Advanced statistical models for unsupervised segmentation of degraded iris images

Modèles statistiques avancés pour la segmentation non supervisée des images dégradées de l'iris

Meriem Yahiaoui (1, 2, 3)

1 SAMOVAR - Services répartis, Architectures, MOdélisation, Validation, Administration des Réseaux
2 TSP - EPH - Département Electronique et Physique
3 CNRS - Centre National de la Recherche Scientifique

Iris is considered as one of the most robust and efficient modalities in biometrics because of its low error rates. These performances were observed in controlled situations, which impose constraints during the acquisition in order to have good quality images. The renouncement of these constraints, at least partially, implies degradations in the quality of the acquired images and it is therefore a degradation of these systems’ performances. One of the main proposed solutions in the literature to take into account these limits is to propose a robust approach for iris segmentation. The main objective of this thesis is to propose original methods for the segmentation of degraded images of the iris. Markov chains have been well solicited to solve image segmentation problems. In this context, a feasibility study of unsupervised segmentation into regions of degraded iris images by Markov chains was performed. Different image transformations and different segmentation methods for parameters initialization have been studied and compared. Optimal modeling has been inserted in iris recognition system (with grayscale images) to produce a comparison with the existing methods. Finally, an extension of the modeling based on the hidden Markov chains has been developed in order to realize an unsupervised segmentation of the iris images acquired in visible light

L'iris est considérée comme une des modalités les plus robustes et les plus performantes en biométrie à cause de ses faibles taux d'erreurs. Ces performances ont été observées dans des situations contrôlées, qui imposent des contraintes lors de l'acquisition pour l'obtention d'images de bonne qualité. Relâcher ces contraintes, au moins partiellement, implique des dégradations de la qualité des images acquises et par conséquent une réduction des performances de ces systèmes. Une des principales solutions proposées dans la littérature pour remédier à ces limites est d'améliorer l'étape de segmentation de l'iris. L'objectif principal de ce travail de thèse a été de proposer des méthodes originales pour la segmentation des images dégradées de l'iris. Les chaînes de Markov ont été déjà proposées dans la littérature pour résoudre des problèmes de segmentation d'images. Dans ce cadre, une étude de faisabilité d'une segmentation non supervisée des images dégradées d'iris en régions par les chaînes de Markov a été réalisée, en vue d'une future application en temps réel. Différentes transformations de l'image et différentes méthodes de segmentation grossière pour l'initialisation des paramètres ont été étudiées et comparées. Les modélisations optimales ont été introduites dans un système de reconnaissance de l'iris (avec des images en niveaux de gris) afin de produire une comparaison avec les méthodes existantes. Finalement une extension de la modélisation basée sur les chaînes de Markov cachées, pour une segmentation non supervisée des images d'iris acquises en visible, a été mise en place

Mots clés: Hidden Markov chain; Iris segmentation; Unsupervised segmentation; Learning; Multilayer perceptron; Image linearization; Triplet Markov chains; Pairwise Markov chain

Mots clés: Chaînes de Markov cachées; Segmentation de l'iris; Segmentation non supervisée; Apprentissage; Perceptron multi-couche; Linéarisation de l'image; Chaines de Markov couples; Chaines de Markov triplets

Domaines: Traitement du signal et de l'image [eess.SP]

Meriem Yahiaoui. Modèles statistiques avancés pour la segmentation non supervisée des images dégradées de l'iris. Traitement du signal et de l'image [eess.SP]. Université Paris Saclay (COmUE), 2017. Français. ⟨NNT : 2017SACLL006⟩. ⟨tel-01591556⟩