الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 48000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
International Journal of Computer Applications; KIIT University, Patia; Bhubaneswar, Odisha, India.
کشور
هندوستان
تشخیص انسان بر مبنای شناسایی عنبیه برای تصاویر دوردست
چکیده
شناسایی عنبیه یکی از قدرتمندترین فناوری های مبتنی بر بیومتری / زیست سنجی برای شناسایی و تشخیص انسان می باشد که در آن از الگوهای عنبیه چشم، که برای هر فرد منحصربفرد است، استفاده می شود. در این مقاله، الگوریتم جدیدی برای شناسایی عنبیه با استفاده از تصاویر از راه دور ارائه می گردد. ویژگی های نوین این الگوریتم شامل شناسایی با استفاده از الگوهای عنبیه و با توجه به هر دو چشم چپ و راست یک فرد، همراه با ارتقای دقت شناسایی و کارایی محاسباتی می باشد. آزمایشات تجربی با استفاده از بانک اطلاعات از راه دور عنبیه (DatabaseCASIA Iris Distance)، که خود به عنوان زیر مجموعه ای از بانک اطلاعات CASIA V4 به شمار می آید، انجام شدند. این روش معرف توسعه قابل توجهی در رشته شناسایی عنبیه می باشد.
عبارات عمومی:عنبیه، شناسایی، امنیت، فاصله دور دست، CASIA
کلمات کلیدی:سیستم شناسایی عنبیه، تبدیل هاف، فاصله همینگ
تشخیص انسان شناسایی عنبیه تصاویر دوردست
۱- مقدمه
شناسایی انسان بر مبنای عنبیه به سرعت به عنوان یک ابزار معروف، در مقایسه با دیگر تکنیک های شناسایی بیومتری / زیست سنجی، به واسطه ثابت ماندن الگوی منحصر بفرد اپی ژنتیک آن، مطرح شده است [۱]. توسعه سریع در رشته پردازش تصویر دیجیتال سبب شده است تا قابلیت استفاده از این فناوری و اتوماتیک سازی آن برای تصاویر عنبیه دیجیتالی شده فراهم شود. بر این مبنا، الگوهای فضایی عنبیه با توجه به ویژگی ها و رده بندی های خاص آن می توانند در زمینه شناسایی راحت افراد راهگشا باشند. قرنیه و پلک به عنوان سپر عنبیه عمل نموده و آن را در برابر تأثیرات جانبی محیطی حفاظت می کنند. این مورد، همراه با دیگر ویژگی های ذاتی، سبب می شود تا فرآیند شناسایی عنبیه به عنوان مناسبترین و ایمن ترین راه حل به شمار آید [۲]. مفاهیم اولیه در خصوص فرآیند شناسایی اتوماتیک عنبیه به وسیله Flom و Safir [3] به سال ۱۹۸۷ ارائه شدند که مشخص کننده حرکات مردمک چشم به منظور تعدیل اندازه آن با توجه به میزان شدت نور متغیر رسیده و در نتیجه انبساط و انقباص مردمک می باشد. در عین حال موضوع شرایط تصویربرداری که آنها در مباحث خود آن را مخاطب قرار داده اند چندان عملی نبوده است. متعاقباً، گسترده ترین روش کاربردی به وسیله Daugman [4] توسعه یافت که در آن از موجک های تربیعی چند مقیاسی جهت استخراج ویژگی های فاز بافت عنبیه، به منظور ایجاد الگو های عنبیه و مقایسه تفاوت ها بین جفتی از تصاویر از طریق محاسبه فاصله همینگ (HD) استفاده شده است. از جمله دیگر سیستم های شناسایی عنبیه معروف که در خلال همان سال ابداع شد سیستم ویلدز (Wildes) [5] می باشد که از دقت بالایی برخوردار است. Wildes و همکاران اقدام به ارائه الگوی عنبیه با استفاده از یک هرم لاپلاسی نمودند که با چهار سطح رزولوشن مختلف ایجاد شده و از همبستگی نرمالیده جهت مشخص سازی این موضوع استفاده می نمود که آیا تصویر ورودی و تصویر آزمایشی از یک کلاس مشخص حاصل آمده اند یا خیر. متعاقباً، Boles و Boashash [6] از فرآیند تبدیل موجک یک بعدی برای محاسبه شاخص عبور صفر در سطوح رزولوشن مختلف یک دایره مجازی بر روی تصویر عنبیه استفاده نمودند تا قابلیت توصیف بافت عنبیه وجود داشته باشد. تکنیک های شناسایی عنبیه کنونی عمدتاً متشکل از چهار مرحله اصلی هستند: قطعه بندی، نرمال سازی، استخراج ویژگی و تطبیق.
