Advanced Image Quality Assessment for Hand- and Fingervein Biometrics

要約

非参照画像品質測定で一般的に使用される自然シーン統計と、深層学習ベースの品質評価アプローチが、血管系画像のバイオメトリック品質指標として提案されています。
NIQE と BRISQUE は、通常の歪みを伴う一般的な画像でトレーニングされた場合、血管パターン サンプルの品質を評価するのにうまく機能しませんが、高品質および低品質の血管サンプル データでトレーニングされたバリアントは、ほとんどの場合、生体認証品質推定器から期待されるように動作します (
全体的な傾向は、特定のデータセットまたは特徴抽出方法で発生します)。
提案された深層学習ベースの品質メトリックは、評価される指または手の静脈パターンとは無関係に、ほとんどの場合、正しい品質クラスを空胞パターン サンプルに割り当てることができます。
実験は、公開されている合計 13 の指と手の静脈データセットで実施され、3 つの異なるテンプレート表現 (そのうちの 2 つは特に血管バイオメトリクス用に設計されています) を含みます。
提案された (トレーニングされた) 品質測定値は、いくつかの従来の品質測定基準と比較され、達成された結果が有望な動作を強調しています。

要約(オリジナル)

Natural Scene Statistics commonly used in non-reference image quality measures and a deep learning based quality assessment approach are proposed as biometric quality indicators for vasculature images. While NIQE and BRISQUE if trained on common images with usual distortions do not work well for assessing vasculature pattern samples’ quality, their variants being trained on high and low quality vasculature sample data behave as expected from a biometric quality estimator in most cases (deviations from the overall trend occur for certain datasets or feature extraction methods). The proposed deep learning based quality metric is capable of assigning the correct quality class to the vaculature pattern samples in most cases, independent of finger or hand vein patterns being assessed. The experiments were conducted on a total of 13 publicly available finger and hand vein datasets and involve three distinct template representations (two of them especially designed for vascular biometrics). The proposed (trained) quality measures are compared to a several classical quality metrics, with their achieved results underlining their promising behaviour.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google