پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی

word
105
413 KB
30899
1390
کارشناسی ارشد
قیمت: ۱۳,۶۵۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی

    پایان نامه برای دریافت درجه کارشناسی ارشد (MSC)

    گرایش برق الکترونیک

    چکیده پایان نامه (شامل خلاصه، اهداف، روش های اجرا و نتایج به دست آمده) :

    یک سامانه بیومتریک بر اساس مشحصه های منحصر بفرد در هر فرد اقدام به شناسایی خودکار افراد می کند.یک سامانه شامل چندین مرحله می باشدتا بتواند یک شخصی را شناسایی کند.این مراحل عبارتند از 1)گرفتن تصویر 2)جداسازی و ایزوله کردن ناحیه عنبیه در تصویر گرفته شده 3) نرمال سازی 4)استخراج ویژگی و تطابق. ما در این پروژه سعی داریم درباره جداسازی ناحیه عنبیه از تصویر گرفته شده صحبت کنیم.مرحله جداسازی خیلی مهم و حساس می باشد چون کدهای ساخته شده مبتنی بر این نواحی نیز متعاقبا دقیق نبوده و این اطلاعات اشتباه در مرحله ثبت نام به سامانه داده می شود. پژوهش ارائه شده در این پایان نامه ارائه دو راهکار ناحیه بندی دقیق عنبیه بر اساس ویژگیهای بافت روشنایی است.راهکار اول با استفاده از روش کانتور فعال است.در این روش با استفاده از مقادیری که از تصویر ورودی بدست می آوریم معادله یک بیضی را به ما می دهد که این بیضی بیانگر ناحیه عنبیه مورد نظر می باشد.این برنامه بر روی 100 تصویر از مجموعه تصاویر مرجع شناخته شده (کاسیا)آزمایش گردید درصد موفقیت حدود89% را بهمراه خطای معادل11%  نتیجه داده است.راهکار دوم استفاده از موجک و ژنتیک می باشد.با استفاده از ضرایب موجک تصویر ورودی،دایره ای را بدست می آوریم که این دایره توسط برنامه ژنتیک بر روی کمترین مساحت ممکن قرار می گیرد که این کمترین مساحت،همان ناحیه عنبیه ذکر شده خواهد بود.درصد موفقیت حدود83.5% را بهمراه خطای معادل16.5% نتیجه داده است.نشان داده شده است که شناسایی افراد از طریق تصاویر عنبیه با روش های پیشنهادی دارای نتایج قابل اعتنا و دقیق در بین روشهای موجود می باشد.

    معرفی

     بیان مساله:

    یک سامانه بیومتریک براساس مشخصه های منحصر به فرد موجود در هر فرد اقدام به شناسایی خودکار افراد می کند. شناسایی از طریق تصاویر عنبیه هم اکنون به عنوان یکی از مطمئن ترین و قابل اطمینان ترین روش ها مطرح می باشد. بیشتر محصولات تجاری در زمینه  عنبیه براساس الگوریتم ثبت شده پیشنهادی داگمن ساخته شده اند که قابلیت شناسایی 100٪ را دار می باشند ولی الگوریتم های ارائه شده در مقالات تحت شرایط مطلوب آزمایش و بدون در نظر گرفتن مشکلات عملی گزارش می شوند. پژوهش ارائه شده در این پایان نامه شامل ناحیه بندی تصاویر عنبیه چشم با استفاده از ویژگی های مبتنی بر  بافت روشنایی می باشد. برای بررسی قابلیت کارکرد این الگوریتم مجموعه ای از تصاویرکاسیا  به عنوان آ‌زمایش بکار برده شد. روش ارائه شده شامل ناحیه بندی تصاویر عنبیه چشم مبتنی بر دو روش کانتورهای فعال و الگوریتم ژنتیک می باشد  که می توانند مرزهای درونی و بیرونی عنبیه را به همراه مرکز و شعاع های آ‌ن مشخص سازند .نتایج بدستآمده با استفاده از چند نوع الگوریتم پیشنهادی در نهایت بر روی تصاویر CASIA که شامل 756 تصویر از 108 نفر است آزمایش گردیده است درصد موفقیت حدود 89%را به همراه نرخ خطا11 ٪ نتیجه داده است.

    1-2       هدف های تحقیق:

    در اینجا هدف ما این است که با استفاده از ویژگیهای بافت روشنایی ناحیه بندی بهتری انجام دهیم

    یا به عبارت دیگربه کمک روش هایی، ناحیه بندی را بهبود بخشیم.‏

    1-3اهمیت موضوع تحقیق وانگیزش انتخاب آن:

    شناسایی از طریق تصاویر عنبیه هم اکنون به عنوان یکی از مطمئن ترین وقابل ترین روش ها مطرح می باشد. این پایان نامه شامل ناحیه بندی عنبیه با استفاده از ویژگیهای مبتنی بر بافت روشنایی می باشد.

