مقاله شبیه‌سازی سامانه تشخیص هویت بر مبنای اسکن عنبیه به کمک شبکه عصبی هاپفیلد

بخشی از مقاله

چکیده:

احراز هویت افراد به کمک پارامترهاي بیومتریک از قبیل چهره، اثرانگشت، شبکیه و عنبیه چشم با توجه به منحصربهفرد بودن و قابلیت اطمینان بیشتر، جایگزین خوبی بجاي ویژگیهاي رفتاري مانند صدا، امضاء و دست خط میباشند.

در این مقاله به کمک عنبیه چشم تشخیص هویت افراد صورت میگیرد. ابتدا با استفاده از عملیات مورفولوژي، عنبیههاي ورودي به سامانه مورد ارزیابی، بهبود و یکنواختی قرار میگیرند، سپس به کمک عملیات برش و ثبت تصویر بردارهاي ورودي شبکه عصبی تعیین میشوند. این بردارهاي پایدار را بهعنوان حافظهاي در نظر میگیریم که شبکه با دیدن برداري مشابه، میتواند آن را فراخوانی کند. این روش بر روي پایگاه داده CASIA مورد آزمایش قرارگرفته و نرخ استخراج صحیح عنبیه از تصویر %98/9 و همچنین تشخیص هویت با نرخ 97/4 ارزیابیشده است.

-1  مقدمه

به منظور تشخیص هویت افراد روشهاي مختلفی وجود دارد که میتوان از قدیمیترین این روشها کمک گرفتن از رمزها و شمارههاي شناسایی فردي به عنوان کد پرسنلی نام برد؛ اما بزرگ ترین مشکل این روش ها فراموشی رمز موردنظر توسط فرد و سهولت در جعل عنوانهاي موجود توسط افراد سودجو است

با پیشرفتفنّاوري، روش هاي قدیم به تدریج از رده خارج شده و روبه منسوخ شدن گام برمیدارند. بهترین جایگزین جهت احراز هویت افراد به کارگیري پارامترهاي بیومتریک1 از قبیل تشخیص هویت به کمک اثرانگشت [2]، هندسه دست [3]، صداي افراد [4]، پردازش چهره [5]، دست خط [6]، عنبیه و شبکیه چشم [7] است، چراکه این علائم از بدو تولد افراد شکل گرفته و همیشه همراه فرد هست. درنتیجه نیاز به حمل کردن کارتی جهت تشخیص هویت و به خاطر سپردن رمزي به عنوان کد شناسایی نیست، همچنین آسودگی خاطر نسبت به روشهاي قدیمی را به دنبال دارد.

-1-1  مقایسه پارامترهاي بیومتریک

عموماً در دستگاه هاي بیومتریک از دو نوع ویژگی مختلف افراد جهت شناسایی استفاده میشود. نخستین پارامتر، پارامترهاي رفتاري است که بیانگر الگوهاي رفتاري یک شخص از قبیل شناسایی از طریق صدا، شناسایی از طریق امضاء [8]، شناسایی از نحوه راه رفتن افراد

دومین پارامتر، پارامترهاي فیزیولوژیک2 است که اساس شناسایی در این روش به کمک اندازهگیري و آنالیز مشخصهاي ثابت یک شخص مانند اثرانگشت، شناسایی از روي شبکیه چشم، شناسایی از طریق عنبیه چشم، شناسایی از روي هندسه دست امکانپذیر است. منحصربه فردبودن پارامترهاي بیومتریک فیزیولوژیک، نسبت به پارامترهاي رفتاري، موجب محبوبیت و به کارگیري بیشتر این پارامترها شده است.

