بهینه سازی تشخیص هویت انسان ازروی تصاویرعنبیه با استفاده ازموجک هار - سایت تخصصی MATLAB

بهینه سازی تشخیص هویت انسان ازروی تصاویرعنبیه با استفاده ازموجک هار

o113_1948791660
در ساليان اخير با پيشرفت فناورى اطلاعات، مسائل امنيتي و سيستم‌هاي هوشمند شناسايي افراد مورد توجه قرار گرفته است. موارد و كاربردهاي تجاري سيستم‌هاي امنيتي شامل کار ...ادامه توضیحات
  • توضیحات
  • نظرات
  • ارسال نظر

در ساليان اخير با پيشرفت فناورى اطلاعات، مسائل امنيتي و سيستم‌هاي هوشمند شناسايي افراد مورد توجه قرار گرفته است. موارد و كاربردهاي تجاري سيستم‌هاي امنيتي شامل کارت‌های هوشمند، رمزهاي عبور، شماره شناسه فردي، دوربين‌هاي مدار بسته و غيره مي‌باشند كه البته مشكلاتي را نيز به همراه دارند. به عنوان مثال امكان به سرقت رفتن يا گم كردن كار تهاي هوشمند و اشتباه زدن رمز عبور و فراموش كردن آن وجود دارد. اندازه‌گیری‌های بيومتريك مانند اثر انگشت يا حالت صدا كه شامل مشخصه‌های فيزيولوژي و رفتاري هستند، براي هر فرد به صورت منحصر به فرد وغیرقابل كپي برداري ذکرشده می‌باشد.درعين حال اعتمادپذيري مشخصه‌های بيومتريك نسبت به ساير موارد ذكرشده، بيشتر خواهد بود. تركيبات شيميايي بوي بدن، مشخصات صورت، ويژگي‌هاي چشم مانند شبكيه و عنبيه، اثر انگشت، ساختار هندسي كف دست، دست خط، حالت صدا، طرز راه رفتن و طرز رفتار ژست نمونه‌هایی از اين خصوصيات هستند. از بين تمام مشخصه‌های بيومتريك ذكرشده، الگوهاي عنبيه چشم، توجه بيشتري را در دهه اخير به خود جلب كرده است. الگوهاي عنبيه براي تمامي افراد منحصر به فرد و غيرقابل تغيير مي‌باشند. اين الگوها بعد از دو يا سه سال اول زندگي تا آخر عمر تغييرناپذير باقي مي‌مانند. عنبيه انسان ساختار فوق‌العاده پيچيده و متنوعي دارد و درعين حال اين ساختارهاي منحصربه فرد، اطلاعات فراواني را در رابطه با بافت خود ارائه مي‌دهند. الگوهاي داخل عنبيه را مانند شبكيه می‌توان از يكديگر جدا كرد اما در عنبيه مزيت راحتي عکس‌برداری وجود دارد كه شبكيه اين مزيت را ندارد.

تا اواخر دهه گذشته هسته‌ی اصلی پردازش تصویر مبتنی بر تبدیل فوریه بود. ازجمله مشکلاتی که در تبدیل فوریه وجود داشت، ناپدید شدن اطلاعات موقتی مثل اطلاعات نت‌ها و فركانس­ها در طی فرايند تبديل بود. در

سال های گذشته موجک­ها به عنوان مبنایی قدرتمند در تحلیل پردازش سیگنال (به اسم تئوری چند دقتی) محسوب می‌شدند. موجک­ها برخلاف تبدیل فوریه دارای فرکانس متغیر و طول عمر محدود هستند.

روش موجک نسبت به روش‌های متعارف فرکانس مانند فوریه، dct، گرادیان و روش‌هایی از این قبیل به دلیل تحلیل قوی‌تر حوزه زمان فرکانس در اکثر موارد دقت بالاتری داشته و خصوصا در موارد غیر خطی با جزئیات بالا کارایی آن به طور مشهودی بهتر می‌باشد.

تبدیل موجک در مورد این که آیا جزئیاتی با اندازه خاص حضور دارد و اگر بله، سهم حضور آن‌ها چقدر است؟ اطلاعاتی به ما می­دهد. چون این تبدیل در مورد مکان یا زمان حضور فرکانس‌ها و یا جزئیات مختلف از سیگنال f(t) اطلاعاتی می­دهد، یک تبدیل محلی به حساب می‌آید. اين تبديل در كل يك تبديل برگشت پذير و با كاربرد در تحليل­هاي محلي به حساب مي­آيد.

