تایید هویت با استفاده از تصاویر عنبیه – برق

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی برق
نوع ارائه:پایان نامه
تعداد صفحات:128
قالب بندی:word قابل ویرایش

نحوه خرید

تایید هویت با استفاده از تصاویر عنبیه – برق

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

چکیده

فهرست مطالب

چکیده۱

مقدمه ۳
فصل اول: مروری بر بیومتری
۵ ۱- ۱- مقدمه
۵ ۱- ۲- علم بیومتریک
۶ ۱- ۳- مروری بر تاریخچه بیومتریک
۱۰ ۱- ۴- مزایا و معایب سیستمهای بیومتریکی رایج
۱۱ ۱- ۵- مقایسه روشهای بیومتریک
۱۲ ۱- ۶- شناسایی بر اساس ویژگیهای عنبیه
۱۳ ۱- ۷- تاریخچه شناسایی بر اساس عنبیه
۱۶ ۱- ۸- اجزای سیستم عنبیهنگاری
۱۷ ۱- ۹- سیستم تصویربرداری
۱۸ ۱- ۱۰- مکانیابی مرز Collarette
فصل دوم: مکان یابی ،جدا سازی یا تقطیع عنبیه
۲۰ ۲- ۱- مقدمه
۲۱ ۲- ۲- جدا سازی عنبیه
۲۱ ۲- ۲-۱- تقطیع عنبیه به روش Daugman
۲۳ ۲- ۲-۲-روش Li Ma برای جدا سازی عنبیه
۲۴ Sanchez-Avila روش-۳-۲ -۲
۲۵ ۲- ۲-۴- الگوریتم وایلدز
۲۷ ۲- ۲-۵- مزایا و معایب روش های مختلف جدا سازی عنبیه
۲۸ ۲- ۳- مقدمه ای بر نرمال سازی
۲ ۴ نرمال سازی تصویر عنبیه ۲۸
۲ ۴ ۱- مدل صفحه لاستیکی Daugman 29
۲ ۴- ۲- روش دایره های مجازی ۳۰
۲ ۵- بهبود تصاویر عنبیه ۳۱
۲- ۵- ۱- روش اول برای بهبود تصاویر عنبیه ۳۱
۲- ۵- ۲- روش دوم برای بهبود تصاویر عنبیه ۳۲
۲- ۶- جمع بندی ۳۳
۳- ۱- مقدمه ۳۵
۳- ۲- روش های مختلف استخراج ویژگی های عنبیه ۳۵
۳- ۲- ۱- استخراج ویژگی ها با استفاده از موجک گابور ۳۷
۳- ۲- ۲- آنالیز متغیرهای محلی ۳۸
۳- ۲- ۳- استخراج ویژگی های عنبیه با نقاط عبور از صفر (zero-crossing) چند مقیاسی ۴۰
۳- ۳- مروری بر الگوریتم های تطابق ۴۱
۳- ۳- ۱- فاصله همینگ ۴۱
۳- ۳- ۲- فاصله وزن دار اقلیدسی ۴۲
۳- ۳- ۳- همبستگی نرمالیزه شده ۴۳
۳- ۳- ۴- تفکیک کننده خطی فیشر ۴۳
۳- ۳- ۵- خلاصه ای از روش های دیگر ۴۴
۳- ۴- نحوه ثبت نام سیستم ۴۵
۳- ۵- معرفی خطاها ۴۶
۴۶ False Acceptance Rate(FAR) نرخ پذیرش اشتباه -۱ -۵ -۳
۴۷ False Rejection Rate(FRR) نرخ ردی اشتباه -۲ -۵ -۳
۴۷ False Match Rate(FMR) نرخ تطبیق اشتباه -۳ ۵ ۳
۴۸ False Non Match Rate(FNMR) نرخ عدم تطبیق اشتباه -۴ ۵ ۳
۳ ۶- جمع بندی ۴۸
۴ ۱- روش استفاده شده برای جداسازی عنبیه ۵۰
۴- ۲- لبه یاب cannyص ۵۰
۴- ۱- ۲-تبدیل هاف ۵۱
۴- ۱- ۳ – روش ارائه شده برای جداکردن پلک ها ۵۴
۴- ۱- ۴- روش ارائه شده در پ برای جداسازی ناحیهعنبیه ۵۵
۴- ۲- روش پیاده سازی شده برای نرمال سازی ۵۶
۴- ۲- ۱- فرآیند نگاشت در عمل ۵۷
۴- ۳- روشی برای ارتقاء تصویر عنبیه ۵۸
۴- ۴- ت بدیل موجک یک بعدی پیوسته ۶۰
۴- ۴- ۱- تبدیل موجک گسسته یک بعدی ۶۰
۴- ۴- ۲- تبدیل موجک دوبعدی پیوسته ۶۱
۴- ۴- ۳- تبدیل موجک دو بعدی گسسته برای استخراج ویژگی های عنبیه ۶۲
۷۷ ridgelet تبدیل -۵ -۴
۷۱ curvelet تبدیل ۶ -۴
۴- ۷ – روش اعمال شده جهت تطابق ۷۳
۴- ۸ – چرخش تصاویر ۷۳
۴- ۹- جمع بندی ۷۵
فصل پنجم: نتایج ۷۷
۵- ۱- مقدمه ۷۸
۷۸ ۵ ۲ سیستم شناسایی عنبیه
۸۰ ۵ ۳ نحوه انجام شبیه سازی ها
۸۰ ۵ ۳- ۱- پایگاه داده ها
۸۰ ۵ ۳- ۲- پایگاه داده های CASIA
۸۱ ۵- ۴- تقطیع عنبیه
۸۵ ۵- ۵- مقایسه با روش های موجود
۸۶ ۵- ۶- جمع بندی و نتیجه گیری
۸۷ ۵- ۷- پیشنهاد برای کارهای آینده
۹۱ مراجع