-2-1 بررسی روشهاي تشخیص هویت به کمک عنبیه چشم

عنبیه هر فرد ازلحاظ الگوي بافتی براي او منحصربه فرد و با افراد دیگر متفاوت است؛ بنابراین اسکن عنبیه روش مناسبی براي شناسایی دقیق افراد محسوب می شود. تشخیص هویت به کمک عنبیه چشم خصوصیاتی ازجمله سهولت دسترسی به آن، بالا بودن امنیت در برابر کپیبرداري توسط افراد سودجو، عدم تغییرات در طول زندگی بعد از گذراندن دوران نوزادي را به دنبال دارد .[10] تاکنون مطالعات فراوانی بر روي سامانه هاي شناسایی عنبیه انجام شده و روشهاي مختلفی براي ناحیه بندي و استخراج ویژگیهاي عنبیه ارائهشده است. اولین سیستم در دهه 90 میلادي توسط پروفسور جان داگمن3 با نام سیستم خودکار شناسایی عنبیه ارائه شد 

بزرگ ترین عیب این سامانه مدت زمان زیاد محاسبات و اندازه بزرگ بردار ویژگی است که باعث می شود در کاربردها با دادههاي زیاد، حافظه زیادي اشغال گردد. هرچند در اواخر دهه 90 میلادي سامانههاي دیگري بهمنظور رفع معایب آن به وجود آمد، اما تمامی روش هاي فوق سعی داشته اند با حفظ نسبی دقت تشخیص عنبیه، طول بردار ویژگی یا زمان محاسبات را کاهش دهند، به دلیل عدم کاهش حجم بالاي حافظه مورداستفاده، در سالهاي اخیر محققین با استفاده از شبکه عصبی4 به روش ها و نتایج جدیدي دست یافتند. با اندازهگیري طول و عرض بین ناحیه دو پلک میتوان اطلاعات هویتی را بهعنوان وروديهاي شبکه عصبی استخراج کرد

در این روش سرعت تصویر برداري به شدت کاهش می یابد چراکه تصاویر ورودي افراد، میبایست داراي فاصلههاي مشخص و یکسان دو پلک باشند. الگوي دو دویی5 و ماتریس سطح خاکستري روشی جدید بهمنظور استخراج ویژگیهاي هویتی در محیط هاي پرسروصدا است

در این روش به دلیل حذف نویز با درصد بسیار بالا، یکنواختی تصاویر ورودي و ضریب پایین همپوشانی جهت تطابق عملگر سوبل6 را شامل میشود که نیاز به تکرار جهت تطبیق تصاویر و زمان زیاد پردازش دارد. در [14] از تقسیم چند ردیف در میان تصویر استخراجی عنبیه، براي تعیین بردارهاي ویژه استفادهشده است. درروش ارائه شده، براي پیدا نمودن محل دقیق عنبیه، تصویر با N ردیف فاصله اسکن شده و لبه هاي موجود شمرده میشوند. اگر تعداد لبه ها بزرگ تر از یک مقدار آستانه شد، تشخیص هویت امکان پذیر است. درصورتیکه در اولین پردازش، فاصله کانونی عنبیه تا مردمک پیدا نشود، الگوریتم با کاهش مقدار سطح شمردن تعداد لبه ها تکرار میشود. این روش سرعت اجراي خیلی خوبی دارد، درصورتیکه در اولین پردازش مقدار بردارهاي ویژه استخراج گردد. ازجمله روشهاي دیگر میتوان به مدل هاي هیبریدي7 اشاره کرد

در این روش تعدادي قوانین شهودي تعریف شده، که با آن ها ناحیه عنبیه توصیف میشود. این روش به چرخش و وضوح تصویربرداري حساس بوده و نیاز به زمان پردازش طولانیتري نسبت به روش هاي تک منظوره دارد. در [18] از روش لبه یابی8 بهمنظور استخراج ویژگیهاي هویتی استفاده شده است. مزیت روش لبهیابی این است که ساده و پرسرعت پیاده سازي میشود، ولی عیب آن این است که به تنهایی کاربرد ندارد و بسیاري از نقاط خارج از محدودهي عنبیه را هم در ترکیب خود شناسایی میکند

در [19] از تبدیل ویولت9 جهت تعیین بردارهاي ویژه استفادهشده است. اساس کار این روش تغییر در مقیاس و نوبت زمانی هر تصویر است و به دلیل عبور از فیلترها در هر مرحله رزولوشن تصویر کاهش مییابد، جهت پاسخ صحیح نیاز به تصاویري با رزولوشن بالا است.