    1-4       سوالات و فرضیه های اصلی مساله:

    سوال تحقیق:

    آیا میتوان یک الگوریتم جدید طراحی و پیاده سازی کردکه شناسایی از طریق عنبیه چشم از قابل اطمینان بالایی برخوردار باشد؟

     فرضیه های تحقیق:

    درناحیه بندی تصاویر چشم پارامترهای زیادی وجود دارندکه باید در ابتدا مشخص شوند.ابتدا باید مرز عنبیه با صلبیه مشخص شودسپس پیدا کردن مردمک به کمک تبدیل موجک و در نهایت تست کردن تکنیک ها روی database، این پارامترها تاثیر زیادی در عملکرد تشخیص هویت دارند.به نظر میرسد اگر بتواندر حین ناحیه بندی این پارامترها را دقیقا بدست آورد می توان ناحیه بندی را با کمترین خطا انجام داد.

     

     5-1        فناوری بیومتریک

    بشراز عهد قدیم تاکنون ازخطوط انگشت برای شناسایی اشخاص استفاده می­کند. چنانکه یک قرارداد بازرگانی درچین متعلق به1200سال پیش پیداشده است که پایآن قرارداد را طرفین معامله انگشت زده و امضانموده اند. هنوز هم درخاوردور در پشت کتاب ها درمحل نوشتن اسم، اثرانگشت مالک کتاب دیده می­شود. اولین بار درسال 1870میلادی استفاده از اندازه گیری قسمتهای مختلف استخوان بندی بدن زندانیان توسط فردی فرانسوی به نام برلیتون معرفی شد که این سیستم تا سال1920 درایلات متحده آمریکا مورد استفاده قرار می گرفت. درسال1880میلاد استفاده از اثرانگشت و صورت پیشنهاد شد. در برگ شناسایی که پس ازجنگ جهانی دوم در آلمان برای اشخاص صادر می­گردید، اثر انگشت صاحب برگ هم ضبط می­شد.با پیشرفت علم پردازش سیگنال در دهه1960 علاوه­بر موارد قبلی، از صدا و امضاء نیز استفاده می شد.مویرگ های شبکیه مورد بعدی بود که در دهه 1980 عملی شد. باوجود اینکه استفاده ازعنبیه درسال 1936پیشنهاد شده بود استفاده از آن در1993عملی شد. در جامعه  مدرن امروزی با توجه به رشد سریع اقتصاد در سرمایه گذاری افزایش نیاز به تشخیص هویت یا تاییدهویت افراد احساس می شود. وقتی که اعطای دسترسی برای انجام کاری لازم باشد به عنوان مثال وورد به مکانی ممنوعه یا حضور و غیاب افراد یک شرکت، اعطای اجازه عموما به صورت صدور امتیاز برای یک فرد یا یک گروه خاص می باشد.در این فصل به بررسی فناوری بیومتریک خواهیم پرداخت.

     

     

    1-5-1    معرفی فناوری بیومتریک[1]:

    تشخیص هویت انسان بعنوان یک مسأله امنیتی از دیرباز مورد توجه بوده است. امروزه، با گسترش تکنولوژی و نیاز به امنیت بیشتر در جوامع، باعث شده است تا انسان بدنبال روش های سریع­تر و مطمئن­تری برای شناسایی افراد باشد. روش­های تشخیص هویت با گذشت زمان دقیق­تر و قابل اطمینان­تر شده است.روش­های تشخیص هویت معمولاً بر سه قسم است:

    1-دارایی­ های یک شخص، مانند کلید، کارت­مغناطیسی و کارت هوشمند.

    2- از طریق دانش، مانند کلمه عبور و شماره تشخیص هویت.

     3- خاصیت بیومتریک.

    بیومتریک استفاده­ی اتوماتیک یا نیمه اتوماتیک ازویژگیهای فیزیولوژیکی یاویژگیهای رفتاری بدن انسان و تحلیل آن به منظور شناسایی فرد است. هرکدام ازروشهای مورداستفاده دارای نقاط ضعف وقدرتی هستندکه باترکیب آنهابادیگرروشهای امنیتی میتوان ضعف های موجودرا ازبین برد. سیستم بیومتریک طوری طراحی شده که به جای استفاده ازچیزی که دارید مثل یک کلیدویاچیزی که می دانیدمثل کلمه رمز،ازآنچه که وجود انسان راساخته استفاده می کند.چیزهایی که هیچگاه گم،دزدیده ویافراموش نمی شوند. همچنین در فرایند تشخیص هویت، شخص باید حضور داشته باشد و لازم نیست تا اطلاعاتی راحفظ یا یادآوری کند. به همین دلیل کارشناسان این شیوه شناسایی رابسیار ایمن ترومطمئن ترازهرروش دیگری می دانند.در سامانه بیومتریک با دو اصل مواجه هستیم:[1]