تشخیص انسان شناسایی عنبیه تصاویر دوردست
۲- مدل پیشنهادی
مدل پیشنهادی تشریح کننده موارد ذیل هستند. این مدل یک تکنیک شناسایی دوگانه را ارائه داده است که در آن الگوهای عنبیه چشم چپ و راست برای عملکرد شناسایی بهتر مورد استفاده قرار می گیرند، چرا که هر دو چشم از ویژگی های شناسایی مشخصی برخوردار می باشند که در بردارنده مؤلفه های منحصر بفرد مربوط به آنها است. متمایزترین ویژگی این مدل که آن را از مدل موجود تفکیک می نماید آن است که فرآیند شناسایی صرفاً متکی به یک چشم نمی باشد. بنابراین، در صورتی که قابلیت تطبیق یک چشم وجود نداشته باشد، همچنان فرصت دیگری جهت شناسایی آن فرد در دسترس خواهد بود.
بر این اساس قابلیت شناسایی فرد به هنگامی وجود خواهد داشت که یکی از چشم های وی در تطبیق با الگوی مورد نظر باشد. از آنجایی که فرآیند شناسایی برای هر دو چشم انجام می گردد، بنابر این مورد تصدیق شده غیر قابل بحث خواهد بود. هر دو چشم با استفاده از مراحل اصلی IRS (سیستم شناسایی عنبیه) تحت فرآیند شناسایی قرار می گیرند که خود متکی بر روش شناسایی عنبیه جان داگمن (John Daugman) و لایبور ماسک (Libor masek) است [۱۰]، و با استفاده از این روش قابلیت گسترش مطالعات الگوی چشم ها در خصوص تصاویر از راه دور نیز میسر خواهد شد. فرآیند انطباق با توجه به مقدار محاسبه شده HD بهینه به دست می آید. مقدار HD بهینه شده بر مبنای پارامترهای مختلفی مشخص می شود که خود کنترل کننده میزان شناسایی خواهد بود.
تشخیص انسان شناسایی عنبیه تصاویر دوردست
۳- روش
سیستم شناسایی عنبیه برای تصاویر از راه دور عمدتاً متشکل از پنج مرحله به شرح ذیل می باشد: (۱) پیش پردازش، (۲) قطعه بندی، (۳) نرمال سازی، (۴) کدگذاری، (۵) انطباق. پردازش هر دو چشم چپ و راست به صورت یکسان عملی می گردد که شامل مراحل ۲ الی ۵ است. این مراحل با جزئیات مربوطه ذیلاً مورد بحث قرار می گیرند:
۳ـ۱٫ پیش پردازش
در این مرحله، یک تصویر ورودی چشم حاصل می شود. این تصویر می بایست قابلیت ارائه دید مناسب و صریحی از چشم چپ و راست را داشته باشد. مطلب اصلی در این زمینه استخراج تصاویر چشم چپ و راست از تصویر ورودی می باشد. چنین مؤلفه ای از طریق انجام فرآیند کراکینگ یا برش اتوماتیک بر مبنای فواصل دستی محاسبه شده از موقعیت مردمک چشم انجام می شود. شکل ۱ نشان دهنده تصویر فاصله ورودی به دست آمده از بانک اطلاعات CASIA IV می باشد. شکل ۳ نیز معرف چشم راست و چپ به صورت مجزا از تصویر ورودی است.
۳ـ۲٫ قطعه بندی
مرحله قطعه بندی کرانه های مردمک و لیمبوس یا لبه چشم به منظور تفکیک ناحیه عنبیه از تصویر ورودی چشم اعمال می شود. این مورد همچنین مشخص کننده آن دسته از نواحی خاص می باشد که در آن پلک ها و مژه ها خط تراز کرانه لیمبوس را قطع می کنند. چنین موردی را می توان با استفاده از فرآیند تبدیل هاف دایره ای اجرا نمود. فرآیند تبدیل هاف برای کرانه لیمبوس در ابتدا انجام شده و متعاقباً کرانه مردمک جهت کاهش ناحیه جستجو اعمال می گردد.