چکیده :
امروزه روشهای تشخیص هویت بر پایه ویژگیهای بیومتریک اهمیت فراوانی دارند. از جمله این روشها میتوان به شناسایی چهره، شناسایی اثر انگشت، شناسایی صدای گوینده و شناسایی عنبیه اشاره نمود. در این میان تشخیص هویت بر اساس بافت عنبیه به علت دقت بالا و امنیت بسیار مطلوبی که توسط آن بدست میآید، از اهمیت خاصی برخوردار است. شناسایی هویت بر اساس عنبیه، اخیرا در سیستمهای امنیتی مانند امنیت پرواز، کاربردهای فراوانی یافته است. یک سامانه بیومتریک، براساس مشخصههای منحصربفرد موجود در هر فرد اقدام به شناسایی خودکار افراد میکند .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 ۱۰۰ % را دارا می باشد ولی الگوریتم های ارائه شده در مقالات تحت شرایط مطلوب آزمایش و بدون در نظرگرفتن مشکلات عملی گزارش می شوند . کارپژوهشی حاضر شامل طراحی و پیاده سازی یک الگوریتم جدید شناسایی از طریق تصاویر عنبیه چشم می باشد .این الگوریتم علاوه بر تائید هویت افراد به عنوان یک روش بیومتریک، قابلیت اطمینان بالایی را داراست و از درصد موفقیت قابل قبولی نیز برخودار است. برای بررسی قابلیت کارکرد این الگوریتم از مجموعه تصاویرپایگاه تصاویر CASIA به عنوان آزمایش بکار برده شد. سامانه ارائه شده شامل الگوریتم جداسازی عنبیه از تصاویر چشم مبتنی بر دو روش استفاده شده از عملگرهای شکل شناسی و آستانه یابی بوده که می توانند مرزهای درونی و بیرونی عنبیه را به همراه مراکز و شعاعهای آن مشخص سازند .ناحیه استخراجی پس از نرمالیزه و منتقل شدن به مختصات قطبی، به یک نوار مستطیلی با ابعاد ثابت نگاشت می شود. در نهایت با استفاده از تبدیلات ویولت ، رژلت و کرولت و استفاده از ضرایب مرحله سوم و چهارم تبدیل ویولت ، برای هر تصویر عنبیه، یک کد باینری تولید می شود .با استفاده از یک طبقه بندی کننده مرکب از معیار فاصله های همینگ ، کد بدست آمده از هر تصویر ورودی با کدهای ذخیره شده در بانک اطلاعاتی مقایسه شده و با تعریف یک آستانه، تشخیص هویت صورت می گیرد. نتایج بدست از اجرای الگوریتم پیشنهادی در نهایت بر روی تصاویر CASIA که شامل ۷۵۶ تصویر از ۱۰۸ نفر است، درصد موفقیت حدود ۹۸ درصد را نتیجه داده است . تحلیل سامانه نشان داده شده است که شناسایی افراد از طریق تصاویر عنبیه با الگوریتم پیشنهادی دارای نتایج قابل اعتنا و دقیق در بین روش های موجود می باشد.

