Afin de contourner les problèmes précédemment cités, les systèmes à base d iris

imposent une contrainte forte à l utilisateur au moment de l acquisition des images. L

a
distance entre l utilisateur et la caméra est contrôlée, l environnement d acquisition est
lui aussi contrôlé pour minimiser tant les réflexions que les phénomènes de dilatations et
contraction de l iris. C est dans ce contexte qu intervient cette thèse. Son objectif es
t de
réaliser un système de vérification par l iris qui conserve de bonnes performances même
lorsque certaines des contraintes d acquisition précédemment citées sont relâchées et de
ce fait lorsque les images obtenues vont présenter de fortes dégradations.
Notre apport essentiel consiste en la mise en oeuvre d une méthode statistique à
base de GMM qui permet de caractériser localement ce qu est une bonne texture d iris.
L information obtenue par le GMM a été utilisée de trois manières différentes: pour
segmenter l iris dans l image quand il y a des occlusions, pour quantifier le niveau
de
bruit présent dans une image d iris, ou pour réaliser un système original complet de
reconnaissance par l iris de l oeil qui repose sur la fusion de mesures de qualité et
de
mesures de corrélation locale.
Cette thèse est organisée de la manière suivante :
Dans le Chapitre 2 nous présenterons les outils nécessaires à l évaluation des
performances des algorithmes biométriques. Nous détaillerons les notions de vérificati
on
et d identification ainsi que celle de mesure de qualité.
Dans le Chapitre 3, un état de l art des systèmes de traitement d iris existants sera
présenté. Nous présenterons individuellement les systèmes d iris les plus connus et les
systèmes de référence disponibles. Puis, les autres méthodes seront brièvement décrites et
classées par méthodologie. Nous listerons les bases de données publiques disponibles
selon leurs caractéristiques et leur importance. Enfin nous détaillerons les quelque
s
10
évaluations indépendantes effectuées jusqu à ce jour sur la reconnaissance des personnes
par l iris.
Dans le Chapitre 4, nous nous focaliserons sur la problématique des systèmes
d iris en lumière visible. Nous expliquerons comment nous avons utilisé la couleur pou
r
pallier au problème du manque d information de texture dans ce genre d images
contrairement aux travaux disponibles dans la littérature qui utilisent eux l inform
ation de
la texture de l iris. Nous avons montré sur une base d images d iris dégradées une nette
amélioration des performances par rapport aux résultats de l état de l art quand les
conditions sont contrôlées. En mode non contrôlé, les performances chutent fortement
quand la couleur est utilisée. Ces résultats restent préliminaires.
Dans le chapitre 5 nous exposerons comment nous avons mis en oeuvre un
modèle statistique à base de GMM pour une utilisation sur des images d iris. Ce modèle
permettra, grâce à un apprentissage sur une base d imagette de bonne qualité, c'est-à-dire
qui correspond à des images de texture d iris nettes et non recouvertes par l occlusio
n, de
caractériser une texture propre d une texture bruitée.
Dans le chapitre 6, nous détaillerons les deux nouvelles méthodes de
segmentation que nous avons développées et nous les comparerons à celles proposées par
l état de l art. Nous avons proposé une méthode de segmentation basée sur le modèle à
apprentissage statistique, le modèle de mixtures de gaussiennes détaillé dans le chapi
tre 5.
Nous avons aussi mis en oeuvre une méthode de segmentation basée sur les contours
actifs. Ces deux méthodes testées sur des bases où les images d iris sont de qualités
dégradées montrent une amélioration nette sur les performances d un système d iris
quand ces méthodes sont utilisées en lieu et place des méthodes de segmentation
standards.
Dans le chapitre 7, nous définirons une mesure de qualité probabiliste basée sur
les GMM. Nous comparerons son comportement à d autres méthodes standard de mesure
de qualité d iris sur différents types de bruits qui peuvent corrompre l image d iris
comme l occlusion et le flou. Dans le cas de l occlusion, nous comparerons la mesure
par
GMM à la méthode basée sur les contours actifs pour la détection des cils et des
paupières. Dans le cas du flou, les comparaisons seront effectuées par rapport à des
méthodes standards basées sur les gradients, Fourier et les transformées par ondelette
s.
Pour cette dernière configuration, nous avons développé un nouvel indicateur capable d
e
détecter du flou dans l image d iris. les expériences montrent une amélioration nette des
performances quand la méthode à base de GMM est appliquée indépendamment de la
nature du bruit impliqué.
11
Le chapitre 8 présentera notre système de reconnaissance par l iris, ses différents
modules, son originalité et sa robustesse vis-à-vis des images dégradées. En effet, nous
avons proposé une méthode dont l originalité est basée sur la fusion entre des mesures de
qualité et des mesures de corrélation locale. Cette fusion est inédite tant au niveau
de
l utilisation de nouveaux paramètres de corrélation (autre que la valeur du pic) que d
ans
la fusion des ces mesures de corrélation avec les mesures de qualité.
Dans le chapitre 9 nous montrerons les résultats de nos expériences sur plusieurs ba
ses
d iris qui indiquent que les solutions que nous proposons sont robustes et donnent
de bons
résultats, comparables voire supérieurs à ceux de l'état de l'art. En plus des bases
publiques disponibles, nous avons testé plusieurs de nos approches sur la base
d évaluation internationale organisée par le NIST, ICE (Iris Challenge Evaluation).
Parallèlement à ces évaluations nous avons testé nos méthodes sur des bases privées
certaines provenant de projets nationaux comme IV2 (Identification par l Iris et l
e Visage
via la Vidéo) et du projet européen : BioSecure.