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

word 391 KB 31591 78
1390 کارشناسی ارشد مهندسی الکترونیک
قیمت: ۱۰,۱۴۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • 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.

       

     

    فصل اول :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.

     

     

    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:

    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  

    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.

    Chinese   Academy of  Science  -Institute  of  Automation. Database  of  756  Grayscale Eye Image. Available :  http://www.sinobiometrics.com


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

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 ...

پایان نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی مکاترونیک(M.Sc) چکیده تکنولوژی بیومتریک، براساس مشخصه های منحصر به فرد هر شخص اقدام به تشخیص خودکار هویّت افراد می­کند. محققّین به شکل گسترده ای با تنوعی از روش های به کار گرفته شده توانسته اند بافت عنبیه را با دقّت بالایی حتّی در شرایط مختلف استخراج نمایند. در نتیجه تلاش ما در این پایان نامه ارائه دیدگاه ها و روش هایی ...

پایان نامه برای دریافت درجه کارشناسی ارشد رشته علوم کامپیوتر چکیده امروزه در زمینه های فراوانی ما به وسایلی نیاز داریم که کامپیوتراشخاص را شناسایی کند و بر اساس ویژگیهای بدن اشخاص آن ها را بازشناسی کند. سیستم تشخیص چهره بعنوان یک سیستم بیو متری اساساً یک سیستم تشخیص الگو است که یک شخص را بر اساس بردار ویژگی های فیزیولوژیکی خاص یا رفتاری که دارد بازشناسی می­کند. بردار ویژگی ها پس ...

پایان نامه‌ی کارشناسی ارشد رشته‌ی مهندسی نقشه برداری گرایش سنجش از دور چکیده به ‌روزآوری پایگاه‌ های داده زمینی در محیط شهری کاری سخت و پر هزینه می‌باشد. تکنیک‌های سنجش از دور ماهواره‌ای به طور وسیعی در استخراج و کنترل تغییر پوشش زمین در مقیاس‌های مختلف مورد استفاده قرار گرفته‌اند که منجر به ایجاد نتایج مفیدی شده‌اند. انجام این کار به کمک روشهای استخراج اتوماتیک تغییر آسان‌تر می ...

پایان‌نامه دوره کارشناسی ارشد گرایش طراحی کاربردی چکیده شناسایی چهره در سال­های اخیر، در زمینه­های تحقیقاتی مرتبط با بیومتریک، شناسایی الگو، بینایی ماشین بسیار مورد توجه قرار گرفته است. در برخی کاربردهای تجاری و امنیتی نیز روش­های شناسایی چهره مورد استفاده قرار می‏گیرد. این کاربردها شامل کنترل امنیتی افراد، کنترل دسترسی، تشخیص افراد مجرم، بازسازی چهره و واسط­های بین انسان و ...

همان گونه که از عنوان پايان نامه پيداست، تحقيق د ر مقوله رنگ و تاثير آن بر بيننده هدف کلي پايان نامه است. در اين راستا د ر بخش هاي نخستين سعي بر اين بوده است که تعريفي علمي از رنگ و نور ، انواع نور &

پایان‌نامه کارشناسی ارشد در رشته مهندسی کامپیوتر (هوش مصنوعی) چکیده تکنیک های مختلف پردازش تصویر کاربرد گسترده‌ای در حوزه دندانپزشکی دارد. از جمله این کاربردها می‌توان به تشخیص هویت بر مبنای تصاویر دندانپزشکی، تشخیص پوسیدگی های دندانی و همچنین شناسایی و بررسی ضایعات دندانی اشاره کرد که عمدتا در اطراف انتهای ریشه دندان اتفاق می‌افتد. همچنین با استفاده از تکنیک های پردازش تصویر ...

پایان‏نامه جهت دریافت کارشناسی ارشد رشته مهندسی کامپیوتر- هوش مصنوعی و رباتیک چکیده هر ساله تصادفات رانندگی زیادی به دلیل خواب‏ آلودگی و عدم تمرکز حواس راننده در سراسر دنیا رخ می‏دهد که خسارت‏های جانی و مالی فراوانی به همراه دارند. یکی از روش‏های تشخیص خستگی و عدم تمرکز حواس، استفاده از سیستم‏های نظارت چهره راننده است. سیستم‏های نظارت چهره راننده با دریافت تصاویر از دوربین و ...

پایان نامه تحصیلی جهت اخذ درجه کارشناسی ارشد (M.A) رشته جغرافیا و برنامه ریزی شهری چکیده با افزایش جمعیت شهر ها، واژه فضای سبز و کاربری های فضای سبز شهری مورد توجه بیشتری قرار گرفته است. از این رو هر چه شهرها بزرگتر می شوند احساس نیاز به وجود فضای سبز چه برای بهره برداری مستقیم شهروندان و چه از نظر نقش پالایش محیط روزبروز بیشتر می شود. اهمیت فضاهای سبز در محیط شهری، تا آن حد است ...

پایان­ نامه­ کارشناسی ارشد رشته­ جغرافیا گرایش ژئومورفولوژی چکیده جلگه پهناور خوزستان میزبان رودخانه های دائمی مهمی است که بزرگترین آنها رودخانه کارون می باشد. حوضه آبریز کارون به عنوان یکی از بزرگترین زیرحوضه های ایران و جزئی از حوضه آبریز اصلی خلیج فارس و دریای عمان به شمار می آید. رودخانه کارون با طولی حدود 890 کیلومتر از چهار شاخه اصلی، با نام های خرسان، آب ونک، آب کیار و ...

ثبت سفارش