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  

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