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

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

کلیدواژه ها:

عنبیه ، تبدیل موجک ، ماتریس هم وقوعی ، شبکه عصبی احتمالی