본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지

목차

국문초록 9

ABSTRACT 10

제1장 서론 12

1.1. 연구 배경 및 목적 12

1.2. 제안하는 방법 13

1.3. 논문의 구성 15

제2장 기존의 관련 연구 16

2.1. 도그만 홍채코드 인식, 복원 16

2.2. Iris GAN을 통한 홍채영상 생성 16

제3장 홍채 인식 및 홍채코드 복원 18

3.1. 홍채코드 생성 18

3.1.1. 홍채영역 분할 및 정규화 18

3.1.2. 특징 추출 및 양자화를 통한 홍채코드 생성 19

3.2. 홍채코드 복원 20

3.2.1. 역공학을 통한 홍채코드 복원 값 추정 20

3.2.2. 원형 홍채영상 생성 22

제4장 안구모델 학습 및 위조홍채 생성 24

4.1. Generative Adversarial Networks 24

4.2. CycleGAN 26

4.3. CycleGAN 모델 학습을 통한 안구영상 생성 29

4.4. 위조 홍채영상 생성 31

제5장 실험 및 결과 33

5.1. 홍채코드 복원 33

5.2. CycleGAN을 통한 위조홍채 생성 35

제6장 결론 42

참고문헌 43

표목차

[표 5-1] FAR기준 해밍거리 임계값 40

[표 5-2] FAR기준 복원 성공률 41

그림목차

[그림 1-1] 위조홍채 생성방법의 개요도 14

[그림 2-1] 원본홍채코드와 복원된 홍채코드 16

[그림 2-2] Convolutional GAN으로 생성된 영상 예시 17

[그림 3-1] 홍채영역 정규화 19

[그림 3-2] (a)정규화 된 홍채 (b)실수 특징 (c)허수 특징 (d)홍채 코드 20

[그림 3-3] 역공학적 홍채복원 행렬식 예시 22

[그림 3-4] 역공학적 계산을 통한 복원홍채 22

[그림 3-5] 직교좌표계 변환된 원형 복원홍채 23

[그림 4-1] GAN모델 구조 24

[그림 4-2] 노이즈 편향 25

[그림 4-3] CycleGAN 모델 구조 26

[그림 4-4] 데이터 세트 예시 27

[그림 4-5] Cycle Consistency Loss 구조 28

[그림 4-6] 생성신경망 모델 구조 29

[그림 4-7] 구별신경망 모델 구조 30

[그림 4-8] 생성된 안구영상 예시 31

[그림 4-9] 홍채범위 탐색 예시 32

[그림 4-10] 분할된 홍채영역 예시 32

[그림 5-1] 홍채코드로 부터의 실수부, 허수부 특징 분할 33

[그림 5-2] 특징을 통한 원본홍채 값 산출 34

[그림 5-3] 직교좌표계를 통한 원형 복원홍채 생성 34

[그림 5-4] CASIA Irisimage Database ver 4.0 홍채영상 35

[그림 5-5] λ의 값 별 생성 영상 36

[그림 5-6] 커널 크기 별 생성 영상 37

[그림 5-7] 커널 크기 별 소요시간 37

[그림 5-8] 제안된 모델을 통한 EPOCH에 따른 생성 영상 38

[그림 5-9] 제안된 모델 학습별 손실 값 39

[그림 5-10] 생성된 영상 예시 39

[그림 5-11] 생성영상에 복원된 홍채 삽입 예시 40

[그림 5-12] 원본영상과 위조영상 비교 해밍거리 그래프 41

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기