    تشخیص هویت

    تصدیق هویت

    سیستم بیومتریک قادراست تأییدکندکه آیا شخص همان شخصی است که ادعا می کندیاخیر .همچنین بادریافت اطلاعات شخص ومقایسه آن بافایلهایی که ازخود شخص درگذشته ذخیره کرده،هویت راتشخیص دهد.درواقع تصدیق،مقایسه یک به یک است. بعنوان مثال درتصدیق هویت توسط دست،الگوی دست اسکن شده باالگوی دست فردی که ادعا می کند مقایسه می شود.درحالیکه تشخیص هویت مستلزم این است که یک ویژگی شخص راباهمان ویژگی تمام افرادی که ذخیره شده اند مقایسه کند. مثلااثرانگشت شمارا باتمام اثرانگشت های ذخیره شده مقایسه می کند ودرنهایتاگرقبلاً ذخیره شده باشدشخص راخواهد شناخت. تفاوت این دو در (شکل 1-2) و (شکل 2-2 ) به خوبی نمایان شده است.

     

     

     

     

     

     

     

    (شکل 1-1) تشخیص هویت.

     

    (شکل 1-2 ) تصدیق هویت.

    روش های قدیمی موجود را می توان با توجه به فناوری مورد استفاده در آن ها بر مبنای3  خاصیت عمده تقسیم بندی نمود ]1[مالکیتی- دانستنی – بیومتریک .

    در رابطه با مشکلات روش های قدیمی به عنوان مثال سامانه های خودپرداز بانک وقتی یک شخص بخواهد از کارت خود استفاده کند لازم است که شماره تشخیص هویت شخصی خود را وارد کند تا بتواند پول خود را بر دارد فاز تایید/تشخیص هویت براساس چیزی (کارتی) است که شخص دارد و همچنین اطلاعاتی که شخص با خود دارد که یک مشکل بالقوه می باشد مثلا کارت در این سامانه ممکن

    است دزدیده شود رمز عبور آسیب پذیر است بخصوص که این شخص پشت سر شما موقع وارد کردن رمز به دست شما نگاه می کند. با اینحال برای کسی که کارت را دزدیده است استفاده از کارت در حالی که رمز عبور را نمی داند مشکل خواهد بود. این مثال ساده  نشان می دهد که به تنهایی استفاده از این روش ها ممکن است کارآمد نباشد استفاده از روش های بیومتریک به تنهایی یا به کمک روش های ذکر شده می تواند به عنوان سامانه تشخیص هویت مورد استفاده قرار گیرد. بعضی از موارد تشخیص هویت بیومتریکی  شامل اثر انگشت[2]، هندسه دست[3]، شبکیه[4]، عنبیه[5]،صورت[6] ، امضاءو لحن[7] صدا می باشند. تشخیص هویت بیومتریک نسبت به روش های قدیمی ترجیح داده می شوند (رمز عبور ، کارت های هوشمند).چون اطلاعات آن ها نمی توانند بطور مجازی دزدیده شوند اگرچه در بعضی از موارد ممکن است روش هایی برای جعل هویت در بیومتریک نیز وجود داشته باشد. مثال برداشتن اثر انگشت افراد از روی سنسور دستگاه تشخیص اثر انگشت]2.[ مهمترین اشکال این روش هاعبارتند از:

    1-مالکیت اعطایی ممکن است گم شده یا جعل شود یا به راحتی نسخه دوم آن را ساخت 2- اطلاعات می توانند دزدیده شوند 3- اطلاعات و مالکیت هر دو با هم می توانند به طور عمومی مورد استفاده قرارگیرند.

     

     

     

    (شکل 1-3) روش های بیومتریک

    1-5-1-1   اثرانگشت

    اثر انگشت شاید از قدیمی ترین روش­های بیومتریک باشد]2[. در روش­های قدیمی از جوهر برای گرفتن اثر انگشت در یک کاغذ استفاده می­شد.سپس این کاغذ اسکن می­شدند. در روش­های امروزی

    دیگر خبری از جوهر نیست. برای ثبت اثر انگشت از اسکنرهایی نوری، حرارتی، سیلیکونی یا فراصوتی استفاده می­کنند ]3[. (شکل 1-4) یک نمونه از تصویر اثر انگشت های بدست آمده از اسکنرهای نوری، سیلیکونی و فراصوتی را نشان می­دهد.

     

     

                          (پ)               (الف)                       (ب)                                                 

    (شکل 1-4)یک نمونه از اثرانگشت­ های بدست آمده با اسکنرهای مختلف.

