بازشناسی عنبیه مبتنی بر تبدیل موجک و ماتریس هم وقوعی با استفاده از شبکه ی عصبی احتمالی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,389

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP07_050

تاریخ نمایه سازی: 28 مرداد 1391

چکیده مقاله:

در این مقاله روش جدیدی برای استخراج ویژگی از تصویر عنبیه با استفاده از تبدیل موجک دو بعدی و ماتریس هم وقوعی ارائه شده است. تبدیل موجک در 2 سطح به کارگرفته شده و ضریب تخمین سطح آخر مورد استفاده قرار گرفته است. ماتریس هم وقوعی نیز در 3 جهت در حوزه مکان مورد استفاده قرار گرفته است. بنابراین بردار ویژگی حاصل از تصویر عنبیه شامل دو نوع ویژگی در حوزه ی فرکانس و حوزه ی مکان است. به دلیل غیر حساس بودن ماتریس هم وقوعی به چرخش، ویژگی های استخراج شده درمقابل چرخش مقاوم هستند. برای کاهش تأثیر مقادیر بی نهایت در ماتریس ویژگی، ویژگی های استخراج شده به بازه ی [1 و 0] نرمال می شوند. ماتریس حاصل به یک الگوریتم انتخاب ویژگی داده می شود تا ویژگی های با اهمیت انتخاب شوند. درآخر ویژگی های انتخاب شده توسط شبکه عصبی احتمالی طبقه بندی می شوند. نتایج به دست آمده بر روی پایگاه داده ی CASIA Ver1 بیان کننده ی الگوریتم می باشد

نویسندگان

فاطمه پاک

دانشگاه آزاد اسلامی واحد قزوین، دانشکده مهندسی برق، رایانه و فناوری

کریم فائز

دانشگاه صنعتی امیرکبیر، دانشکده مهندسی برق

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 :
  • D. M. Monro, S. Rakshit, D. Zhangو "DCT-Based Iris Recognition", ...
  • ایمان موذن، محمدرضا احمدزاده، "طراحی یک سامانه بازشناسی برای رده‌بندی ...
  • موجک و شبکه‌های عصبی احتمالی"، فصل‌نامه علمی- پژوهشی مهندسی برق ...
  • _ _ _ Transactions _ Patterm Analysis and Machine Intelligence, ...
  • _ _ _ _ _ Selection and Classification for Iris ...
  • C. H. Chen, C. T. Chu, " High Performance Iris ...
  • _ _ on Combined Feature of GLCM and Wavelet Transform", ...
  • L. Masek, P. Kovesi, ،:MATLAB Source Code for a Biometric ...
  • ALowء [8] J.F.Scholl, J.R. Agre, L.P. Clare, M.C. Gill, Power ...
  • R. M. Haralick, K. Shanmugam, I. Dinstein, ،Textural Systems, Man ...
  • _ _ Can. J. Remote Sensing, Vol. 28, No. 1, ...
  • G. Becq, _ Charbonier, F. Chapotot, A. Buguet, L. ...
  • Experimental Study _ Feature Subset Selection Computer and Information Technology ...
  • Mutual Information: Criteria of Max-Depen dency, Max- Pattern Analysis and ...
  • Specht, D.F, "Probabilistie Neural Network for Classification, Map, or Associative ...
  • _ -532, 1988. bttp : //www. cbsr.i a. ac .cn/Iri ...
  • نمایش کامل مراجع