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.