    معایب تصویربرداری از انگشت عبارت است از نیاز به تماس فیزیکی با حسگر نوری واحتمال به دست آمدن تصویر باکیفیت پایین به دلیل کثیف بودن انگشت یا زخم ویا کارسخت برای مدت طولانی که باعث تغییر شکل انگشت می شود ]3[.

    1-5-1-2    شبکیه چشم

             تشخیص هویت با شبکیه برمبنای رگ­های خونی موجود در شبکیه چشم است. تکنولوژی شبکیه در تشخیص هویت قدیمی­تر از عنبیه است. اولین سیستم­ اسکنر شبکیه در سال 1985 مورد استفاده قرار گرفت. بزرگترین اشکال شبکیه متمایل به داخل بودن آن است بنابراین اسکن کردن آن مشکل است. شبکیه بطور مستقیم قابل رویت نیست بنابراین یک منبع نوری مادون قرمز همدوس لازم است تا شبکیه را نمایان کند. (شکل 1-5)یک نمونه از شبکیه با رگ­های خونی را نشان می دهد. شبکیه برای سیستم­هایی با امنیت بالا کاربرد دارد.

     

    (شکل 1-5) شبکیه چشم

    1-5-1-3    هندسه دست

           این روش بر مبنای تغییرات هندسه دست می­باشد.سامانه هندسه دست یک تخمین از ویژگی­های هندسی دست از قبیل طول وعرض فراهم می­کند. اسکنرهای متداول که امروزه مورد استفاده قرار می­گیرنداسکنرهای نوری می­باشد. اسکنرهای نوری بعد از گرفتن تصویر دست از آشکارساز لبه برای محاسبه ویژگی­های دست استفاده می­کند]3[ و]4[. با استفاده از هندسه دست نمی توان یک نفر را ازبین چندنفر جستجو کردو  فقط به تایید هوییت یک فردخاص محدود می شودکه باعث ناکارآمدی در کاربرد های جستجومی شود.

    1-5-1-4      تصدیق صدای گوینده

         از صدای گوینده آنالیز و برای تشخیص هویت آن مورد استفاده قرار می­گیرد. بین تشخیص نطق و تصدیق صدای گوینده تفاوت وجود دارد. در تشخیص نطق، آنچه گفته می­شود مهم است و شناسایی می­شود اما در تصدیق صدای گوینده، خود گوینده مهم بوده و شناسایی می­شود. تصدیق صدای گوینده بر روی ویژگی­های آوایی شخص متمرکز می­شود و با صدا و تلفظ گوینده سروکار ندارد. ویژگی­های آوایی به ابعاد و کشش آوا، دهان و فضای بینی بستگی دارد. بزرگترین مزیت این سامانه بی­نیازی آن به سخت­افزار خاصی است. با یک میکروفن ساده می­توان صدا را ضبط کرد. بزرگترین عیب آن­ها حساس بودن آن­­ها به نویز است که باعث می­شود از دقت کار کاسته شود. همچنین شخص می­تواند با تغییر در صدا و بیان هجاها سیستم را به اشتباه مواجه کند.

    1-5-1-5       کف دست

    در این سیستم از خطوط و انحراف­های کف دست برای شناسایی استفاده می­شود. با توجه به اینکه کف دست آسیب کمتری نسبت به انگشتان می­بیند و مساحت بیشتری نسبت به انگشتان دارد انتظار می­رود تا از امنیت بالاتری برخوردار باشند]5[و]6[. ساده بودن روش اندازه­گیری خطوط کف دست و آسیب دیدن این خطوط با کار کردن و حتی با کثیف شدن کف دست، باعث کاهش کارایی سیستم می­شود]7[.

    1-5-1-6      عنبیه

         عنبیه یک ناحیه رنگی از چشم است. میزان رنگ آن بستگی به غلظت رنگدانه­های ملانین دارد.ناحیه دایروی در مرکز عنبیهمردمک نام دارد. عنبیه با ماهیچه هایی بسیار کوچک اندازه مردمک را گشاد یا تنگ می­کند. ماهیچه تنگ کننده که در لبه مردمک قرار دارد باعث تنگ شدن مردمک در هنگام تابیدن نور می­شود. ماهیچه گشاد کننده بصورت شعاعی به عنبیه متصل بوده و باعث گشاد شدن مردمک در محیط کم نور می­شود]8[. ناحیه عنبیه به شکل مخروط بریده شده وسه بعدی است،که ازطرف قاعده به ناحیه مژگانی چشم وصل شده است و ازطرف سر دورمردمک قرارگرفته است این قسمت ازعنبیه ناحیه ای است که دیده می شود و از تصاویرآن به عنوان بیومتریک استفاده می شود. ساختار عنبیه از سومین ماه جنینی شکل می­گیرد و الگوی آن تا دو یا سه سال اول زندگی تثبیت می­شود. بافت عنبیه به عوامل  ژنتیکی وابسته نبوده  بلکه به محیط اولیه جنین وابسته است.