تبدیل موجک یکی از پر کاربردترین تبدیلات ریاضی در حوزه پردازشی و به ویژه پردازش سیگنال و تصویر می‌باشد. با توجه به ماهیت آنالیز چند رزولوشنی، این تبدیل جای خود را در بسیاری از کاربردهای پردازشی باز کرده است.

نكته قابل توجه آن است كه مقياس بزرگ موجك معادل فرکانس‌های پايين و مقياس كوچك معادل فرکانس‌های بالاست. هر تابعي كه به عنوان موجك به كار گرفته مي‌شود، داراي ميانگين صفر و انرژی واحد است.

موجک هار دنباله‌ای از مقیاس کوچک شده "مربعات شکل دار" توابع است که از یک خانواده موجک پایه شکل می‌گیرد. آنالیز موجک شبیه به تجزیه و تحلیل آنالیز فوریه است که در آن اجازه می‌دهد تا یک تابع هدف بیش از یک فاصله زمانی که در شرایط استفاده از تابع متعامد پایه است ارائه شود. دنباله هار در حال حاضر به عنوان پایه تبدیل موجک است که به رسمیت شناخته شده و به طور گسترده به عنوان یک مثال آموزشی استفاده می‌شود.

دنباله هار توسط آلفرد هار ارائه شده است. هار استفاده شده در این عملگرها مثالی از یک سیستم متعامد برای فضای توابع انتگرال مربع در فاصله واحد [0، 1] را به ما می‌دهد. موجک هار نیز ساده‌ترین موجک امکان پذیر است.

در روش تبدیل موجک هار، عمل فیلترینگ پایین گذر توسط میانگین گیری از مقدار 2 پیکسل مجاور انجام می‌شود، در حالی‌که اختلاف بین مقادیر دو پیکسل مجاور برای انجام فیلترینگ بالا گذر انجام می‌شود.

در انجام پژوهش جاری پس از بازنگری پژوهش های اخیر مربوط به روش های فعلی تشخیص هویت ، امکان مدل سازی و شبیه سازی پایه بانرم افزارمتلب به منظور بررسی پارامتر های تاثیر گذار در سرعت تشخیص و همچنین دقت تشخیص هویت فراهم می شود، سپس بااستفاده روش فاصله همینگ و ازمون استقلال اماری مدل سازی می شود. در ادامه، با ایجاد دیتا بیس که حاوی اطلاعات عنبیه است، تلاش برای یافتن تاثیر عوامل و پارامتر های مختلف این در روش و یافتن وضعیت های بهینه ی آنها درمقایسه با روش های قبل انجام می شود.

باتوجه به اینکه در کلیه روشها تصویر عنبیه مورد نظر با تک تک تصاویر عنبیه موجود در دیتابیس مقایسه     می گردید نیاز به صرف زمان جهت شناسایی هویت فرد مورد اشاره است در صورتی که تعداد تصاویر موجود در دیتابیس زیاد باشد عملا این روشها جوابگو نخواهد بود لذا در این راستا در یک اقدام خلاقانه سعی خواهیم نمود که سایز تصاویر را به فرمی استاندارد و نرمال تبدیل نماییم که با رسم خطی بین گوشه های چشم آنرا به عنوان محور x در نظر می گیریم مرکز عنبیه چشم را شناسایی و تا لبه شناسایی شده توسط موجک هار که توسط محور x قطع گردیده را مشخص و فاصله این دو نقطه را ( مرکز عنبیه و نقطه برخورد لبه موجک هار و محور مشخص شده ) با استفاده از این شعاع و با تغییر سایز تصویر می توان تصویر را به فرمتی استاندارد تبدیل نمود. با استفاده از نمونه برداری از روی لبه هار و استعلام از دیتابیس می توان تصاویر کاندید را  جهت بررسی پیدا نمود. مزیت این روش نسبت به سایر روشها شناسایی هویت فرد با کمترین نمونه برداری امکان پذیر است.

پايگاه تصاوير‌به کار رفته در پایان نامه، پايگاه تصاوير‌ sggsie که‌سایز‌این‌تصاویر pix201*241  می باشند.

متغیر وابسته:

HD، فاصله همینگ نرخ تشخیص

 محورعمودی تصویرyi محورافقی تصویر و xi،  انتقال و S مقیاس  متغیر مستقل:

فهرست نظرات:
هنوز هیچ نظری ارسال نشده است.
امتیاز:

درج نظر شما در مورد این محصول

نام کاربری:
منبع فیلم آموزشی
ندارد ندارد
+
افزودن به سبد