مرحله ۱٫ بکارگیری فرآیند تشخیص لبه کنی (Canny) برای تصویر ورودی که منجر به حاصل آمدن یک نقشه لبه می شود.
مرحله ۳٫ محاسبه گرادیان افقی و عمودی برای کرانه عنبیه / مردمک.
مرحله ۴٫ انتخاب فاصله هاف با استفاده از نقشه لبه به دست آمده، مختصات شعاع و مرکز دایره که مترادف با نقطه حداکثری در فضای هاف می باشد.
پارامترهای دایره مشخص کننده دایره مربوطه به شرح ذیل است:
۳-۳٫ نرمال سازی
نرمال سازی با استفاده از مدل صفحه لاستیکی داگمن جهت تبدیل بافت عنبیه از مختصات کارتزی به مختصات قطبی انجام می گردد این فرآیند همچنین تحت عنوان ویژگی غیرهمپوشانی عنبیه نیز خوانده می شود.
این فرآیند اقدام به نگاشت مجدد هر نقطه در ناحیه عنبیه برای مختصات قطبی (r، θ) می نماید که در آن r به عنوان بازه [۰، ۱] تلقی می شود و θ نیز زاویه [۰، ۲π] به شمار می آید. این فرآیند نگاشت مجدد را می توان به شرح ذیل تعریف نمود:
۳ـ۴٫ رمز گذاری ویژگی و تطبیق آن
هر عنبیه دارای ویژگی متمایزی می باشد که آن را متفاوت از عنبیه دیگران می سازد. ویژگی های متمایز محدوده گسترده ای از شکل کلی عنبیه تا توزیع حفره های کوچک و بافت ها با جزئیات مربوطه را شامل می شوند. تنها ویژگی های مهم عنبیه را می بایست رمزگذاری نمود به گونه ای که مقایسه بین الگو ها را بتوان به راحتی انجام داد. الگو ایجادی در فرآیند کدگذاری / رمزگذاری ویژگی می بایست قابل قیاس با ویژگی های سنجشی انطباقی باشد، که خود مشخص کننده برآورد شباهت بین دو الگو عنبیه خواهد بود. دو نوع از مقایسه تحت عناوین مقایسه درون رده ای و مقایسه بین رده ای وجود دارد. مقایسه درون رده ای مترادف با مقایسه الگو هایی می باشد که متعلق به یک چشم یا چشم یکسانی است، در حالی که مقایسه بین رده ای مترادف با مقایسه الگو های ایجاد شده از چشم های مختلف است. مقایسه درون رده ای می بایست به محدوده های خاصی از مقادیر بیانجامد به گونه ای که دو عنبیه را بتوان به آسانی طبقه بندی نمود.
۳ـ۴ـ۱٫ رمزگذاری ویژگی
الگوریتم ما اقدام به انجام فرآیند رمزگذاری ویژگی از طریق ترکیب الگوی عنبیه بهنجار شده با موجک های ۱D Log-Gabor می نماید. ردیف های الگوی بهنجار شده دو بعدی تحت عنوان سیگنال یک بعدی به شمار می آیند، که متعاقباً با موجک ۱D Gabor ترکیب می شوند، که در آن هر ردیف معرف حلقه دایره ای بر روی ناحیه عنبیه می باشد. پاسخ فرکانس فیلتر Log Gabor به شرح ذیل مشخص می شود:
۳ـ۴ـ۲٫ فرآیند تطبیق
فاصله همینگ به عنوان یک ویژگی سنجشی تطبیقی برای مقایسه دو الگو عنبیه مورد استفاده قرار گرفته است. برای تطبیق الگوهای بیتی X و Y، فاصله همینگ، HD، به عنوان مجموع بیت های مخالف (مجموع exclusive-OR بین X و Y) بر N، تعداد کل بیت ها در الگوی بیتی، تعریف می شود. برای محاسبه HD با تنها بیت های با ارزش، فرآیند پوشش دهی نویز نیز با الگوریتم فاصله همینگ ترکیب می شود. تکنیک فاصله همینگ بکار گرفته شده برای این سیستم را می توان از نقطه نظر ریاضیاتی به شرح ذیل توصیف نمود:
تشخیص انسان شناسایی عنبیه تصاویر دوردست
۴- نتایج تجربی