    به همین دلیل است که حتی عنبیه­های چپ و راست یک شخص نیز شبیه هم نیست]9[ و ]10[. (شکل 1-6) تصویر عنبیه را نشان می­دهد.

     

    (شکل 1-6)  تصویر عنبیه.

    تشخیص هویت مبتنی برتصاویر عنبیه شامل تجزیه وتحلیل ویژگیهایی است که در بافت رنگی چشم محصور بین مردمک وعنبیه قرار دارند. بافتهای پیچیده عنبیه می توانند شامل ویژگیهای مشخص وفراوانی از قبیل:  شیارها و برآمدگی ها، بافت های زیگزاگی، حلقه هاولکه ها باشند]11[. منحصر به فرد بودن بافت های عنبیه باعث شده­است تا این سامانه بعنوان یک روش دقیق و کارآمد در تشخیص هویت بکار گرفته شود.

     

     

    1 -5-2مزایا ومعایب روش بیومتریک:

          بسته به روش بیومتریک بکار گرفته شده در سامانه مورد استفاده ،تشخیص / تایید هویت می تواند در ثانیه یا کسری از آن صورت پذیرد . رقابت امروزی بین این دستگاه ها در زمان پردازش و صحت پاسخ دهی آن ها می باشد.

     

    [1] Biometric

    [2] Finger Print

    [3] Hand Geometry

    [4]Retina

    [5] Iris

    [6] Face

    [7] Signature

    Abstract

    A biometric system provides automatic identification based on unique feature of an individual. iris recognition system is divided into four steps .iris segmentation, iris normalization, feature extraction and matching . in these steps. iris segmentation  is an important step. Correct segmentation increase iris recognition accuracy in other steps.

    The work that is presented in this thesis includes design and developing of a new  iris  recognition  system. The  proposed  system consists of two methods of iris segmentation on the basis intensity texture feature .the first approach is using an active contour. The first approach in this method using input value that obtains the equation of an ellipse that the ellipse indicate that iris desired.

    We evaluated the proposed method on the CASIA iris database version 1.0. there are 756 grayscale iris image from 108 eyes. the size of the image 320 ×280 pixel. The experimental results showed 89% success rate with equal error rate of 11%.

    The second approach is the use of waveletg and genetic.we got a circle using input image wavelet coefficients. This circle with genetic algorithm placed on minimum area. The experimental results showed 83.5% success rate with equal error rate of 16.5%.

    This technique showed that relying on a smaller but more reliable part of the iris, though reducing  the  net amount of information ,improves the overall performance.

     

  • فهرست و منابع پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی

    فهرست:

     

    فصل 1: معرفی.. 2

    1-1بیان مساله. 2

    1-2هدف های تحقیق.. 3

    1-3اهمیت موضوع تحقیق و انگیزش انتخاب آن. 3

    1-4سوالات و فرضیه های مساله. 3

    1-5 فناوری بیومتریک... 4

    1-5-1معرفی فناوری بیومتریک... 5

    1-5-1-1  اثرانگشت... 9

    1-5-1-2  شبکیه چشم. 10

    1-5-1-3  هندسه دست... 11

    1-5-1-4  تصدیق صدای گوینده 11

    1-5-1-5  کف دست... 12

    1-5-1-6  عنبیه. 12

    1-5-2  مزایا و معایب روش بیومتریک... 14

    1-5-2-1  آسیپ پذیری بیومتریک... 15

    1-6  سامانه تشخیص هویت با استفاده از عنبیه. 16

    1-6-1 اخذ تصویر. 17

    1-6-2  ناحیه بندی عنبیه. 18

    1-6-3   نرمال سازی عنبیه. 18

    1-6-4   استخراج و رمز گذاری ویژگی ها 19

    1-6-5   تطابق.. 19

    1-7   روند پایان نامه. 19

    فصل 2:  عنبیه چشم. 22

    2-1معرفی عنبیه چشم. 23

    2-2بازشناسی هویت از طریق تصاویر عنبیه چشم. 25

    2-2-1 سامانه تشخیص هویت عنبیه چگونه کار می کند. 25

    2-3 مروری بر روش های موجود. 27

    2-3-1  روش چن.. 27

    2-3-2  روش فت... 29

    2-3-3 روش کانگ... 33

    2-3-4 روش باسیت... 34

    2-3-5 روش ادم. 36

    2-3-6 روش میرزا 38

    2-3 -7 روش آناپورانی.. 41

    2-3-8  تبدیل هاف... 45

    2-3-9 مدل های کانتور فعال. 48

    2-4 مروری بر دیگر روش های موجود. 48

    2-4 -1 جداسازی عنبیه و پلکها از تصویر چشم. 48

    2-4-2 جداسازی مرز داخلی و محاسبه شعاع ومرکز مردمک... 49

    2-4-3 جداسازی مرز خارجی و محاسبه شعاع و  مرکز عنبیه چشم. 50

    2-5 خلاصه ای از روش های موجود بکار گرفته شده 51

    2-6 نتیجه گیری.. 55

    فصل 3: ناحیه بندی عنبیه. 56

    مقدمه. 57

    3-1  ناحیه بندی عنبیه. 57

    3-2 موجک... 58

    3-2-1 انواع تبدیل موجک...............................................................................................59

    3-2-1-1 تبدیل موجک پیوسته........................................................................................59

    3-2-1-2 تبدیل موجک گسسته........................................................................................60

    3-2-1-3 تبدیل موجک دو بعدی.....................................................................................63

    3-3 کانتور های فعال.........................................................................................................65

    3-3-1 کانتور های فعال پارامتری......................................................................................66

    3-3-2 کار انجام شده در پایان نامه...................................................................................69

    3-4 الگوریتم ژنتیک...........................................................................................................69

    3-4-1 تاریخچه الگوریتم ژنتیک.........................................................................................70

    3-4-2 قانون انتخاب طبیعی...............................................................................................71

    3-4-3 الگوریتم ژنتیک چگونه کار می کند؟.....................................................................72

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    3-4-4 بعضی از اصطلاحات الگوریتم ژنتیک....................................................................73

    3-5  ناحیه بندی عنبیه........................................................................................................74

    3-5-1  منطقه بندی عنبیه...................................................................................................75

    3-6  جداسازی مرزها بر اساس کانتورهای فعال....................................................................76

    3-6-1 مقدمه ای بر روش های جداسازی دایره....................................................................76

    3-6-2  جداسازی مرزها....................................................................................................78

    3-7روش بکار گرفته شده در پایان نامه.................................................................................79

    3-7-1روش اول...................................................................................................................79

    3-7-2 روش دوم.................................................................................................................79

    3-7-1-1 توضیحروش های بکار گرفته شده.......................................................................79

    3-8 نتیجه گیری..................................................................................................................91

    فصل4:آزمایشها ...........................................................................................................................................92

    مقدمه. ...................................................................................................................................93

    4-1 تصاویر مرجع.............................................................................................................. 93

    4-2  عملکرد روش کانتور فعال. .........................................................................................94

    4-2-1تست روش کانتور فعال بر روی 100تصویر............................................................ 94

    4-2-2 نتایج بدست آمده از تست روش کانتور فعال. ..........................................................96

    4-2-3 تحلیل نتایج بدست آمده از برنامه. ............................................................................97

    4-3روش موجک و ژنتیک... ..................................................................................................98

    4-3-1 تست روش موجک و ژنتیک بر روی 100تصویر. ....................................................98

    4-3-2 نتایج بدست آمده ازتست روش ژنتیک و موجک... 100

    4-3-3 نتایج بدست آمده ازتست روش ژنتیک و موجک... 101

    4-4 نتایج حاصل از دیتابیس هایCASIAو MMU.. 102

    4-5 نتایج دیگری از تحقیقات بر روی دیتابیس مورد نظر. 103

    4-6 نتیجه گیری.. 104

    فصل5:  نتیجه گیری و پیشنهادها 105

    مقدمه. ..............................................................................................................................106

    5-1بررسی نتایج حاصل از روش کانتور فعال. 106

    5-2بررسی نتایج حاصل از روش موجک و ژنتیک... 107

    5-3  بررسی نتایج حاصل از دیتابیس های CASIAو MMU.. 107

    5-4 بررسی نتایج دیگری از تحقیقات بر روی دیتابیس مورد نظر. 108

    5-5 جمع بندی.. 108

    5-6 پیشنهادهایی برای ادامه تحقیق.. 109

    مراجع  102

     

     

     

     

