves significantly recognition results compared to the reference systems (Masek and OSIRIS).
Abstract FR:
Plusieurs avantages ont fait de l’iris une modalité biométrique des plus performantes. L’iris est le seul organe interne humain visible de l’extérieur, il est stable durant la vie d’une personne et il est caractérisé par une texture unique. Pourtant, reconnaître les personnes par leurs iris n’est pas chose facile car plusieurs bruits peuvent interférer avec l’image de la texture de l’iris. L’iris est localisé derrière la cornée, qui est un miroir hautement réfléchissant ; l’image d’iris acquise est alors souvent perturbée par des reflets. L’iris est aussi couvert, parfois en de grandes zones, par des paupières et des cils dont la détection n’est pas chose facile (surtout les cils). Le flou peut aussi affecter l’image d’iris acquise dans des conditions non contrôlées. John Daugman est le pionnier dans le domaine de la reconnaissance des personnes par l’iris. Il a proposé une méthode complète de traitement d’images d’iris basée sur le codage de la phase de Gabor 2D. Des évaluations récentes montrent que même aujourd’hui la méthode de Daugman reste meilleure en termes de performances et de vitesse. Néanmoins, les solutions commerciales imposent encore aux utilisateurs des contraintes fortes à l’acquisition afin d’obtenir des images de bonne qualité. Notre but dans cette thèse est d’étudier les limites des systèmes de reconnaissance par l’iris et de proposer des solutions quand les images sont acquises avec peu de contraintes, incluant une perte de qualité de l’image. Dans une première étape, afin de constituer un outil de comparaison, nous avons développé un nouveau système de reconnaissance par l’iris, modulaire, appelé OSIRIS. Ce système reprend les principales caractéristiques des travaux de Daugman. Nos expériences montrent que le module de reconnaissance d’OSIRIS est bien meilleur que le système de Masek, le système de référence utilisé par le National Institute of Standards and Technology (NIST). D’abord, nous nous sommes intéressés à la faisabilité de la reconnaissance des personnes par l’iris quand les images sont acquises en lumière visible. Dans ce cas, parfois lorsque les iris sont sombres, la texture de l’iris n’est pas apparente, ce qui génère un fort taux d’erreurs dans les systèmes de référence. Nous avons alors proposé une nouvelle méthode basée sur l’information couleur présente dans l’image d’iris afin de contrer ces limitations. Nos résultats ne permettent pas de conclure sur la possibilité d’utiliser seulement l’information de la couleur quand les images sont acquises en conditions dégradées. Dans le cas d’une acquisition en proche infrarouge, la contribution majeure de cette thèse est l’introduction d’un modèle statistique (Modèle de Mixture de Gaussiennes) pour caractériser les bonnes images de la texture de l’iris. Ce modèle est utilisé de trois façons différentes. A) pour segmenter les iris dans une image normalisée. Les résultats obtenus sur OSIRIS montrent que l’utilisation des probabilités obtenues par le GMM sur plusieurs sous-images de l’image d’iris améliore sensiblement les performances du système. B) pour définir une nouvelle mesure de qualité d’une image d’iris. Nous comparons le comportement de cette mesure par rapport à plusieurs mesures de qualité standard sur les différents types de bruits qui peuvent exister, surtout les bruits d’occlusion et les bruits de flou. Les expériences montrent que notre méthode surpasse très largement toutes les méthodes standard considérées (la méthode basée sur les contours actifs, la mesure de flou par la transformée de Fourier, les transformées en ondelettes, ainsi qu’une méthode globale proposée par le NIST). Ceci est dû au fait que la mesure par GMM estime indépendamment du bruit présent dans l’image, la probabilité que l’image en question représente la texture d’un iris net et propre. C) pour proposer un nouveau système de reconnaissance basé sur la corrélation des phases de Gabor. Notre approche est originale dans le sens où nous ne considérons pas que le pic de corrélation mais également sa position sur différentes régions de l’image d’iris. Notre approche est aussi originale car nous pondérons ces mesures de corrélation par les mesures de qualité calculées par le GMM sur les régions mises en correspondance par la corrélation. Les expériences sur différentes bases de données et différents protocoles montrent que notre système est bien meilleur que les deux systèmes de référence, Masek et OSIRIS.