ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

A New IRISSegmentation Method BasedRepresentation on Sparse

سال انتشار: 1395
کد COI مقاله: JR_JACR-8-1_002
زبان مقاله: انگلیسیمشاهد این مقاله: 192
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 18 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A New IRISSegmentation Method BasedRepresentation on Sparse

Mohammad Rajabi - Electrical and Electronic Engineering DepartmentSouth Tehran BranchTehran, Iran, Islamic Azad University,
Sedigheh Ghofrani - Electrical and Electronic Engineering Department South Tehran Branch Tehran, Iran, Islamic Azad University
Ahmad Ayatollahi - Electrical Engineering Department, Iran University of Science and Technology Tehran, Iran

چکیده مقاله:

Iris recognition is one of the most reliable methods for identification. Ingeneral, itmatching. Among them, iris segmentation has an important role on the performanceof any iris recognition system. Eyes nonlinear movement, occlusion, and specularreflection are main cpropose a new pupil localization method based on the sparse representation andsparse recovery (SR). The main advantage of our segmentation algorithm based onsparse representation in respect towhole image for iris region very fast. Also we have proposed a new method forenhancing the extracted iris template when the pupil boundary is noncircular, andalso a new method for creating occlusion mask bthresholding.with the same size dictionary and shown(PCA) with the SR classifier makes it very faster, whereas preserves thThe achieved results are evaluated with others in terms of the recognition accuracyand the segmentation time consuming where the CASIA Vconsists of image acquisition, iris segmentation, feature extraction andWe have compared the SR classifier and the Hamming distance (HD)hallenges for any iris segmentation method. In this paper, weother approaches is capability of searching thethat using theased on the histogramprincipal component analysis4 Lamp database usede accuracy..

کلیدواژه ها:

Iris Segmentation andDetection,Principal Component AnalysisRecognition,Sparse Representation,.Eyelid andEyelash

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/602853/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Rajabi, Mohammad و Ghofrani, Sedigheh و Ayatollahi, Ahmad,1395,A New IRISSegmentation Method BasedRepresentation on Sparse,,,,,https://civilica.com/doc/602853

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395, Rajabi, Mohammad؛ Sedigheh Ghofrani و Ahmad Ayatollahi)
برای بار دوم به بعد: (1395, Rajabi؛ Ghofrani و Ayatollahi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 9,464
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی