بسته جامع پژوهشی تشخیص هویت بر مبنای عنبیه

این بسته پژوهشی مجموعه کاملی از آخرین پژوهش های انجام شده در زمینه بررسی تشخیص هویت بر مبنای عنبیه است. در تدوین این بسته از جدیدترین مقالات و پایان نامه های موجود در این زمینه استفاده شده است. مخاطبان این بسته دانشجویان تحصیلات تکمیلی و پژوهش گرانی هستند که قصد فعالیت در این زمینه دارند.

  • در فصل اول این پژوهش تشخیص هویت بر مبنای بافت عنبیه بررسی شده است
  • در فصل دوم این پژوهش استفاده از تکنیکهای مختلف در تشخیص هویت با کمک الگوهای عنبیه بررسی شده است
  • در فصل سوم این پژوهش تشخیص هویت مبتنی بر تصاویر عنبیه چشم بررسی شده است
  • در فصل چهارم این پژوهش تشخیص تصاویر عنبیه غیرایده آل براساس الگوریتم های فراابتکاری بررسی شده است
  • در فصل پنجم این پژوهش سامانه انواع بررسی های تشخیص هویت بیومتریک بررسی شده است

عنبيه بين مردمك و صلبيه قرار گرفته و با توجه به اينكه اطلاعات منحصر بفرد مربوط به بافت عنبيه مي باشد، بايد در مرحله اول مرزهاي داخلي و خارجي عنبيه مشخص گردد .در اين مرحله ، از الگوريتم Ma با كمي تغييرات سود جسته ايم . ابتدا براي به دست آوردن مركز و شعاع مردمك و با توجه به اينكه مردمك از بقيه نواحي تاريكتر است، تصوير را باينري كرده و مقدارآستانه را 70 قرار داديم، اين مقدار آستانه از روي منحني هيستوگرام و با آزمايش و خطا بدست آمد ه است . با توجه به اينكه با اين مقدار آستانه ممكن است بعضي از عوامل مزاحم به تصوير باينري اضافه شوند، كه از عملگربراي حذف (closing) بستن (Morphology) مورفولوژي آنها استفاده مي شود

قسمت هایی از فصل اول تشخیص هویت بر مبنای بافت عنبیه

به منظور لبه یابی عنبیه , شدت پیکسل های خط افقی که از مرکز مردمک می گذرد را پیدا کرده و سپس سطوح شدت که به طور ناگهانی افزایش می یابد را آشکار می کنیم. اگرچه شدت پیکسل های مرز بین عنبیه و صلبیه بسیار آرام تغییر می کند ولی پیکسل های صلبیه معمولا دارای شدت بیشتر از عنبیه است. این امکان وجود دارد که برخی پیکسل های داخل دایره عنبیه به دلیل افزایش ناگهانی شدت نور خیلی روشن باشد در نتیجه باعث می شود الگوریتم برای پیدا کردن لبه های عنبیه در یک نقطه دچار مشکل شود.برای جلوگیری از این مشکل یک پنجره ی میانگین گیر شدت نور اعمال می کنیم و وقتی در این فاصله افزایش ناگهانی شدت پیکسل ها اتفاق می افتد آشکارسازی را انجام می دهیم. در مرحله آخر با اعمال یک سطح آستانه مناسب می توان ناحیه پلک ها را جدا کرد

فهرست کامل فصل اول تشخیص هویت بر مبنای بافت عنبیه

1-1 ) تشخیص هویت برمبنای بافت عنبیه

1.1.1 چکیده 1
1.1.2 مقدمه 2
1.1.3 الگوریتم پیشنهادی 2
1.1.4 جداسازی عنبیه 3
1.1.5 نرمال سازی 4
1.1.6 بهبود کیفیت تصاویر 5
1.1.7 استخراج ویژگی 5
1.1.8 تطبیق 6
1.1.9 یافته ها 6
1.1.10 نتیجه گیری 7
1.1.11 منابع 8

1-2 ) تشخیص هویت و طبقه بندی افراد مبتنی بر ویژگی های استخراج شده از رنگدانه های عنبیه چشم

1.2.1 چکیده 9
1.2.2 مقدمه 10
1.2.3 چهارچوب پیشنهادی سیستم طبقه بندی و شناسایی افراد مبتنی بر تصاویر عنبیه 11
1.2.4 اخذ تصویر چشم 12
1.2.5 ناحیه بندی عنبیه 12
1.2.6 استخراج ویژگی 13
1.2.7 ایجاد الگو 14
1.2.8 تجزیه مقادیر واحد SVD 15
1.2.9 آنالیز اجزای مستقل ICA 16
1.2.10 طبقه بندی 16
1.2.11 ارزیابی آزمایش ها 16
1.2.12 نتیجه گیری 19
1.2.13 منابع 20

