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 100 % 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
به عنوان آزمایش بکار برده شد. سامانه ارائه شده شامل CASIA الگوریتم از مجموعه تصاویرپایگاه تصاویر
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
که شامل 756 تصویر از 108 نفر است، CASIA اجرای الگوریتم پیشنهادی در نهایت بر روی تصاویر
درصد موفقیت حدود 98 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.
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 .
چکیده 1
مقدمه 3
فصل اول: مروری بر بیومتری
-1 مقدمه 5 -1
-2 علم بیومتریک 5 -1
-3 مروری بر تاریخچه بیومتریک 6 -1
-4 مزایا و معایب سیستمهای بیومتریکی رایج 10 -1
-5 مقایسه روشهای بیومتریک 11 -1
-6 شناسایی بر اساس ویژگیهای عنبیه 12 -1
-7 تاریخچ ه شناسایی بر اساس عنبیه 13 -1
-8 اجزای سیستم عنبیهنگاری 16 -1
-9 سیستم تصویربرداری 17 -1
18 Collarette -10 مکانیابی مرز -1
فصل دوم: مکان یابی ،جدا سازی یا تقطیع عنبیه
-1 مقدمه 20 -2
-2 جدا سازی عنبیه 21 -2
21 Daugman -1-2 تقطیع عنبیه به روش -2
برای جدا سازی عنبیه 23 Li Ma -2-2 روش -2
24 Sanchez-Avila -3-2 روش -2
-4-2 الگوریتم وایلدز 25 -2
-5-2 مزایا و معایب روش های مختلف جدا سازی عنبیه 27 -2
-3 مقدمه ای بر نرمال سازی 28 -2
-4 نرمال سازی تصویر عنبیه 28 -2
29 Daugman -1 مدل صفحه لاستیکی -4 -2
-2 روش دایره های مجازی 30 -4 -2
-5 بهبود تصاویر عنبیه 31 -2
-1 روش اول برای بهبود تصاویر عنبیه 31 -5 -2
-2 روش دوم برای بهبود تصاویر عنبیه 32 -5 -2
-6 جمع بندی 33 -2
-1 مقدمه 35 -3
-2 روش های مختلف استخراج ویژگی های عنبیه 35 -3
-1 استخراج ویژگی ها با استفاده از موجک گابور 37 -2 -3
-2 آنالیز متغیرهای محلی 38 -2 -3
چند مقیاسی 40 (zero-crossing) -3 استخراج ویژگی های عنبیه با نقاط عبور از صفر -2 -3
-3 مروری بر الگوریتم های تطابق 41 -3
-1 فاصله همینگ 41 -3 -3
-2 فاصله وزن دار اقلیدسی 42 -3 -3
-3 همبستگی نرمالیزه شده 43 -3 -3
-4 تفکیک کننده خطی فیشر 43 -3 -3
-5 خلاصه ای از روش های دیگر 44 -3 -3
-4 نحوه ثبت نام سیستم 45 -3
-5 معرفی خطاها 46 -3
46 False Acceptance Rate(FAR) -1 نرخ پذیرش اشتباه -5 -3
47 False Rejection Rate(FRR) -2 نرخ ردی اشتباه -5 -3
47 False Match Rate(FMR) -3 نرخ تطبیق اشتباه -5 -3
48 False Non Match Rate(FNMR) -4 نرخ عدم تطبیق اشتباه -5 -3
-6 جمع بندی 48 -3
-1 روش استفاده شده برای جداسازی عنبیه 50 -4
50 canny -2 لبه یاب -4
-2 تبدیل هاف 51 -1 -4
3 - روش ارائه شده برای جداکردن پلک ها 54 -1 -4
-4 روش ارائه شده در پ برای جداسازی ناحیهعنبیه 55 -1 -4
-2 روش پیاده سازی شده برای نرمال سازی 56 -4
-1 فرآیند نگاشت در عمل 57 -2 -4
-3 روشی برای ارتقاء تصویر عنبیه 58 -4
-4 تبدیل موجک یک بعدی پیوسته 60 -4
-1 تبدیل موجک گسسته یک بعدی 60 -4 -4
-2 تبدیل موجک دوبعدی پیوسته 61 -4 -4
-3 تبدیل موجک دو بعدی گسسته برای استخراج ویژگی های عنبیه 62 -4 -4
77 ridgelet -5 تبدیل -4
71 curvelet 6 تبدیل -4
7 - روش اعمال شده جهت تطابق 73 -4
8 - چرخش تصاویر 73 -4
-9 جمع بندی 75 -4
فصل پنجم: نتایج 77
-1 مقدمه 78 -5
-2 سیستم شناسایی عنبیه 78 -5
-3 نحوه انجام شبیه سازی ها 80 -5
-1 پایگاه داده ها 80 -3 -5
80 CASIA -2 پایگاه داده های -3 -5
-4 تقطیع عنبیه 81 -5
-5 مقایسه با روش های موجود 85 -5
-6 جمع بندی و نتیجه گیری 86 -5
-7 پیشنهاد برای کارهای آینده 87 -5
مراجع
شامل 110 صفحه فایل pdf
