طراحی یک سیستم تشخیص هویت عنبیه با استفاده از سیستم استنتاج فازی - عصبی تطبیقی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 542

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCRC01_009

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

از دیرباز مقوله تشخیص هویت به ویژه در مورد مسائل امنیتی از اهمیت زیادی برخوردار بوده است و امروزه با پیشرفت سریع تکنولوژی، بسیاری از ابزارهای مورد نیاز برای رسیدن به این هدف در دسترس قرار گرفته اند. روش های اتوماتیک بر پایه ویژگی های فردی انسان ها در اولویت سیستم های تشخیص و تأیید هویت هستند. بهره گیری از ویژگی هایبیومتریک مانند اثر انگشت، صورت و صدا یا دست خط، راه رسیدن به سیستم هایی با قابلیت اطمینان بالا را هموار می سازند. هدف از این پژوهش ارائه روشی جهت طراحی و پیاده سازی یک سامانه شناسایی بر مبنای تحلیل تصاویر عنبیه چشم می باشد. در روش پیشنهادی این مقاله، ابتدا تصویر عنبیه بخش بندی گردید که این کار برای جدا کردن عنبیه از دیگر قسمت های تصویر چشم می باشد. این بخش بندی تصویر با استفاده از لبه یاب و تبدیل هاف انجام و پس از بخش بندی تصویر، با تبدیل مختصات قطبی به مختصات کارتزین، تصویر عنبیه حلقوی، نرمالیزه شده و حذف نویز روی تصویر نرمالیزه شده اعمال شد. سپس تصویر نرمالیزه شده با استفاده از روش سیستم استنتاج فازی - عصبی تطبیقی برای تشخیص تصاویر عنبیه بر روی پایگاه داده CASIA به کار گرفته شد. نتایج پژوهش نشان داد که میزان موفقیت به 98/012 درصد رسیده و روش ارائه شده از کارایی بالایی برای تشخیص هویت برخوردار است.

کلیدواژه ها:

بیومتریک - تشخیص هویت - شبکه نروفازی

نویسندگان

جلیل بیکس فهادان

دانشجوی کارشناسی ارشد معماری سیستم های کامپیوتری، دانشگاه آزاد اسلامی واحد کرمان، کرمان

علی محمد لطیف

استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد، یزد

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 :
  • Daugman, J., "High confidence visual recognition of persons by a ...
  • Szewczyk, R., Grabowski, K., , Napieralska, M., "A reliable iris ...
  • Nikola, K., "Evolving fuzzy neural networks for _ upe rvised/uns ...
  • Kasabov, N.K., Song, Q., "Dynamic evolving neural-fuzzy inference system and ...
  • Motahari, M., Mazidi, M., " An Adaptive Neuro-Fuzzy Inference System ...
  • I.Al-saedi, M., Wu, H., Handroos, H., "Intelligent controller of a ...
  • Azizi, A., Pourreza, H.R., "Efficient iris recognition through improvement of ...
  • Lim, S., Lee, K., et al., "Efficient iris recognition through ...
  • Ma, L., Tan, T., et al., "Efficient iris recognition by ...
  • Han, W.Y., Chen, W.K., et al., "Iris Recognition based on ...
  • Maltoni, D., Maio, D., et al., Chapter 1: Introduction in ...
  • Szewczyk, R., Grabowski, K., et al., "A reliable iris recognition ...
  • نمایش کامل مراجع