1-3 ) شناسايي تشخيص هويت بيومتريك از طريق عنبيه چشم

1.3.1 چکیده 21
1.3.2 مقدمه 21
1.3.3 جداسازي عنبيه 22
1.3.4 روش پيشنهادي 22
1.3.5 نرمال سازي 22
1.3.6 دریافت تصاویر 22
1.3.7 بهبود كيفيت تصاوير 23
1.3.8 نتیجه گیری 23
1.3.9 منابع 23

1-4 ) مروري بر روشهاي تشخيص هويت بر اساس عنبيه

1.4.1 چکیده 24
1.4.2 مقدمه 25
1.4.3 پيش پردازش 25
1.4.4 قطعه بندي 26
1.4.5 نرماليزه کردن تصوير عنبيه 28
1.4.6 استخراج ويژگي 29
1.4.7 انطباق 31
1.4.8 پايگاه داده هاي به کار رفته در مقالات 31
1.4.9تحليل دادهها و يافتههاي پژوهش 32
1.4.10 نتيجه گيري 33
1.4.11 راه کارهاي کاربردي و پيشنهادات 33
1.4.12 مراجع 33

1-5 ) استفاده از يادگيري گروهي در سيستم تشخيص هويت بر مبناي عنبيه

1.5.1 چکیده 36
1.5.2 مقدمه 36
1.5.3 هدف و اهميت موضوع 37
1.5.4 مفاهيم، ديدگاه ها و مباني نظري 37
1.5.5 مرور پيشينه 37
1.5.6 پرسش ها و فرضيه هاي پژوهش 38
1.5.7 روش پژوهش 39
1.5.8 معيار هاي ارزيابي 39
1.5.9 يافته هاي پژوهش 39
1.5.10 نتیجه گیری 41
1.5.11 کارهای آتی 41
1.5.12 مراجع 42

1-6 ) بهبود تشخيص هويت مبتني بر تصاوير عنبيه چشم

1.6.1 چکیده 43
1.6.2 مقدمه 43
1.6.3 تحقيقات انجام شده 44
1.6.4 روش ارائه شده در تحقيق 44
1.6.5 ناحيه بندي عنبيه 44
1.6.6 مكانيابي بازتابهاي نور و پركردن آنها 45
1.6.7 مكانيابي تقريبي ناحيه حاوي عنبيه 45
1.6.8 يافتن مرز خارجي عنبيه 45
1.6.9 مكانيابي پلك بالا و پلك پايين 46
1.6.10 نرماليزاسيون 46
1.6.11 مكانيابي مردمك 46
1.6.12 استخراج ويژگي و طبق هبندي 47
1.6.13 نتايج حاصله 47
1.6.14 نتيجه گيري 47
1.6.15 مراجع 48

i

ارجاع دهی و رفرنس نویسی

تمام مطالب این بسته مطابق با استاندارد های دانشگاههای وزارت علوم ایران رفرنس دهی شده اند و هیچ قسمتی از بسته وجود ندارد که بدون منبع باشد.

نگارش گروهی

در نگارش و جمع آوری این بسته آموزشی کارشناسان مربوطه ما را همراهی کرده اند.کار گروهی بستر بهتری برای پژوهش فراهم میکند.

<

معرفی منبع برای ادامه پژوهش

در این بسته بیش از 1000 مقاله و منبع در این زمینه معرفی شده است که می توان از آنها برای ادامه مسیر پژوهشی استفاده کرد.

Z

پاسخ به سوالات و پشتیبانی علمی

در قسمت دیدگاه ها  اماده پاسخگویی به سوالات احتمالی شما در حد توان علمی خود هستیم.در صورت نیاز شماره تماس برای ارتباط با محققین برای شما ارسال می گردد.

بخش هایی از فصل دوم استفادها از تکنیکهای مختلف در تشخیص هویت با کمک الگوهای عنبیه

عنبیه حلقه رنگی بافتی در اطراف مردمک است که از طریق آن نور وارد و داخل چشم می شود. دو ماهیچه ، ماهیچه های ( dilatorگشاد کننده) و ( sphincterتنگ کننده) اندازه عنبیه را برای تنظیم مقدار نور وارد شده از مردمک را کنترل می کنند. تصویر شماره 3مثالی از تصویر گرفته شده توسط یک سیستم بیومتریک عنبیه تجاری را نشان می دهد. Sclera ناحیه سفید متصل یه بافت عنبیه که رگ های خونی را در بر می گیرد. یک پرده شفاف به نام قرنیه ، عنبیه و مردمک را می پوشاند. ناحیه مردمک به طور کلی تیره تر از عنبیه ظاهر می شود. با این حال مردمک ممکن است دارای تیره روشن های طیفی باشد و آب مروارید ها می توانند مردمک را روشن کنند

