점수 기반 융합으로 아이리스 인식 정확도 향상

초록

본 논문은 제로크로싱 1차원 웨이브렛, Euler 번호, 유전 알고리즘을 이용한 세 가지 특징 추출 방법을 각각 적용한 뒤, 정규화된 매칭 점수를 가중 평균 방식으로 융합하여 아이리스 인증의 정확도를 높이는 방법을 제안한다. 실험 결과, 단일 알고리즘 대비 오류율이 현저히 감소함을 확인하였다.

상세 요약

본 연구는 아이리스 인식 시스템에서 개별 알고리즘이 갖는 한계점을 보완하기 위해 다중 특징 추출기와 점수 기반 융합(score level fusion) 전략을 채택하였다. 첫 번째 특징 추출기로는 제로크로싱 1차원 웨이브렛(zero‑crossing 1‑D wavelet)을 사용하였다. 이 방법은 신호의 급격한 변화를 포착하여 텍스처 정보를 효과적으로 압축하고, 고주파 성분을 강조함으로써 노이즈에 강인한 특징 벡터를 생성한다. 두 번째는 Euler 번호를 기반으로 한 토폴로지적 특징 추출이다. 이미지 이진화 후 연결된 영역의 구멍 수와 같은 토폴로지적 속성을 정량화하여, 회전·스케일 변형에 대한 불변성을 확보한다. 세 번째는 유전 알고리즘(genetic algorithm) 기반 특징 선택 및 차원 축소이다. 초기 후보 특징 집합을 무작위로 생성하고, 적합도 함수를 매칭 정확도로 정의하여 교차·돌연변이 연산을 반복함으로써 최적의 서브셋을 도출한다. 이 세 가지 추출기는 서로 상보적인 정보를 제공한다는 점에서 융합의 전제조건을 만족한다.

점수 융합 단계에서는 각 알고리즘이 산출한 매칭 점수를 먼저 min‑max 정규화하여