پیشنهاد روشی برای تقسیم بندی بهینه عنبیه در محیط های نویزی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 414

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTCK02_114

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

اخیرا، سیستم های تشخیص عنبیه توجه ویژه ای در محیط های نویزی به دست آورده اند. یکی از مراحل مهم درسیستم تقسیم بندی عنبیه ، تشخیص عنبیه است به دلیل اینکه این مرحله به طور قابل توجهی به دقت و صحتاستخراج ویژگی و تطبیق عنبیه تاثیر می گذارد. روش های تقسیم بندی عنبیه سنتی ،نتایج بسیار خوبی هنگامی کهتصاویر عنبیه با استفاده از دوربین های مادون قرمز از نزدیک و تحت شرایط تصویربرداری ایده آل گرفته شده است،ارائه داده اند اما دقت این الگوریتم ها به طور قابل توجهی هنگامی که تصاویر عنبیه در طول موج های قابل مشاهده وشرایط تصویربرداری غیر ایده آل گرفته شده باشد کاهش می یابد. در این مقاله، یک الگوریتم جدید جهت تقسیمبندی قسمت عنبیه تصاویرگرفته شده در طول موجهای قابل مشاهده و تحت محیط نویزی پیشنهاد شده است.الگوریتم پیشنهاد شده درصد خطا را حتی در صورت وجود انواع نویز شامل اطراف عنبیه و بازتاب های دیجیتالی راکاهش می دهد. الگوریتم ارائه شده با تشخیص منطقه مورد انتظار از عنبیه با استفاده از الگوریتم خوشه بندی k-meanشروع می شود. و (The Circular Hough (CHT به منظور برآورد شعاع عنبیه و مرکزمردمک به کارگرفته میشود ، یک الگوریتم موثر جدیدی است که شناسایی و جداسازی پلک ها فوقانی را توسعه می دهد در نهایت، مناطق غیر عنبیه حذف میشود . نتایج حاصل از اعمال الگوریتم پیشنهادی در پایگاه داده های عنبیه UBIRIS، نشان می دهد که دقت و زمان تقسیم بندی تصاویر بهبود می یابد.

نویسندگان

مهرداد جلالی

استادیار دانشگاه آزاد اسلامی واحد مشهد

امین فرزین

دانشجوی کارشناسی ارشد هوش مصنوعی

مسعود صفارسبزوار

دانشجوی کارشناسی ارشد هوش مصنوعی

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 :
  • J. Daugman, Statistical richness of visual phase information: update on ...
  • J. Daugman, Demodulation by complex- valued wavelets for stochastic pattern ...
  • R. Wildes, Iris recognition: an emerging biometric technology, Proceedings of ...
  • L. Flom, A. Safir, Iris Recognition System, US Patent 4641394, ...
  • J. Daugman, Biometric Personal Identification System Based on Iris Analysi ...
  • J.G. Daugman, High Confidence Visual Recognition of Persons by a ...
  • A. Ross, S. Shah, Segmenting non-ideal irises using geodesic active ...
  • R. Donida Labati, _ Piuri, F. Scotti, Agent- and in: ...
  • Y. Chen, M. Adjouadi, CA Han, J. Wang, A. Barreto, ...
  • M. Vatsa, R. Singh, A. Noore, Improving iris recognition performance ...
  • H. Proenca, L.A. Alexandre, Iris segmentation methodology for noncooperative recognition, ...
  • X. Liu, K.W. Bowyer, P.J. Flynn, Experiments Segmentation ...
  • Advanced Technologies, 2005, pp. 118-123. ...
  • M. Dobes, J. Martineka, D.S.Z. Dobes, J. Pospisil, Human eye ...
  • International Journal for Light and Electron Optics 117 (2006) 468-473. ...
  • S. Schuckers, N. Schmid, A. Abhyankar, V. Dorairaj, C. Boyce, ...
  • T. Tan, Z. He, Z. Sun, Efficient and robust segmentation ...
  • J. Zuo, N. Kalka, N. Schmid, A robust iris segmentation ...
  • J. Daugman, New methods in iris recognition, IEEE Transactions _ ...
  • T.A. Camus, R. Wildes, Reliable and fast eye finding in ...
  • J. Canny, A computational approach to edge detection, IEEE Transactions ...
  • D. Ballard, Generalized Hough transform to detect arbitrary patterns, IEEE ...
  • H. Proenca, L.A. Alexandre, The NICE I: Noisy Iris Challenge ...
  • The ory, Applications _ and Systems, 2007, pp. ...
  • K. Delac, M. Grgic, A survey of biometric recognition methods, ...
  • Hugo Proenca, Towards non-co operative biometric iris recognition (PhD thesis), ...
  • L. Masek, P. Kovesi, MATLAB source code for a biometre ...
  • M. Vatsa, R. Singh, A. Noore, Improving iris recognition performance ...
  • H. Proenc, a, L. A. Alexandre, UBIRIS: a noisy iris ...
  • Kevin W. Bowyer, Karen Hollingsworth, Patrick J. Flynn, Image understanding ...
  • Niladri B. Puhan, N. Sudha, Anirudh S. Kaushalram, Efficient segmentation ...
  • نمایش کامل مراجع