فهرست کامل فصل دوم استفادها از تکنیکهای مختلف در تشخیص هویت با کمک الگوهای عنبیه

2-1) استفاده از تکنیک های پردازش موازی با استفاده از پردازنده های گرافیکی درتشخیص هویت باکمک الگوهای عنبیه

2.1.1 خلاصه 49
2.1.2 مقدمه 49
2.1.3 اشنایی با الگوریتم های موازی 49
2.1.4 تشخیص عنبیه 52
2.1.5 پیاده سازی 53
2.1.6 نتیجه گیری 53
2.1.7 مراجع 53

2-2) طراحی یک سیستم کارآمد تشخیص هویت براساس آنالیز تصاویر عنبیه چشم با استفاده از تبدیل موجک سیملت

2.2.1 چکیده 54
2.2.2 مقدمه 54
2.2.3 پردازش تصویر 55
2.2.4 دریافت تصاویر 55
2.2.5 جداسازی عنبیه 55
2.2.6 نرمال سازی 55
2.2.7 بهبود کیفیت تصاویر 56
2.2.8 استخراج ویژگی 56
2.2.9 نتایج 58
2.2.10 نتیجه گیری 60
2.2.11 مراجع 60

2-3) استخراج یک ویژگی جدید مبتنی برتبدیل موجک برای بهبود عملکرد سیستم های تشخیص هویت به وسیله عنبیه

2.3.1 چکیده 62
2.3.2 مقدمه 62
2.3.3 پردازش تصویر 63
2.3.4 دریافت تصاویر 63
2.3.5 جداسازی عنبیه 63
2.3.6 نرمالسازی 64
2.3.7 استخراج بردار ویژگی با روش پیشنهادی 64
2.3.8 بهبود کیفیت تصاویر 64
2.3.9 نتایج پیاده سازی 65
2.3.10 نتیجه گیری 67
2.3.11 مراجع 67

2-4) مقایسه تطبیقی دو روش WILDES و DAUGMAN درپردازش تصاویر عنبیه

2.4.1 چکیده 69
2.4.2 مقدمه 69
2.4.3 دسته بندي بيومتريك ها 69
2.4.4 آناتومي عنبيه 71
2.4.5 جمع آوري تصاوير 73
2.4.6 جدا سازي عنبيه 75
2.4.7 جدا سازي شاخص ها 77
2.4.8 انطباق الگوها 79
2.4.9 نتيجه گيري ها 79
2.4.10 مراجع 79

2-5) مقایسه تطبیقی دو روش WILDES و DAUGMAN درپردازش تصاویر عنبیه

2.5.1 چکیده 82
2.5.2 مقدمه 83
2.5.3 آناتومی عنبیه 85
2.5.4 جمع آوری تصاویر 87
2.5.5 جداسازی عنبیه 91
2.5.6 جداسازی شاخص ها 93
2.5.7 انطباق الگوها 95
2.5.8 نتیجه گیری 96
2.5.9 مراجع 96

2-6) طراحی یک سیستم تشخیص هویت عنبیه با استفاده از سیستم استنتاج فازی-عصبی تطبیقی

2.6.1 چکیده 99
2.6.2 مقدمه 99
2.6.3 سیستم استنتاج فازی-عصبی تطبیقی 100
2.6.4 شناسایی عنبیه 102
2.6.5 تصویربرداری 102
2.6.6 جداسازی عنبیه 103
2.6.7 نرمالیزه سازی عنبیه 103
2.6.8 استخراج ویژگی تصاویر عنبیه 104
2.6.9 نتایج شبیه سازی 106
2.6.10 نتیجه گیری 106
2.6.11 مراجع 106

2-7) ارائه روش ترکیبی از عنبیه و الگوی رگ های دست با استفاده از RFID برای تشخیص هویت کاربر و افزایش امنیت در سیستم های خودپرداز

2.7.1 چکیده 108
2.7.2 مقدمه 109
2.7.3 استفاده از بیومتریک عنبیه در سیستم های خودپرداز 109
2.7.4 تعیین محل عنبیه برای تصویربرداری و ثبت در پایگاه داده 110
2.7.5 روند استخراج خصیصه ها و تشخیص عنبیه 110
2.7.6 استفاده از الگوی رگ های دست تعبیه شده در تگ RFID کارت هوشمند برای سیستم خودپرداز 113
2.7.7 نحوه استخراج الگو یا شكل رگ های دست 115
2.7.8 روش ترکیبی، تجزیه و تحلیل نتایج 116
2.7.9 نتیجه گیری 117
2.7.10 فهرست منابع 118