    فهرست اشکال

    فصل اول

    شکل(1- 1)تشخیص هویت... 7

    شکل(1- 2)تصدیق هویت... 7

    شکل(1- 3) روش های بیومتریک... 9

    شکل(1- 4) یک نمونه از اثرانگشت­ های بدست آمده از با اسکنرهای مختلف. 10

    شکل(1- 5) شبکیه چشم. 11

    شکل(1- 6) تصویر عنبیه. 13

    شکل(1- 7) سامانه تشخیص هویت.. 16

    شکل(1- 8) تصویر چشم از پایگاه داده کاسیا.. 17

     فصلدوم

    شکل(2- 1) نمای روبرو از چشم. 23

    شکل(2- 2) بافت شناسی پشم و وجزییات مربوط به آن. 25

    شکل(2- 3)ناحیه بندی مردمک در روش فت... 30

    شکل(2- 4) مرزهای بیرونی و درونی عنبیه. 31

    شکل(2- 5) ناحیه بندی پلک های بالا و پایین. 32

    شکل(2- 6)ناحیه بندی مرزهای داخلی و بیرونی عنبیه با روش باسیت. 35

    شکل(2- 7) یک نمونه از ناحیه بندی پلک ها به روش باسیت... 35

    شکل(2- 8)نگاشت لبه. 36

    شکل(2- 9)انتخاب نهایی لبه. 37

    شکل(2- 10)یک نمونه از ناحیه بندی پلک ها 38

    شکل(2- 11)پنجره ای برای تشخیص پلک ها. 39

    شکل(2- 12)تشخیص پلک و مژه 40

    شکل(2- 13)ناحیه بندی مردمک... 42

    شکل(2- 14)تصویر گرادیانی لبه. 43

    شکل(2- 15)ناحیه بندی مردمک، عنبیه و پلک به روش آناپورانی. 44

    شکل(2- 16)ناحیه بندی مردمک و عنبیه و پلک... 45

    شکل(2- 17)چند نمونه ار ناحیه بندی مردمک... 46

    شکل(2- 18)تصویر باینری.. 47

    شکل(2- 19)جداسازی مرز داخلی و مردمک... 49

    شکل(2- 20)محاسبه شعاع مردمک... 49

    شکل(2- 21)مرز داخلی عنبیه با مردمک... 50

     

    منبع:

    [1]     B. Miller, “Vital signs of identify,” in IEEE Spectrum, vol. 31, no.2,pp. 22-30,1994.

    [2]Zdene&Václav, 1999, Biometric Authentication Systems, publisher: Faculty of Informatics Masaryk University.

    [3]Reillo, 2000, 1168-1171, Biometric Identification through Han Geometry Measurements, IEEE Transactions on Intelligence, Vol. 22.

    [4]Shu&-Zhang, 2004, 2359-2362, Automated Personal Identification by Palmprint, optical Engineering ,Vol.37.

    [5]Zhang&Etal, 2003, 1041 - 1050, Online Palmprint Identification, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.25.

    [6]Shu&-Zhang, 1998, 219-223, Palm prints Verification: An Implementation of Biometric Technology, International Conference on Pattern Recognition, Vol. 1.

    [7]Nishino&-Nayar, 2004, 704-711, Eyes for relighting, ACM Transactions on Graphics, Vol.23.

    [8]Huang&Etal, 2002, 450-454, An Efficient Iris Recognition System, International Conference on Machine Learning and Cybernetics.

    [9]Wildes, 1997, 1348 – 1363, Iris recognition: an emerging biometric technology, ProceedingsoftheIEEE, Vol.85.

    [10]Daugman, 2004, 21-30, How Iris Recognition Works, IEEE on Transactions Circuits and Systems for Video Technology, Vol.14.

    [11]Sanderson&-Erbetta, 2000, 8, Authentication for secure environments based on iris scanning technology, IEE Seminar Digests, Vol. 2000.

    [12]Chinese Academy of Sciences, Institute of Automation, CASIA Iris Image Database(version 1.0), Available at:   http://www.sinobiometrics.com/resources.htm.

    [13]Bowyer&Etal, 2008, 281-307, Image Understanding for Iris Biometrics, Computer Vision and Image Understanding, Vol. 110.

    [14]Chen&Etal, 2006, 373-381, Localized Iris Image Quality Using 2-D Wavelet, International Conference on Biometrics.

    [15]Ng &Etal, 2008, 548-553, An Effective Segmentation Method for Iris Recognition System, International Conference on Visual Information Engineering.

    [16]Kong&-Zhang, 2003, 1025–1034, Detecting eyelash and Reflection for Accurate Iris Segmentation, Journalof Pattern Recognition and Artificial Intelligence.

    [17]Basit&Etal, 2007, 720-723, A Robust Method of Complete Iris Segmentation, International Conference onIntelligent and Advanced Systems.

    [18]Adam&Etal, 2008, 82-85, Eyelid Localization for Iris Identification, VOL. 17.

    [19]Mirza&Etal, 2009, 533-536, A robust eyelid and eyelash removal method and a local binarizationbased feature extraction technique for Iris Recognition System, IEEE International Multitopic

    [20]Annapoorani&Etal, 2010, 1492-1499, Accurate and Fast Iris Segmentation.

     

     

     

     

     

    [21]D,  Zhang,  Biometric  solution  for  authentication in an  E-world  . Kluwer Academics  publishers.Boston,2002.

    [22] TJAN&Etal, 2004, 3977-3980, Fast Algorithm and Application of Hough Transform in Iris Segmentation, International Conference on Machine Learning and Cybernetics, vol.7.

    [23] N.   Ritter,  “Location  of the pupil-iris   border  in slit-lamp images of the cornea, ” in IARP10thInternational    Conference  on  Image  Analysis  and  processing  (ICIAP ),pp. 740-745, Venice ,Italy ,September ,1999.