مقدمه :
امروزه با گسترش جوامع بشری ، امنیت و حفاظت در همه زمینهها بیش از پیش احساس میشود. در سالهای اخیر مطالعات و تحقیقات زیادی بر روی روشهای مطمئن و امن تایید هویت و تشخیص هویت صورت گرفته است که از این جمله پارامترهای حیاتی و روشهای بیومتری بهدلیل ماهیت یکتایی از اهمیت بیشتری برخوردار است .
ازجمله این پارامترها میتوان به تشخیص هویت با استفاده از تصاویر صورت، شکل گوش ، حرکات لب ، طرز راه رفتن و حتی بوی بدن اشاره کرد که در این بین تشخیص هویت با استفاده از تصاویر عنبیه از لحاظ سرعت تشخیص و دقت اهمیت بیشتری دارد. مطالعات محققان نشان میدهد که الگوهای عنبیه هر فرد تنها مختص به آن فرد بوده و حتی الگوهای دو چشم یک فرد و دوقلوها نیز متفاوت از یکدیگر است . از این رو با توجه به موارد مطرح شده و اینکه الگوهای عنبیه یک فرد در طول عمر تغییری نخواهد کرد ( البته در صورتی که چشم فرد دچار صدمات فیزیکی و بیماری آب مروارید و … نگردد ) از این روش به عنوان یکی از روشهای بیومتری در تشخیص هویت میتوان استفاده کرد .

جمع بندی و نتیجه گیری
دراین پایان نامه با مروری بر مبحث شناسایی هویت افراد از طریق ویژگیهای بیومتریک به مطالعه روش های موجود در زمینه شناسایی خودکار سیستم های تشخیص هویت از طریق تصاویر عنبیه چشم پرداخته شد و سیستم های پیشنهادی برروی پایگاه دادههای تصاویر CASIA که شامل تصاویر خاکستری از چشم بودند، آزمایش شد تا کارآیی سیستم معلوم شود. برای پیاده سازی این سیستم ابتدا با استفاده از روش هاف مرزهای داخلی و خارجی عنبیه جدا شدند. سپس یک روش ساده برای جداکردن پلک ها از عنبیه با استفاده از میانگین محلی تصویر عنبیه ارائه شد و مژه ها به کمک آستانه گذاری از تصویر جدا شدند. در مرحله بعد به منظور از بین بردن مشکل عدم تجانس ابعاد بین نواحی عنبیه در تصاویر مختلف فرآیند نرمال سازی انجام شد. این کار به کمک مدل ارایه توسط Daugman پیاده سازی شد که به صورت نواری با توجه به تعریف دو دقت که دقت نمونه برداری در دو راستای شعاع و زاویه بودند صورت گرفت. این تبدیل نگاشت ناحیه عنبیه از مختصات کارتزین (x, y) به یک مختصات نرمالیزه شده قطبی است. برای بهبود تصویر نرمالیزه شده عنبیه با اعمال فیلتر وینر و فیلتر میانگین ارائه شده و مورد بررسی قرار گرفت. سپس یک روش جدید برای استخراج ویژگیهای محلی عنبیه ارائه شد و این کار باتعیین نقاط ماکزیمم با علامت مثبت و مینیمم با علامت منفی در ضرایب تبدیل موجک ،رژلت و کرولت در زیر تصویرهای HL و LH سطح های ۲ و ۳ صورت گرفت. سپس ماتریس های ویژگی با استفاده از روش پیشنهاد شده به صورت باینری در آمد. با استفاده از معیار تعیین فاصله همینگ، تطابق در سیستم پیشنهادی صورت گرفت . تحلیل سیستم پیاده سازی شده در این پایان نامه نتایج در خور توجهی ارایه داد. در این سیستم برای اولین بار روشی جدید برای استخراج ویژگی های محلی عنبیه با استفاده از تبدیل رژلت و کرولت دوبعدی ارائه شد.

نحوه خرید

دانلود رایگان فایل
شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد

راهنمای سایت

برخلاف سایت های دیگر که فایل ها را به صورت تکی می فروشند روال سایت ما این است که شما با عضویت در سایت ما میتوانید از تمام فایل های موجود استفاده کنید.

تمام مطالب سایت فقط برای اعضای سایت رایگان است.

نحوه عضویت در سایت

آخرین مطالب

مطالب مرتبط