چکیده:
امروزه روش های تشخیص هویت بر اساس ویژگی های بیومتریک از اهمیت فراوانی برخوردار شده اند. در این میان تشخیص هویت بر اساس بافت عنبیه به علت دقت بالا و امنیت بسیار مطلوبی که توسط آن به دست می آید، از اهمیت خاصی برخوردار است. سامانه ارایه شده شامل الگوریتم جداسازی عنبیه از تصاویر چشم مبتنی بر دو روش استفاده شده از عملگرهای شکل شناسی و آستانه یابی است که می توانند مرزهای درونی و بیرونی عنبیه را به همراه مراکز و شعاع های آن مشخص سازند. ناحیه استخراجی پس از نرمالیزه شدن، به یک نوار مستطیلی با ابعاد ثابت نگاشت می شود. در نهایت با استفاده از تبدیل رژلت و استفاده از ضرایب مرحله سوم تبدیل موجک یک بعدی، برای هر تصویر عنبیه، یک کد باینری تولید می شود. با استفاده از یک طبقه بندی کننده شامل معیار فاصله های همینگ، کد به دست آمده از هر تصویر ورودی با کدهای ذخیره شده در بانک اطلاعاتی مقایسه شده و با تعریف یک آستانه، تشخیص هویت صورت می گیرد. نتایج به دست آمده با استفاده از چند نوع الگوریتم پیشنهادی در نهایت بر روی پایگاه تصاویر CASIA، درصد موفقیت حدود 97/596درصد و میانگین زمان 490میلی ثانیه را نتیجه داده است که نشان دهنده دقت و سرعت بالای الگوریتم پیشنهادی است.
Nowadays, the methods of identification based on biometric characteristics
are important. The identification based on iris texture due to the high
accuracy and very good security, which are obtained, is especially important.
The proposed system includes algorithm to separate the iris of the eye images
based on two used methods from Configuration operators and terms of the
threshold, that can be determined the internal and external boundaries of the iris
with its center and radius. Extraction area, after being normalized, is mapped
to a rectangular strip of fixed dimensions. Finally, using the Rozhlet conversion
and coefficients of the third stage of one-dimensional wavelet, For each iris
image, a binary code is produced. By using of a classifier consisting of Hmyng
distances scale, resulted Code from each input image, compared with the stored
codes in the database, and with defining a threshold, identification is done.
Finally, the obtained results by using of several types of offering algorithm on
the images site of CASIA, the success percent of about 97.965% and average
time of 490 milliseconds are obtained that indicates the accuracy and high
speed of offering algorithm.
خلاصه ماشینی:
"نتیجه حاصل از هموارسازی هیستوگرام و استفاده از فیلتر وینر در شکل (5) نشان داده شده است : شکل5- نتیجه حاصل از فیلتر میانگین هموارسازی هیستوگرام و استفاده از فیلتر وینر 4- برای به دست آوردن یک سیستم شناسایی دقیق بر اساس هویت افراد، اطلاعات مهم موجود در بافتهای عنبیه که مبین تفاوت هویت افراد هستند، باید از تصاویر استخراج شوند.
موجک 1 بعدی طول بردار دقت (%) زمان تطابق(ms) زمان استخراج ویژگی (ms) مجموع زمان (ms) Harr 399 965/97 6/225 197 6/422 Db1 582 5/96 8/229 1/200 9/499 Db2 584 66/97 1/301 9/199 501 Db3 586 55/96 4/298 9/198 3/497 Db4 586 97 9/300 4/198 3/499 Db5 589 55/96 1/301 9/198 500 Sym1 582 97 8/297 9/201 499 Sym2 584 25/97 2/299 6/201 8/500 Sym3 586 97 1/303 9/201 505 Sym4 588 015/97 9/297 7/202 6/500 Sym5 589 05/97 9/301 9/200 8/502 Coif1 586 65/97 8/299 3/201 1/501 Coif2 591 45/96 1/301 9/200 502 Coif3 596 5/96 1/302 207 1/509 Coif4 602 96 4/306 201 4/507 Coif5 607 5/96 8/310 202 8/512 شکل 8- در این روش برای غلبه بر مشکل دوران همان طور که مشاهده میشود با انتقال کد تهیه شده برای هر عنبیه به سمت راست و چپ به دنبال بهترین تطابق که همانا داشتن کمترین فاصله همینگ است، میگردیم."