编辑推荐：
在长距离虹膜识别中，盲虹膜图像会降低识别率，现有研究对此关注不足。研究人员提出先验嵌入驱动架构，包含 Iris - PPRGAN 和 Insight - Iris。实验显示该方法将识别率从 80.77% 提升到 90.38%，有效解决了长距离盲虹膜识别难题。
在科技飞速发展的当下，生物识别技术成为保障安全、便捷生活的重要手段。其中，虹膜识别凭借其独特的纹理特征和高防伪性，备受关注。想象一下，在机场、重要场所，人们只需眼睛一扫，就能快速完成身份验证，既高效又安全。但现实并非如此完美，当进行长距离虹膜识别时，各种问题接踵而至。由于采集环境不受控制，比如距离远、光线复杂、设备限制等，获取的虹膜图像往往是低分辨率、模糊且带有噪声的 “盲虹膜图像”。这些图像质量差，使得虹膜纹理难以辨认，严重影响了识别的准确性，就像原本清晰的密码锁变得模糊不清，难以解锁一样。目前，硬件解决方法受成本和技术限制，效果不佳，而现有提升算法也难以应对真实场景中未知原因导致的图像退化。为了突破这些困境，湖南文理学院的研究人员展开了深入研究。
研究人员提出了一种先验嵌入驱动架构用于长距离盲虹膜识别。他们的研究成果显著，在公共 CASIA - Iris - Distance 数据集上的实验表明，该方法将长距离盲虹膜图像的识别率从 80.77% 大幅提升至 90.38%，整整提高了约 10 个百分点，这一成果为虹膜识别技术的发展带来了新的曙光，极大地提高了长距离盲虹膜识别的准确性和可靠性，对推动生物识别技术在更多领域的广泛应用具有重要意义。该研究成果发表在《Biomedical Signal Processing and Control》上。
在研究方法上，研究人员主要运用了以下关键技术：一是开发了名为 Iris - PPRGAN 的盲虹膜图像恢复网络，它结合了生成对抗网络（GAN）作为先验解码器和深度神经网络（DNN）作为编码器；二是通过修改 InsightFace 的瓶颈模块，构建了名为 Insight - Iris 的鲁棒虹膜分类器；三是使用中国科学院提供的 CASIA - Iris - Distance 数据集进行实验验证。
下面来详细看看研究结果：
- Iris - PPRGAN 网络的设计与功能：Iris - PPRGAN 网络创新性地将 GAN 作为先验解码器，DNN 作为编码器。GAN 在图像生成领域表现出色，能利用其生成高质量图像的能力来恢复盲虹膜图像的纹理。而 DNN 强大的特征提取能力，可在编码过程中更好地处理图像信息。二者结合，有效恢复了盲虹膜图像的纹理，为后续识别奠定基础。
- Insight - Iris 分类器的优势：Insight - Iris 分类器通过对 InsightFace 瓶颈模块的修改，增强了对虹膜特征的提取能力。它不仅用于最终的虹膜识别任务，还在 Iris - PPRGAN 中发挥作用，确保生成的虹膜在身份特征上与原始虹膜一致，进一步提升了识别的准确性和系统的鲁棒性。
- 实验验证与性能提升：研究人员使用 CASIA - Iris - Distance 数据集进行实验。该数据集包含 142 名受试者的 2567 张高分辨率图像，图像分辨率为 2352×1728 像素。实验结果表明，使用该研究提出的方法后，长距离盲虹膜图像的识别率显著提高，从 80.77% 提升到 90.38%，在定量和定性方面都验证了该方法的有效性，超越了当前最先进的盲虹膜恢复技术。
研究结论和讨论部分再次强调了该研究的重要意义。这项研究成功提出了先验嵌入驱动架构，有效解决了长距离盲虹膜识别难题。Iris - PPRGAN 网络和 Insight - Iris 分类器的结合，为盲虹膜图像的处理和识别提供了新的思路和方法。其高识别率的实验结果，表明该方法具有很强的实用性和应用潜力，有望推动虹膜识别技术在安防、金融、医疗等众多领域的进一步发展，让生物识别技术更加安全、可靠、便捷地服务于人们的生活。