تعداد صفحه بسته آموزشی

تعداد منابع معرفی شده برای ادامه کار

تعداد پشتیبانان مخصوص این فایل

قسمت هایی از فصل سوم تشخیص هویت مبتنی بر تصاویر عنبیه چشم

تشخيص هويت از معدود روشهاي بيومتريك مي باشد كه با دارا بودن مزاياي دقت بالا و سطح پايين دخالت فرد، در مواردي مانند امنيت اطلاعات، اجرا و نظارت بر قانون، كنترل تردد و ثبت تردد در سيستم هاي حضور و غياب مورد استفاده قرار مي گيرد. به همين دليل اين فناوري در طي بيست سال گذشته در عرصه هاي صنعتي و علمي مورد توجه قرار گرفته است. فراواني اطلاعات موجود در عنبيه، تنوع ، كم بودن وابستگي ژنتيكي آن، و قابليت دسترسي آن به تصوير، بدون تماس فيزيكي و همچنين امكان صدمه ديدن پايين همگي عنبيه را به يك معيار شناسايي ممتاز و شگرف تبديل ساخته است. در تمام سازمان هايي كه ورود افراد اهميت دارد و تنها كاركنان خاصي اجازه ورود دارند ، اين سيستم مي تواند براي شناسايي افراد مجاز مورد استفاده قرار بگيرد. همچنين اين ايده ،كنترل گذرنامه، تجارت الكترونيكي، خدمات درماني، پرداخت هاي استحقاقي، حق دستيابي به اطلاعات ويژه، اختيارات، خدمات دولت، كاربردهاي نيروي انتظامي و قانوني، سفر هوايي، ورود به كامپيوتر و يا هر تعامل ديگري كه درآن شناسايي شخصي بر دارائي يا رمز خاصي (كليدها، كارت ها، مدارك، كلمات عبور، شماره هاي شناسايي فردي) تكيه مي كند، را شامل مي گردد. شناسايي ناحيه ي چشم از تصاوير چهره، يكي از گام هاي مهم در زمينه ي تشخيص عنبيه است، زيرا پيش از تشخيص عنبيه بايد قسمت عنبيه به درستي قطعه بندي شود. الگوريتم هاي بسياري براي اين منظور پيشنهاد شده است. مرجع روشي براي شناسايي ناحيه ي چشم به منظور استفاده در سيستم هاي قابل حمل پيشنهاد داده است. نويسندگان، عملگر جديدي معرفي كرده اند كه ميزان كنتراست بين ناحيه ي عنبيه و نواحي در همسايگي آن را ميسنجد. احتمال ناحيه ي چشم بودن پنجره ي جستجو، با بهره گيري از اين عملگر و اطلاعات قبلي از هندسه ي ناحيه ي چشم به دست مي آيد. اين الگوريتم، در شناسايي ناحيه ي چشم در تصاويري كه نورپردازي نامناسب دارند و يا فرد در تصوير داراي عينك است، دقت و سرعت مناسبي دارد. مرجع مكانيابي مركز چشم را با استفاده از تقارن دايروي بر اساس خواص هم دامنه پيشنهاد داده اند. براي هر پيكسل مركز دايره ي هم دامنه، از مشتقات شدت روشنايي تصوير محاسبه شده تا هر پيكسل براي مركز به دست آمده يك امتياز ايجاد كند. روش پيشنهاد شده نسبت به تغييرات شدت روشنايي، چرخش و تغيير مقياس مقاوم است. در مرجع براي رديابي چشم در تصاوير با شدت روشنايي متفاوت و با زواياي مختلف سر، روشي را با تركيب طبقه بند ماشين بردار پشتيباني و ردياب جابجايي ميانگين بر اساس فيلتر كالمن پيشنهاد داده شده است. تصاوير مورد استفاده در نور مادون قرمز تهيه شده اند و حتي در تصاويري كه مردمك به وضوح مشاهده نمي شود، شناسايي ناحيه ي چشم به خوبي صورت مي گيرد. در اين مقاله، براي تشخيص ناحيه ي چشم از ويژگي هاي مختلفي استفاده مي شود كه در ادامه به معرفي آنها مي پردازيم. اين ويژگيها در بلوك هاي تصوير محاسبه مي شوند. سپس، با توجه به نحوه ي طبقه بندي، بلوكها به نمونه هاي مثبت و نمونه هاي منفي دسته بندي مي شوند. نمونه هاي مثبت، بلوك هايي هستند كه ناحيه ي چشم به صورت مثبت شناسايي شده اند و بالعكس، در نمونه هاي منفي، ناحيه ي چشم وجود ندارد. پس از معرفي ويژگي ها براي دسته بندي بلوكها، نحوه ي عملكرد نهايي تركيب اين ويژگيها بيان خواهد شد

