استفاده از الگوریتم بهبودیافته دسته ذرات به منظور تشخیص هویت افراد به کمک عنبیه
نویسنده:
چکیده:
برای بسیاری از محققان، روندی که به طور خودکار افراد را براساس رفتارهای بیومتریک شناسایی می کند به شدت مورد توجه واقع گردیده است. بررسی هویت به کمک عنبیه از متداول ترین روش های بیومتریک به شمار می رود که در مقایسه با سایر مولفه های بیومتریکی، باعث متمایز شدن آن در کاربردهای امنیتی شده است. الگوریتم پیشنهادی از 6 مرحله اصلی تشکیل شده است: ارتقاء تصویر با الگوریتم Retinex، مکان یابی مرزهای داخلی و خارجی عنبیه، بخش بندی عنبیه، نرمال سازی، استخراج ویژگی و کدگذاری عنبیه. در این مقاله، روش خودکار جدیدی برای استخراج ویژگی از تصاویر عنبیه ارائه شده که در این الگوریتم از روش پنجره متحرک برای تولید بردار ویژگی استفاده شده است و سپس با استفاده از الگوریتم بهبود یافته دسته ذراتمسئله تعیین مقادیر بهینه بردارهای ویژگی بهینه سازی می گردد. آزمایش های انجام شده روی مجموعه داده CASIA، نشان می دهد که با روش پیشنهادی مقاله، فضای حافظه موردنیاز تا حد قابل توجهی کاهش یافته و با بهره گیری از معیارهای مختلف عملکرد ازجمله نرخ پذیرش نادرست، نرخ عدم پذیرش نادرست، نرخ تشخیص الگوریتم به میزان 98.93%، نرخ خطای مساوی و شاخص تصمیم پذیری نشان داده شده که این روش می تواند با دقت بهتر و خطای کم تری عمل نماید. به علاوه، با استفاده از الگوریتم تکاملی پیشنهادی و با وزن دار کردن ویژگی های تصویر دقت تشخیص هویت افراد نسبت به روش های پیشین افزایش یافته است.
کلیدواژگان:
زبان:
فارسی
صفحات:
965 تا 976
لینک کوتاه:
magiran.com/p1734430
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!