مقاله [20] در پژوهش خود به کمک شبکه عصبی هاپفیلد8 به تشخیص هویت افراد از طریق عنبیه چشم پرداخت است. در این مقاله تک بردار ورودي به شبکه عصبی از طریق بیت هاي باینري تصویر استخراج شده است. به عبارتی فقط به محتواي تصویر ورودي اکتفا دارد نه خصوصیات منحصربهفرد؛ بنابراین خروجی شبکه عصبی هاپفیلد در برابر وروديهاي متفاوت جواب یکسان میدهد، همچنین براي اعمال هر تصویر جهت شناسایی بیتهاي باینري موجود و ذخیره در بانک اطلاعاتی نیاز به آموزش مجدد شبکه است.

در این مقاله ابتدا تصویر ورودي به کمک روشهاي پیش پردازش، مورد ارزیابی و یکنواختی قرار داده میشوند و تصویر ورودي جهت تعیین محل عنبیه از مرکزیت خود جدا میشود. دو بردار ویژه با به کارگیري مساحت مویرگها و صحت همپوشانی تصویر ورودي با بانک اطلاعاتی، به دست میآیند. درنهایت جهت احراز هویت دو بردار به ورودي شبکه عصبی اعمال میشوند.

-2 شناسایی محل دقیق عنبیه چشم

الگوریتم انجام کار، طی مراحل دریافت تصویر ورودي، عملیات پیش پردازش، یکنواخت کردن تصویر، تعیین بردار ویژه، اعمال ورودي به شبکه عصبی، تطبیق خروجی شبکه با بردار موجود در حافظه و درنهایت تعیین هویت انجام میشود. مراحل مختلف تشخیص هویت به کمک شبکه عصبی در فلوچارت رسم شده در شکل 1 نمایش دادهشده است.

با توجه به فراوانی رنگ عنبیه چشم افراد، نخستین گام جهت تشخیص هویت بر مبناي اسکن عنبیه، یکرنگ کردن عنبیههاي ورودي است. این عمل با استفاده از عملیات پیشپردازش انجام گرفت که در شکل 2 قابلمشاهده است.
 پیش پردازش یک اندازه میشوند، سایز - پیشنهادي - تصاویر ورودي در این مقاله 664×463 است. شکل 3 تصویر استخراجی عنبیه را نمایش میدهد.

شکل :1 مراحل مختلف تشخیص هویت افراد به کمک شبکه عصبی.    شکل :3 عنبیه استخراجشده از مرکزیت تصویر ورودي.

شکل :2 تصویر از بین بردن ساختار رنگی عنبیه چشم.

-1-2  حذف کردن نویز

پس از تبدیل تصویر به سطح خاکستري به آن فیلتر گوسین اعمال میشود تا نویزهاي احتمالی موجود در تصویر از بین برود. تابع گوسین بهصورت زیر تعریف میشود.

-3 تعیین بردار ویژه

سیستم تشخیص هویت مبتنی بر بررسی عنبیه، به رنگ یا بافت آن توجه نمی کند و فقط بر شیارها و نقطه هاي موجود در آن تمرکز می کند. شیارها و نقاط روي عنبیه به مکان قرارگیري رباط ها، عضلات و سلول هاي رنگ دانه اي بستگی دارد. این ویژگی ها توسط ژنها تعیین نمیشود، بلکه به شکلی اتفاقی پدید می آید. لذا این چشم ما با چشم دیگر متفاوت است و صد البته با چشم افراد دیگر نیز تفاوت زیادي دارد

اولین بردار ویژه از سنجش مساحت شیارهاي موجود در عنبیه جداشده از تصویر، به دست میآید. بدین منظور لازم است ابتدا تصویر استخراجی به باینري تبدیل شود. شکل 4 تصویر باینري عنبیه را نمایش میدهد.