به منظور ارزیابی عملکرد الگوریتم پیشنهادی، تصاویر عنبیه بانک اطلاعات CASIA نگارش ۰/۴ مورد استفاده قرار گرفتند. CASIA-IrisV4 به عنوان یک نگارش گسترش یافته CASIA-IrisV3 می باشد که حاوی شش زیر مجموعه است که خود متشکل از سه زیر مجموعه جدید و سه زیر مجموعه CASIA-IrisV3 می باشد. آزمایشات با استفاده از ۱۰ موضوع از زیر مجموعه از راه دور عنبیه CASIA Iris Distance انجام شدند. تصاویر عنبیه CASIA-Iris-Distance با استفاده از یک دوربین دارای رزولوشن بالا حاصل آمدند به گونه ای که دو مؤلفه مرتبط یعنی عنبیه دو چشم و الگوهای چهره در ناحیه تصویر مورد نظر شامل گردیدند. برای هر کاربر، پنج تصویر برای چشم چپ و پنج تصویر برای چشم راست گرفته شد. با توجه به آنکه چشم چپ و راست کلاس مختلفی را تشکیل می دهند، مجموع کل کلاس ها ۲۰ مورد در نظر گرفته شده و تعداد تصاویر مورد پردازش نیز ۱۰۰ تصویر مشخص شد. برای تفکیک ویژگی های حاصله به واسطه تأثیرات مژه، مقادیر مختلف آستانه ای برای هر دو چشم در نظر گرفته شدند. مقدار آستانه سازی متناظر برای چشم چپ و راست به ترتیب ۶۸ و ۷۲ مشخص شد. عملکرد سیستم شناسایی عنبیه می تواند تحت تأثیر تعدادی از پارامترها قرار گیرد. بنابراین، لازم است تا به عنوان یک پیش گزینه قابلیت انتخاب مقدار بهینه برای این پارامترها را داشته باشیم تا از این طریق بتوان نسبت به ارتقای کارایی سیستم اقدام نمود. چنین مواردی عمدتاً شامل رزولوشن شعاعی (r) رزولوشن زاویه ای ( ) می باشد که قابلیت حصول تعدادی از نقاط داده ای برای رمزگذاری هر الگو و تعدادی از جابجایی های انجام شده با توجه به عدم سازگاری های دورانی یا چرخشی را خواهد داشت. پارامترهای فیلتر بکار گرفته شده برای رمزگذاری / کدگذاری ویژگی، متشکل از تعداد فیلترهای استفاده شده (N)، طول موج مبنا (λn)، پهنای باند فیلتر (σ/f) و عامل فزاینده بین طول موج های مرکزی فیلترهای متوالی (a) می باشند. مقادیر بهینه انتخاب شده برای این پارامترها در جدول ذیل نشان داده شده اند:
تشخیص انسان شناسایی عنبیه تصاویر دوردست
۵- نتیجه گیری
از شکل های ۸ و ۹ این موضوع مشخص شده است که مقداری هم پوشانی بین توزیع های فاصله همینگ درون رده ای و بین رده ای به عنوان تابع تعداد شیفت ها / جابجایی ها وجود دارد. نقطه جدایش که حاصل آورنده دقت شناسایی می باشد به میزان ۴۰/۰ برای هر دو چشم مشخص شد. هیچ گونه ثباتی در FAR و FRR پس از نقطه آستانه مشاهده نشده است که خود بوسیله Libor Masek برای فرآیند قطعه بندی عنبیه با استفاده از زیر مجموعه اطلاعاتی CASIA I مشخص شده است. در صورت ضعف فرآیند قطعه بندی عنبیه این مؤلفه منجر به استخراج ویژگی ضعیف خواهد شد. در این زمینه شاهد بروز اختلال در رزولوشن های تصویر بریده شده چشم راست و چپ می باشیم که نشان دهنده ویژگی های ضعیفی در الگو های ایجادی می باشند.
در نهایت، این نتیجه گیری را می توان حاصل آورد که فرآیند شناسایی با استفاده از هر دو عنبیه نمی تواند به عنوان یک فرآیند قدرتمندتر تلقی شود که علت آن را می توان قطعه بندی ضعیف و استخراج ضعیف ویژگی های تصاویر دور دست دانست. علاوه بر این مطالعات آتی می بایست اقدام به مخاطب قرار دادن راه حل های قدرت مندتری، برای این اختلالات، ایجاد شده بواسطه پلک ها و مژه ها، نمایند.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