فهرست کامل فصل سوم تشخیص هویت مبتنی بر تصاویر عنبیه چشم

3-1 ) روشی سریع برای تشخیص هویت براساس تصاویر عنبیه چشم بدون حذف کامل پس زمینه تصویر

3.1.1 چکیده 119
3.1.2 مقدمه 119
3.1.3 پردازش تصویر 120
3.1.4 دریافت تصاویر 120
3.1.5 جداسازی عنبیه 120
3.1.6 نرمالسازی 120
3.1.7 تطابق 121
3.1.8 استخراج ویژگی 121
3.1.9 نتیجه گیری 122
3.1.10 مراجع 122

3-2 ) تشخيص هویت بر مبنای تحليل تصاویر عنبيه چشم با استفاده از تبدیل موجک

3.2.1 چکیده 124
3.2.2 مقدمه 124
3.2.3 پردازش تصویر 124
3.2.4 دریافت تصاویر 124
3.2.5 جداسازی عنبيه 125
3.2.6 بهبود کيفيت تصاویر 125
3.2.7 نرمال سازی 125
3.2.8 استخراج ویژگی 125
3.2.9 نتایج 126
3.2.10 جمع بندی 128
3.2.11 مراجع 128

3-3 ) تشخیص هویت افراد از طریق عنبیه چشم

3.3.1 چکیده 130
3.3.2 مقدمه 131
3.3.3 مروری بر روشهای موجود 131
3.3.4 فناوری بیومتریک 132
3.3.5 اثرانگشت 134
3.3.6 اثرکف دست 135
3.3.7 عنبیه چشم 136
3.3.8 سیستم تشخیص عنبیه ی چشم 137
3.3.9 بخش بندی 137
3.3.10 نرمال سازی 138
3.3.11 رمزنگاری ویزگی 138
3.3.12 تطبیق گذاری 138
3.3.13 سیستم تشسخیص وشناسایی شبکیه 138
3.3.14 اقتباس نقاط خصوصیتی 139
3.3.15 ترسیم ومطابقت الگوها 139
3.3.16 ترکیب نمرات میانگین مربوط به عنبیه ها وشبکیه 140
3.3.17 نتیجه گیری 140
3.3.18 منابع 141

3-4 ) شناسايي ناحيه چشم از فاصله نسبتاً دور براي كمك به تشخيص هويت از طريق عنبیه افراد

3.4.1 چکیده 144
3.4.2 ABSTRACT 145
3.4.3 مقدمه 146
3.4.4 روش شناسي 146
3.4.5 الگوريتم پيشنهادي براي شناسايي ناحيهي چشم 147
3.4.6 طبقهبندي با استفاده از آستانهگذاري 147
3.4.7 طبقه بندی با استفاده از SVM 148
3.4.8 تحليل داده ها و يافته هاي پژوهش 150
3.4.9 پایگاه داده ی CASIA.V4-DISTANCE 150
3.4.10 شناسایی چشم 150
3.4.11 طبقهبندي با استفاده از آستانهگذاري 151
3.4.11 طبقه بندی با استفاده از طبقه بند SVM 151
3.4.12 بحث و نتيجهگيري 152
3.4.13 منابع 153

قسمت هایی از فصل چهارم تشخیص تصاویر عنبیه غیرایده آل براساس الگوریتم های فراابتکاری

در روش زاویه ایی مطرح شده، هدف انتخاب زاویه ایی از عنبیه است که احتمال وجود پلک کمتر باشد و همه ی شعاع یعنی از مردمک تا عنبیه در نظر گرفته می شود. در این روش از ماسک استفاده نمی شود و حجم و ذخیره سازی کم است چون سطح پیکسل ها کم است. در این انتخاب قطعاً میزان پیکسل های درگیر کمتر می شوند و انتظار کم شدن دقّت را داریم امّا از طرفی به علّت نبودن پلک ها احتمال بالا رفتن دقّت نیز وجود دارد که در ادامه نتایج حاصل از پیاده سازی به وضوح، صحّت درستی این ادّعا را نشان می دهد. .