    [24] J.  Greco,  D.  Kallenborn,  and M. C, Nechyba, “Statistical pattern recognition of the  iris,”In  FCRAP,  17th annual  Florida  Conference  on the recent  Advances  in Robotics,  Floirida,December.2004.

    [25] L. Ma, Y.  Wang,  and  T.Tan,  “Iris recognition  using  circular  symmetric  filters,” in Processing Of  16th International  Conference  on  pattern  Recognition, vol.2, pp.414-417, Quebec,Canada     August, 2002.

    [26] H. Sung ,J. Lim , j. H. park , and Y. Lee, “Iris recognition  using  collarette    boundary  localization,”  in  processing  of the 17th  International  Conference  on pattern  recognition, Cambridge, Unite  Kingdon, 1051-4651,Augus 2004.

    [27] L.  Ma,   T.    Tan,  Y.  Wang,  and  D.  Zheng,   “Efficient  iris  recognition  by characterizing Key   local  variation,” in IEEE  Transaction  On Image  processing,vol.m13,no. 6,june 2004.

    [28] J.  Greco,  D.  Kallenborn,  and M. C, Nechyba, “Statistical pattern recognition of the  iris,” In  FCRAP,  17th annual  Florida  Conference  on the recent  Advances  in Robotics,  Floirida,December.2004.

    [29] W. W.  Boles, “A security  system   based   on   human   iris  identification  using  wavelet transform ,”  in  Engineering  Application  of  Artifical   Intelligence,  Elsevier  journal,pp.77-85, 1998.

    [30] J. Daugman,  Biometric  decision landscape,” in Technology  Report  no,TR482, university of Cambridge Computer  laboratory,2000.

    [31] J.  M.   H.  Ali,  and   A.  E.  Hassanien,  “An iris  recognition  system  to  enhance  e-security environment  based  on  wavelet  theory,”  in  Advanced  Modeling  and  Optimization  journal, vol.5 no. 2,2003.

    [32] L.  Ma,   T.    Tan,  Y.  Wang,  and  D.  Zheng,   “Efficient  iris  recognition  by characterizing Key   local  variation,” in IEEE  Transaction  On Image  processing,vol.m 13,no. 6,june 2004.

    [33] Chang&-Kou, 1993, 868–872, Texture Analysis and Classification with Tree-StructuredWaveletTransform,   IEEE Transactions on Image Processing, Vol.2.

    [34] J.  M.   H.  Ali,  and   A.  E.  Hassanien,  “An iris  recognition  system  to  enhance  e-security environment  based  on  wavelet  theory,”  in  Advanced  Modeling  and  Optimization  journal   vol.5 no. 2,2003.

    [35] Huiqiang, 2008, 994 – 997, Defining Iris Boundary Detail Method for Iris Localization, IEEE International Symposium on Knowledge Acquisition and Modeling Workshop.

    [36] Yan&-Xie, 2010, 678-681, Eyelid and Eyelash Detection Method Based on Morphology, International Conference on Computer and Automation Engineering.

    [37] Wildes&Etal, 1996, 1-8, A machine vision system for iris recognition, Conference on Machine Vision and  Applications, Vol. 9

    [38] H. Sung ,J. Lim , j. H. park , and Y. Lee, “Iris recognition  using  collarette  boundary  localization,”  in  processing  of the 17th  International  Conference  on pattern  recognition, Cambridge, Unite  Kingdon, 1051-4651,Augus 2004.

    [39]J.  M.   H.  Ali,  and   A.  E.  Hassanien,  “An iris  recognition  system  to  enhance  e-security environment  based  on  wavelet  theory,”  in  Advanced  Modeling  and  Optimization  journal,  vol.5 no. 2,2003

    [40]S. Noh,  K.  Pae,   C.  Lee, and   J.  Kim,  “  Multiresolution  independent  component  analysis  for  iris identification ,” in the 2002  International  Technical  Conference  on  Circuits/system Computer and Communication, phuket,  Thailand, 2002.

    [41]Chinese   Academy of  Science  -Institute  of  Automation. Database  of  756  Grayscale Eye Image. Available :  http://www.sinobiometrics.com, Version  1.0  ,2003



تحقیق در مورد پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, مقاله در مورد پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, پروژه دانشجویی در مورد پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, پروپوزال در مورد پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, تز دکترا در مورد پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, تحقیقات دانشجویی درباره پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, مقالات دانشجویی درباره پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, پروژه درباره پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, گزارش سمینار در مورد پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, پروژه دانشجویی در مورد پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, تحقیق دانش آموزی در مورد پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, مقاله دانش آموزی در مورد پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی, رساله دکترا در مورد پایان نامه ناحیه بندی عنبیه با استفاده از ویژگی های مبتنی بر بافت روشنایی

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس