بخشی از مقاله
چکیده
با استفاده از یک سیستم تشخیص بیولوژیکی می توان به شناسایی افراد دست پیدا کرد. این سیستم بر اساس ویژگی های منحصر به فرد متعلق به هر شخص کار می کند. عنبیه ی انسان یکی از ویژگی های بیومتریک برای الگو شناسی می باشد.در حال حاضر سیستم تشخیص افراد از روی عنبیه ی چشم دقیق ترین و قابل اعتماد ترین روش برای شناسایی افراد می باشد.
این مقاله یک روش شناسایی افراد از روی عنبیه را بررسی می کند که در آن با استفاده از مرکز و شعاع مردمک ، مرز عنبیه را استخراج کرده و سپس توسط یک پنجره ی میانگین گیر 3*3 شدت پیکسل های خطوط موازی با شعاع افقی مردمک را بدست آورده و ویژگی های منحصر به فرد عنبیه را استخراج می کند.
نتایج بدست آمده نشان می دهد با استفاده از یک الگوریتم مناسب برای کاهش ابعاد الگوها ، می توان یک طبقه بندی مناسب توسط شبکه ی عصبی داشت. در این مقاله عملکرد دو الگوریتم کاهش بعد الگوها ، آنالیز اجزای اصلی - ICA - و تجزیه مقادیر منحصر بفرد - SVD - روی پایگاه داده ی CASIA مورد بررسی قرار گرفته است. که نشان می دهد که الگوریتم - ICA - نتیجه ی بهتری در نرخ طبقه بندی الگوها ارائه می دهد.
-1 مقدمه
سیستم های بیومتریک به طور خودکار قادر به شناسایی افراد بر اساس برخی از ویژگی های منحصربفرد می باشند. این سیستم ها بر اساس اثر انگشت ، صدا، دست خط ، شبکیه چشم، عنبیه ی انسان و غیره کار می کنند. یکی از این سیستم ها سیستم شناسایی عنبیه می باشد. عنبیه ی انسان ساختاری پیچیده دارد که باعث می شود اطلاعات زیادی در بافت آن برای انجام عمل تشخیص هویت وجود داشته باشد، بافت عنبیه در دوران جنینی و در سالهای آغازین تولد کامل می شود و سپس تا آخر عمر بدون تغییر باقی می ماند . این بافت داخل چشم مابین قرنیه و عدسی قرار دارد و اندامی محافظت شده می باشد. به همین دلیل تاثیرات محیطی روی آن خیلی کم است. به علاوه از بیرون نیز قابل دسترسی است و می توان به راحتی از آن تصویر برداری کرد. این ویژگی ها موجب شده اند که بافت عنبیه به عنوان یک بیومتریک ایده آل در نظر گرفته شود.
تاکنون مطالعات فراوانی بر روی سیستم شناسایی عنبیه انجام شده و روش های مختلفی برای ناحیه بندی و استخراج ویژگی های عنبیه ارائه شده است . اولین سیستم در دهه ی نود میلادی توسط - John Daugman , 2004 - با نام سیستم اتوماتیک شناسایی عنبیه ارائه شد.داگمن در روش خود از عملگر انتگرال دیفرانسیل برای تشخیص مرزهای عنبیه استفاده کرده و پلک های بالا و پایین را توسط دوکمان جدا می کند . روش انتگرال دیفرانسیل را می توان به صورت تغییرات تبدیل هاف در نظر گرفت .
چون این تبدیل به صورت محلی کار می کند . در صورتی که تصویر اولیه دارای نویز می باشد، مانند نویز ناشی از انعکاسات، ممکن است جواب نادرستی بدهد. به علاوه زمان زیادی برای پیدا کردن مرزها لازم دارد. اگر چه این سیستم یکی از موفق ترن و معروفترین سیستم ها بوده ولی سیستم های دیگری نیز به وجود آمد که از مهمترین آنها می توان به موارد زیر اشاره کرد : - Wildes , 1997 - و همکاران براساس تبدیل هاف سهموی عنبیه را ناحیه بندی کرده و سپس توسط معادله لاپلاسین فیلترهای گوسی بردار ویژگی های عنبیه را رمزگذاری می کند.
- Kong and Zhang , 2001 - و همکاران کسانی هستند که از تبدیل هاف برای ناحیه بندی عنبیه استفاده کرده اند. - Ritter , 1999 - برای تشخیص مردمک چشم از مدل کانتور فعال استفاده می کند. از دیگر سیستم ها می توان به سیستم Boles and Boashash اشاره کرد که برای رمزگذاری دیتاهای الگوی عنبیه از تابع موجک یک بعدی استفاده کرده است. اکثر این روش ها از پایگاه داده هایی با تعداد محدودی تصاویر استفاده می کنند در حالیکه در کاربردهای واقعی مثل فرودگاه ها یا شناسایی مجرمان توسط پلیس ، به دنبال روشی هستند که بتوان از میان تعداد زیادی داده تشخیص هویت را انجام دهد.
در این مقاله یک سیستم ناحیه بندی را ارائه می کنیم که با استفاده از مرکز و شعاع مردمک ناحیه عنبیه را استخراج می کند. سپس برای استخراج ویژگی های منحصر به فرد عنبیه ، خطوط موازی با شعاع افقی مردمک را یافته و توسط یک پنجره ی میانگین گیر 3*3 شدت پیکسل های این خطوط را بدست آورده و در یک ماتریس با عنوان ماتریس عنبیه مبنا قرار می دهیم. به منظور کاهش محاسبات ، سایز ماتریس عنبیه مبنا 40*40 پیکسل انتخاب می شود.
در مرحله ی بعد ماتریس بدست آمده توسط دو الگوریتم آنالیز اجزای مستقل - Component Analysis - Independent و تجزیه ی مقادیر واحد - Decomposition Single Value - کاهش بعد داده می شود. سپس اطلاعات بدست آمده برای طبقه بندی به شبکه ی عصبی پیش خور با الگوریتم پس انتشار خطا داده می شود و نتیجه ی این دو الگوریتم مورد بررسی و مقایسه قرار می گیرد.
در بخش 2 چهارچوب پیشنهادی سیستم طبقه بندی ، مبتنی بر تصاویر عنبیه ارائه می شود.این بخش شامل مراحل پیش پردازش برای ناحیه بندی عنبیه ، یک روش جدید جهت استخراج ویژگی های منحصربفرد عنبیه و ایجاد الگو توسط دو الگوریتم ICA و SVD می باشد.د بخش 3 طریقه ی طبقه بندی الگوهای بدست آمده از مرحله ی قبل توسط شبکه ی عصبی بررسی می شود. بخش 4 نتایج پیاده سازی روش های ارائه شده روی پایگاه داده CASIA بیان می شود و در بخش 5 نتیجه گیری های به وجود آمده ارائه می شود.
-2 چهارچوب پیشنهادی سیستم طبقه بندی و شناسایی افراد مبتنی بر تصاویر عنبیه
این مقاله مروری برای اخذ یک تصویر چشم ، ایجاد ناحیه بندی عنبیه ، استخراج ویژگی ها و طراحی شبکه عصبی پیش خور با الگوریتم ICA و SVD می باشد. بدین منظور از پایگاه داده CASIA برای انجام آزمایش ها استفاده شده است. بلوک دیاگرام شکل 1 مراحل پردازش را در این مقاله نشان می دهد.
شکل:1 مراحل شناسایی و طبقه بندی افراد مبتنی بر خصوصیات عنبیه