فهرست کامل فصل چهارم تشخیص تصاویر عنبیه غیرایده آل براساس الگوریتم های فراابتکاری

4-1 ) تشخیص تصاویر عنبیه غیرایده آل براساس الگوریتم های فراابتکاری

4.1.1 کلیات تحقیق 170
4.1.1.1 مقدمه 171
4.1.1.2 هدف پایان نامه 172
4.1.1.3 روش و ابزار گردآوری داده ها 173
4.1.1.4 ابزار تجزیه و تحلیل داده ها 173
4.1.1.5 ساختار پایان نامه 173
4.1.1.6 بلوک دیاگرام مراحل کلی انجام کار 174
4.1.2 مروری بر ادبیات وپیشینه ی تحقیق 175
4.1.2.1 مقدمه 176
4.1.2.2 زمینه های پیدایش 180
4.1.2.3 عنبیه و ساختار آن 181
4.1.2.4 بررسی پایداری بافت 183
4.1.2.5 چگونگی کارکرد سیستم بیومتریک عنبیه 184
4.1.2.6 ارزیابی سیستم بیومتریک عنبیه 188
4.1.2.7 مزایا و معایب سیستم بیومتریک عنبیه 188
4.1.2.8 پردازش تصویر در سیستم بیومتریک عنبیه 189
4.1.2.9 دریافت تصویر 190
4.1.2.10 پردازش تصویر 190
4.1.2.11 ناحیه بندی بافت عنبیه 190
4.1.2.12 اهمیت ناحیه بندی صحیح 191
4.1.2.13 مروری کوتاه بر برخی از روش های ناحیه بندی 191
4.1.2.14 تشخیص لبه با استفاده از تابع EDGE 191
4.1.2.15 تشخیص لبه به روش SOBEL 191
4.1.2.16 تشخیص لبه به روش CANNY 192
4.1.2.17 الگوریتم یافتن دایره تبدیل هاف 192
4.1.2.18 نرمال سازی 196
4.1.2.19 مروری کوتاه بر روش های نرمالیزه کردن 196
4.1.2.20 روش ارائه شده توسط داگمن 196
4.1.2.21 روش دایره های مجازی 197
4.1.2.22 ماسک گذاری 197
4.1.2.23 مروری بر برخی ابزارهای استفاده شده در استخراج ویژگی 198
4.1.2.24 فیلترهای گابور 198
4.1.2.25 استفاده از تبدیل موجک 199
4.1.2.26 استفاده از تبدیل لاپلاس گوسی 199
4.1.2.27 موجک هار 200
4.1.2.28 تبدیل موجک هار 200
4.1.2.29 چگونگی فرآیند 200
4.1.2.30 خلاصه فصل 202
4.1.3 روش اجرای تحقیق 203
4.1.3.1 مقدمه 204
4.1.3.2 پیش پردازش و ناحیه بندی استفاده شده برای تصاویر عنبیه غیر ایده آل 204
4.1.3.3 ناحیه بندی عنبیه غیرایده آل 209
4.1.3.4 ناحیه بندی با پیاده سازی و تحلیل الگوریتم کلونی مورچگان 210
4.1.3.5 الگوریتم بهینه سازی کلونی مورچگان 210
4.1.3.6 عملکرد کلی الگوریتم کلونی مورچگان 211
4.1.3.7 انعطاف پذیری الگوریتم مورچگان 212
4.1.3.8 مزایای الگوریتم مورچگان 213
4.1.3.9 ناحیه بندی بهینه عنبیه توسط الگوریتم کلونی مورچگان 213
4.1.3.10 ایجاد جمعیت جهت یافتن جواب بهینه 213
4.1.3.11 ارزیابی شایستگی و انتخاب مورچههای کاندید برای ترشح فرومون 214
4.1.3.12 روز رسانی فرومون 215
4.1.3.13 فلوچارت کلی الگوریتم کلونی مورچگان 216
4.1.3.14 جمع بندی 217
4.1.3.15 نرمال سازی 217
4.1.3.16 مقدمه 217
4.1.3.17 روش نرمالایز استفاده شده برای تصاویر عنبیه 217
4.1.3.18 استخراج ویژگی 218
4.1.3.19 مقدمه 218
4.1.3.20 پایگاه داده 219
4.1.3.21 روش زاویه ایی 219
4.1.3.22 ویولت دو بعدی هار 220
4.1.3.23 انتخاب خصوصیت با پیاده سازی و تحلیل الگوریتم کلونی زنبورهای مصنوعی 221
4.1.3.24 الگوریتم کلونی زنبورهای مصنوعی 221
4.1.3.25 عملکرد کلی الگوریتم زنبور 221
4.1.3.26 انتخاب ویژگی با استفاده از الگوریتم کلونی زنبور 223
4.1.3.27 انتخاب راهحل اوّلیه توسط زنبورهای کارگر 223
4.1.3.28 ارزیابی راهحلهای اولیه و انتخاب زنبورهای پیشاهنگ 224
4.1.3.29 فرآیند سربازگیری برای زنبورهای پیشاهنگ 225
4.1.3.30 جستجوی راه حلهای جدید با راهنمایی زنبورهای پیشاهنگ 225
4.1.3.31 فلوچارت کلی الگوریتم کلونی زنبور 226
4.1.3.32 پارامترهای الگوریتم انتخاب ویژگی با استفاده از کلونی زنبور 226
4.1.3.33 جمع بندی 227
4.1.3.34 طبقه بندی با پیاده سازی و تحلیل الگوریتم های شبکه عصبی 227
4.1.3.35 مقدمه 227
4.1.3.36 نحوه ی ارائه نتایج طبقه بندی در SVM 228
4.1.3.37 جمع بندی 229
4.1.3.38 خلاصه فصل 229
4.1.4 تجزیه و تحلیل داده ها 230
4.1.4.1 نتایج پیاده سازی 231
4.1.4.2 نتایج حاصل از پیاده سازی الگوریتم کلونی مورچگان در ناحیه بندی عنبیه 231
4.1.4.3 نتایج حاصل از پیاده سازی الگوریتم زنبورهای مصنوعی در انتخاب ویژگی 232
4.1.4.4 نتایج حاصل از پیاده سازی شبکه های عصبی در طبقه بندی 232
4.1.4.5 نتایج حاصل از پیاده سازی روش پیشنهادی با روشهای دیگر 236
4.1.5 نتیجه گیری وپیشنهادات 239
4.1.5.1 نتیجه گیری 240
4.1.5.2 راهکارهایی برای ادامه پژوهش 241
4.1.5.3 فهرست منابع 242
4.1.5.4 ABSTRACT 245

