بهبود دقت در تشخیص هویت مبتنی بر عنبیه با استفاده از الگوریتم رقابت استعماری
محل انتشار: نخستین همایش ملی دستاوردهای نوین در مهندسی برق
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 569
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAEE01_096
تاریخ نمایه سازی: 11 آبان 1395
چکیده مقاله:
تکنولوژی بیومتریک، بر اساس مشخصه های منحصر به فرد هر شخص اقدام به تشخیص خودکار هویت افراد می کند.تشخیص از طریق تصاویر عنبیه هم اکنون به عنوان یکی از مطمئن ترین روش های موجود شناخته می شود. استخراج بافتحلقوی عنبیه و همچنین استخراج ویژگی های مربوطه از مراحل اصلی این سیستم به حساب می رود. محققین به شکل گسترده ای با تنوعی از روش های به کار گرفته شده توانسته اند بافت عنبیه را با دقت بالایی حتی در شرایط مختلف استخراجنمایند. در نتیجه تلاش ما در این پایان نامه ارائه دیدگاه ها و روش هایی بوده که کارایی و دقت سیستم تشخیص هویت رابهبود ببخشد. رویکرد مطرح شده در این پایان نامه عبارت از تلفیق پردازش تصویر با الگوریتم های بهینه سازی هوشمند می باشد. در این رویکرد، برای ناحیه بندی عنبیه نیاز به موقعیت مرکز و شعاع دو دایره برای جدا سازی پیکسل های عنبیه از سایرنقاط تصویر بود، بنابراین برای ناحیه بندی عنبیه از روش CHT استفاده کردیم. در ادامه برای استخراج ویژگی با استفاده از ویولت دو بعدی و انتخاب خصوصیت بر اساس الگوریتم رقابت استعماری پیشنهاد گردید، که راهکار ارائه شده برای بهبود تعداد ویژگی های مطرح شد، که با کاهش چشمگیر ویژگی ها و کم شدن مقدار cost همراه بود. که در نهایت این روش با استفادهاز دو نوع طبقه بند متفاوت SVM و KNN قبل و بعد از استفاده از الگوریتم رقابت استعماری مقایسه گردید و عملکرد بهتری را نسبت به روش های پیاده سازی دیگر ارائه نمود. نتایج به دست آمده بر روی تصاویر از پایگاه داده ی UBIRIS.v1 که شامل 1877 عکس از 241 نفر با فرمت JPEG می باشد
کلیدواژه ها:
نویسندگان
محمد ایزدیان
دانشجوی کارشناسی ارشد مهندسی برق و الکترونیک دانشگاه آزاد اسلامی واحد ساوه
سیدمحمدجلال رستگارفاطمی
دکترای تخصصی برق و الکترونیک، استادیار دانشگاه آزاد اسلامی واحد ساوه
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :