بخشی از مقاله
چکیده
امروزه سیستمهای بیومتریک یکی از فناوریهای برتر جهان است. این فناوری باعث افزایش امنیت و سرعت و سهولت شده است. در سیستمهای بیومتریک از دو ویژگی حیاتی و رفتاری افراد جهت تشخیص هویت استفاده میشود که این ویژگیها هر کدام انواع مختلفی دارند. ویژگیهای حیاتی مثل اثرانگشت، ساختار عنبیه، تصویر صورت و یا هندسه دست هستند و مشخصههای رفتاری که الگوهای رفتاری مشخص یک فرد هستند مثل دستخط و یا صدای فرد است.
برای شناسایی این ویژگیها نیاز به پردازش تصاویر داریم تا بتوانیم الگوهای متفاوت را از هم تشخیص دهیم. تاکنون مطالعات زیادی در حوزه پردازش تصویردر علم بیومتریک صورت گرفته است و الگوریتمهای بسیاری در این زمینه ارائه شده است. یکی از تکنیکهای پرکاربرد بیومتریک، تشخیص عنبیه میباشد که یکی از قابل اطمینانترین روشها در علم بیومتریک است. در مقاله حاضر پس از مروری بر تعریف، به بررسی مقالاتی در زمینه پردازش تصویر در عنبیه پرداخته شده است.
-1 مقدمه
درجوامع امروزی علم بیومتریک به ویژه درمورد مسائل امنیتی اهمیت زیادی پیدا کرده است. یکی از قابل اطمینانترین روشهای تعیین هویت در بیومتریک، استفاده از عنبیه است. چون هیچ دو انسانی دارای عنبیه با بافت ظاهری یکسان وجود ندار ند. عنبیه یک مجموعه پیچیده از ماهیچهها هستند که در جلوی چشم انسان قرار گرفته، بنابراین مشاهده و اندازهگیری آن آسان است و توسط قرنیه و پلک چشمانشدیداً محافظت میشود و احتمال آسیب دیدن آن در طول حیات انسان کم است. عنبیه در مقابل تغییرات ناشی از عوامل محیطی و یا دستکاریها در امان است. ساختار بافت عنبیه در طول حیات انسان غیرقابلتغییر و پایدار توصیف شده است و درجه بالایی از توانگری ساختاری وتقریباً وابستگی ناچیزی به نوع ژن انسان دارد و این روشی برای تشخیص دوقلوهای همسان هستند.
تعیین هویت براساس عنبیه با مبنای تصویری، در حال گسترش است که محور آن تشخیص عنبیه است و میتوان از آن به عنوان یک امضا و یا ابزار تشخیص هویت افراد استفاده کرد. علیرغم مزایایی که سیستمهای بیومتریکی دارا میباشند، اما بسته به نوع آنها امکان تقلب وجود دارد. حال آنکه عنبیه چشم از سامانههایی است که امکان تقلب در آن نسبت به سایر موارد کمتر است. گرچه در عنبیه هم عواملی مثل ضعیف بودن بینایی، درخشندگی زیاد و انعکاس نور در صورت وجود نور، از جمله فاکتورهایی هستند که میتوانند کارایی را تحتتاثیر قرار دهند ولی از لحاظ تغییرپذیری در طول عمر عنبیه ثابت است. بنابراین عنبیه در مقایسه با تکنولوژیهای دیگر از قابلیت اطمینان بالاتری بهرهمند است و میزان نرخ اشتباه در زمان ثبت نسبت به بقیه کمتر میباشد.
در مقاله [1] به بررسی سیستم شناسایی بیومتریک عنبیه میپردازد و مراحل تشخیص عنبیه را که شامل نشان میدهد. این مقاله روشهای مختلفی را در انجام مراحل تشخیص عنبیه مورد استفاده قرار میدهد. تکنیک تشخیص فناوری بیومتریک قابل اندازه گیری، با دوام و بسیار قابل اعتماد و ایده آل است.
در مقاله [2] در مورد انواع روشهای مختلف، روشهای الگوریتم Daugman، تکنیک استخراج چندمنظوره صحبت میشود و اشاره میکند که سیستم تشخیص عنبیه به طور عمده از سه ماژول گرفتن تصویر، مرحله پیشپردازش و شناسایی لبه تشکیل شده است. در مقاله [3] اشاره میکند که طبقهبندی کارآمد و قوی تصاویر دارای نویز یکی از محدودیتهای تشخیص عنبیه است. برای حل این مشکل، یک الگوریتم تقسیمبندی عنبیه جدید در این مقاله ارائه شده است.
در مقاله [4] بیان میشود که برای بهبود دقت سیستم بیومتریک عنبیه، تصاویر گرفته شده باید حداقل سطح کیفیت را داشتهباشد و اعوجاجهای مختلف در مرحله گرفتن تصویر مانند تار شدن، ممکن است بر کارایی سیستم تأثیر بگذارد. این مقاله روشی را برای بهبود تصاویر تار شده و بهتر شدن کیفیت آنها پیشنهاد میدهد. در ادامه مروری بر این مقالات خواهیم داشت.
-2 روشهای تشخیص بیومتریک عنبیه
روشهای مختلفی برای تشخیص عنبیه در علم بیومتریک ارائه شده و مورد استفاده قرار میگیرد. در ادامه به بررسی تعدادی از این روشها میپردازیم.
2-1 تشخیص بیومتریک عنبیه
این مقاله[1] روشی را برای انجام تشخیص عنبیه مورد استفاده قرار میدهد که متشکل از: تصدیق سیستم تشخیص عنبیهی تصویری، محلیسازی، تقسیمبندی، نرمالسازی، استخراج ویژگیها، ایجاد الگو و تطابق الگو است.
شکل.1 مراحل تشخیص عنبیه[1]
در مرحله تقسیمبندی از روشهای: آشکارساز لبه و تبدیل .Hough و از فیلتر های گابور برای برنامه نویسی استفاده میشوند.
شکل-2 الگوی کد عنبیه - فیلتر
شکل-3 آشکارسازی لبه عنبیه[1]
پس از اضافه کردن تبدیل Contourlet با تبدیل Hough و آشکارساز لبه نتایج بهتری را در تقسیم بندی که میزان آن تا 100 درصد است، ارائه میدهد.
در مرحله نرمال سازی عنبیه، مدل Daughman s Rubber با کاهش اختلافات بعدی، استفاده میشود که نتیجه بهتری را به دست میآورد، و در مرحله استخراج ویژگیها ترکیبی از تبدیل تضعیف و SVD انجام میشود. تبدیل تضعیف با کمک فیلتر چند جهته انجام میشود، در حالی که نتیجه SVD با تغییر ابعاد SVD و استفاده از تعداد کلاسها محاسبه میشود، مرحله طبقه بندی پیشرفته هم، محاسباتی کارآمد و قوی است که میتواند تعداد بیشتری از کلاسها را برای شناسایی الگوهای عنبیه مدیریت کند.