4-2 ) تشخیص هویت با استفاده از عنبیه چشن هبتنی بر انتخاب ویصگی با الگوریتن CANNY وطبقه بندی با بهینه سازی ازدحام ررات و هاشین بردار پشتیبان

4.2.1 چکیده 247
4.2.2 مقدمه 248
4.2.3 بررسی دیگر تحقیق های انجام شده 249
4.2.4 الگوریتم بهینه سازی ازدحام ذرات 250
4.2.5 ماشین بردارپشتیبان 251
4.2.6 روش پیشنهادی تشخیص هویت بر مبنای عنبیه چشم 253
4.2.7 انتخاب ویژگی با استفاده از لبه یاب CANNY ولاپلاسین 253
4.2.8 جداسازی مرز خارجی ومحاسبه شعاع ومرکز عنبیه چشم با لبه یاب CANNY 254
4.2.9 بهبود کیفیت تصویر با استفاده از ماسیک لاپلاسین 254
4.2.10 بهینه سازی پارامترهای SVM با استفاده از الگوریتم PSO 256
4.2.11 نتایج و آزمایشات 257
4.2.12 نتیجه گیری 257
4.2.13 مراجع 258

%

میزان رضایت

میزان رضایت افراد خریدار این بسته بعد از خرید

(نظر سنجی به وسیله ایمیل و یک هفته بعد ازخرید بسته انجام می گیرد)

قسمت هایی از فصل پنجم سامانه انواع بررسی های تشخیص هویت بیومتریک

روش تشخیص هویت توسط تصاویر عنبیه برای اولین بار مورد توجه قرار 1988 در سال گرفت و بحث اصلی در این زمینه توسط John Daugman در دانشگاه کمبریج انگلستان انجام است شده ،الگوریتمترین مطمئناز الگوریتم. این ها هایروشدر بین بیومتریک است و در شرایط گوناگون و برای تعداد زیادی از افراد مورد آزمایش قرار گرفته شد و تقریبا نشان نداده خطایی از خود بوده بالا و موفقیت آن است، به همین دلیل در بیشتر محصولات تجاری از صورت هایاز دیگر کار شود.استفاده می الگوریتماین گرفته در این زمینه میتوان به الگوریتم پیشنهادی W. Boles و همکاران در سال 1998 امنیتی الگوریتمیک آنها اشاره کرد. بر اساس عنبیه را با استفاده از تبدیل موجک مطرح کردند. این فرآیند در دوم مرحله انجام می ،دوش که مرحله اول ساخت یک نمایش یک عنبیه وبعدی از بدست آوردن آن با تبدیل موجک و مرحله دوم تطبیق عنبیه و عمل تصمیمگیری می . این روش باشد حساسیت کمتری نسبت به نویز در برابر روش Daugman دارد. کار بعدی انجام شده در این رابطه الگوریتم C. Sanchez-Avila و همکاران در سال 2002 الگوریتمیک بود. آنها تشخیص عنبیه را بر اساس تبدیل موجک دوتایی مطرح کردند. در این طرح با دوبار مشتقگیری در هنگام کدگذاری تصاویر نرمال شده، فضای مورد نیاز برای ذخیره ویژگیها به 256 بیت رسیده است. با استفاده از تبدیل موجک دوتایی بکار رفته بسیاری از ویژگی اصلی و بارز حفظ شده و مورد استفاده قرار می دنگیر . کارهای دیگری که در این زمینه صورت گرفته عموما بر مبنای روشهای فوق بوده و بیشتر به بحث در خصوص پردازش تصویر و روشهای تشخیص، تفکیک و نرمال سازی عنبیه پرداخته اند

فهرست کامل فصل پنجم سامانه انواع بررسی های تشخیص هویت بیومتریک

5-1 ) استفاده از عنبيه چشم در توليد یک کپسول بيومتریک

5.1.1 چکیده 259
5.1.2 مقدمه 260
5.1.3 کارهای مرتبط 260
5.1.4 روش پيشنهادی 262
5.1.5 فاز توليد کليد 262
5.1.6 فاز اسختراج ویژگی 263
5.1.7 فاز همجوشی امن با استفاده از دو عنبيه کاربر و کليد های بدست آمده 263
5.1.8 مراحل کلی این الگوریتم 263
5.1.9 ارزیابی کارایی روش ارائه شده 264
5.1.10 آناليز امنيتی روش ارائه شده 264
5.1.11 نتيجهگيری و کارهای آینده 265
5.1.12 مراجع 266

5-2 ) بررسی انواع سامانههای تشخیص هویت بیومتریک

5.2.1 خلاصه 267
5.2.2 مقدمه 267
5.2.3 مراحل و ساختار سیستمهای شناسایی بیومتریک 267
5.2.4 سیستمهای بیومتریک مبتنی بر ویژگیهای فیزیکی قابل لمس 269
5.2.5 سیستم شناسایی بر اساس الگوی دست 269
5.2.6 سیستم شناسایی بر اساس اسکن از چهره 269
5.2.7 سیستم شناسایی بر اساس اثر انگشت 270
5.2.8 سیستم بیومتریک مبتنی بر ویژگیهای فیزیکی غیر قابل لمس 271
5.2.9 سیستم شناسایی بر اساس عنبیه 271
5.2.10 سیستم شناسایی بر اساس اثر شبکیه 272
5.2.11 سیستم شناسایی بر اساس اسکن از ورید 273
5.2.12 سیستمهای بیومتریک مبتنی بر ویژگیهای رفتاری 273
5.2.13 سیستم شناسایی بر اساس دست خط 273
5.2.14 سیستم شناسایی بر اساس الگوی صدا 274
5.2.15 سیستم شناسایی بر اساس لبخند 274
5.2.16 سیستمهای بیومتریک مبتنی بر ویژگیهای شیمیایی 275
5.2.17 سیستم شناسایی بر اساس بوی بدن 275
5.2.18 سیستم شناسایی بر اساس ماده ژنتیک 275
5.2.19 نتیجهگیری 275
5.2.20 مراجع 276

5-3 ) ارائه یک روش موثر جهت افزایش میزان دقت در تشخیص هویت با استفاده از بیومتریک عنبیه چشم بر پایه الگوریتم های هوشمند

5.3.1 خلاصه 277
5.3.2 مقدمه 277
5.3.3 سیستم تشخیص بیومتریک 278
5.3.4 کارایی سیستم های بیومتریک 278
5.3.5 مروری بر اقدامات پیشین 280
5.3.6 مراحل متداول تشخیص هویت به وسیله عنبیه چشم 281
5.3.7 پایگاه داده های متداول عنبیه چشم 281
5.3.8 کاربرد الگوریتم های هوشمند در تشخیص عنبیه 281
5.3.9 معماری سیستم تشخیص عنبیه پیشنهادی 282
5.3.10 عملیات تشخیص عنبیه چشم 283
5.3.11 مدل شبکه عصبی برای طبقه بندی الگوی عنبیه 284
5.3.12 مدل ماشین بردار پشتیبان SVM)) برای طبقه بندی الگوی عنبیه 286
5.3.13 استفاده از شبکه عصبی و ماشین بردارپشتیبان برای طبقه بندی الگوی عنبیه 288
5.3.14 نتایج تجربی 288
5.3.15 نتیجه گیری 289
5.3.16 منابع 290

تمام منابع معرفی شده هم به صورت فایل Word و هم به صوت فایل PDF در اختیار شما قرار می گیرد.

تومان35,000افزودن به سبد خرید

0دیدگاه ها

ارسال یک دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *