پردازش می‌شود.
واحد تفکیک: محدوده فضایی عنبیه را از طریق جداسازی آن از سایر اندام‌های بصری نظیر سفیدی چشم، مردمک، مژه‌ها و پلک تعیین می‌کند. واحد تفکیک مرز مردمکی و مرز میان بافتی را تشخیص داده و قسمت‌هایی را که پلک و مژه‌ها با خط مرز میان بافتی تداخل داشته‌اند، شناسایی می‌کند.
عمل انتگرال تفاضلی13متد معمولی است که برای تشخیص این تداخل‌ها به کار برده می‌شود. هرچند تحقیقات اخیر، استفاده از منحنی‌های میزان فعال را برای بررسی خصوصیّات حد مرزهای غیر مخروطی پیشنهاد می‌کنند. بنابراین، عملیات انتگرال تفاضلی در تصویر به دنبال نواحی دایره شکلی میگردد که شعاع آن‌ها r و مرکزشان (x0,y0) باشد و درست در خط مرزشان بیشترین تغییر را در شدّت شعاعی نور نشان میدهند.
واحد تفکیک، بخشی حیاتی در تمام سیستم‌های تشخیص عنبیه است، زیرا خطا در تعیین محدوده عنبیه می‌تواند دقّت تطابق سیستم را به شدّت کاهش داده و در نتیجه کارایی سیستم را از بین ببرد.

ثبت نام اولیه

تشخیص هویّت

13- intgro-differential
شکل (2-3) دیاگرام کلی سیستم‌های تشخیص عنبیه در طی فرآیند ثبت اولیه، سیستم خصیصه‌های کدگذاری شده عنبیه را در یک پایگاه داده ذخیره می‌کند. سپس در مرحله کنترل هویّت اعلام شده یا تشخیص هویّت یک فرد جدید، عنبیه فرد با کدهای پایگاه داده مقایسه می‌شود.
واحد نرمال‌سازی: با اجرای یک روند نرمال سازی هندسی، مشخصات عنبیه تفکیک شده را از مختصات دکارتی به مختصات قطبی تبدیل می‌کند. پس از این‌ که واحد تفکیک محدوده عنبیه را تخمین زد، واحد نرمال‌سازی با استفاده از مدلی به نام صفحه لاستیکی، بافت عنبیه را از مختصات دکارتی به قطبی تبدیل می‌کند. حاصل این فرآیند که اغلب بازگشایی نامیده می‌شود، یک فرم مستطیلی است که برای فرآیندهای بعدی مورد استفاده قرار می‌گیرد.
نرمال‌سازی سه مزیّت عمده در پی دارد:
1. تفاوت‌های اندازه مردمک ناشی از تغییرات نور محیط را از بین می‌برد.
2. این اطمینان را به وجود می‌آورد که تصاویر عنبیه چشم افراد مختلف به‌رغم تفاوت‌های موجود در اندازه مردمک، به یک دامنه تصویر یکسان ترجمه می‌شود.
3. امکان ثبت عنبیه را هنگام فرآیند تطابق از طریق یک عملیّات ساده ترجمه فراهم می‌کند که این فرآیند ترجمه می‌تواند برای حذف اثرات ناشی از حرکات دورانی داخل صفحه‌ای چشم و سر به کار رود.
به هر تصویر عنبیه بازگشایی شده، یک الگوی دودویی نسبت داده می‌شود که بر‌اساس تشخیص واحد تفکیک، پیکسل های عنبیه (با ارزش یک) را از پیکسل های مژه‌ها و پلکها و. .. (با ارزش صفر) جدا می‌کند.
واحد کدگذاری: از یک روال استخراج الگو برای تولید یک کد دودویی استفاده می‌کند. با این‌که سیستم تشخیص می‌تواند به‌صورت مستقیم از تصاویر بازگشایی‌شده عنبیه برای مقایسه استفاده کند، اما اغلب سیستم‌ها ابتدا از یک فرآیند استخراج الگو برای کدگذاری محتوای تصویر بافت عنبیه استفاده می‌کنند. الگوریتم‌های کدگذاری به صورت معمول با استفاده از یک سری

فیلتر موجی14 و مقایسه نتایج حاصل از آن‌ها، تصویر عنبیه را با دقّت‌های مختلف تحلیل می‌کنند. در یک مکانیسم کدگذاری پراستفاده معمول، ابتدا از توابع دوبعدی گابور برای استخراج اطّلاعات برداری15 بافت عنبیه استفاده می‌شود. سپس سیستم هر یک از خروجی‌های برداری را با استفاده از دو بیت اطّلاعات به یک “کد عنبیه” تبدیل می‌کند. تصویر(2-4) نمونه یک کد عنبیه را نشان می‌دهد:

تصویر (2-4) a . نمونه خروجی واحد تفکیک،b ‌. نمونه خروجی واحد نرمال‌سازی
.c‌نمونه خروجی واحد کدگذاری
واحد نرمال‌سازی تصویر عنبیه را بازگشایی کرده و بهبود می‌بخشد و واحد کدگذاری خصوصیات بافت تصویر را استخراج کرده و آن را به یک کد دو بعدی دودویی تبدیل می‌کند. از آنجا که کدگذاری هر پیکسل از تصویر نرمال شده عنبیه بر اساس دو بیت اطّلاعات انجام می‌شود، نتیجه نهایی نیز دو نسخه کد دودویی خواهد بود. هر نسخه برای یکی از بیت‌ها میباشد.
واحد تطبیق: تعیین می‌کند که کد تولید شده تا چه ‌حد با نمونه ذخیره شده در پایگاه داده مطابقت دارد. واحد تطبیق با مقایسه مجموعه الگوها و خصوصیّات دو تصویر امتیاز تطابق را ارائه می‌کند. یکی از تکنیک‌های مقایسه، استفاده از فاصله همینگ (یک الگوری ریاضی به نام ریچارد همینگ)، یعنی تعیین تعداد بیت‌های متفاوت بین دو کد عنبیه است. الگوی دودویی که در واحد نرمال‌سازی تولید شده، تضمین می‌کند که تنها بیت‌هایی مورد مقایسه قرار می‌گیرند که به پیکسل های معتبر تصویر عنبیه مرتبط هستند. دو تصویر عنبیه مورد نظر، پیش از انجام مقایسه باید بر هم منطبق شوند که این کار از طریق یک فرآیند ثبت انجام می‌گیرد.

14- Wavelet
15- phasor
2-6. ارزیابی سیستم بیومتریک عنبیه
بحث اصلی در سامانه تشخیص هویّت توسط تصاویر عنبیه توسط پروفسور جان داگمن در دانشگاه کمبریج انگلستان انجام شده است این سامانه مطمئن‌ترین سامانه در بین سامانه ها است و در شرایط گوناگون و برای تعداد زیادی از افراد مورد آزمایش قرار گرفته و هیچ گونه خطایی از خود نشان نداده است و موفقیت آن100% بوده است، به همین دلیل در بیشتر محصولات تجاری از این سامانه استفاده می‌شود. سامانه دیگری که نرخ موفقیت بالایی را نشان داده است، سامانه وایلدز است، این سامانه بر روی520 تصویر هیچ گونه خطایی از خود نشان نداده است. سامانه دیگر سامانه لیم است که بر روی 6000 تصویر نرخ موفقیت 4/98% را نشان داده است. با توجه به نتایج گرفته شده در روش های مختلف، میتوان نتیجه گرفت که در مقایسه با سایر روش های بیومتریک مثل اثر انگشت و صورت یا صدا، سامانه های مبتنی بر تصاویر عنبیه از قابلیت اطمینان بالاتری برخوردار هستند.
در کاربردهای عملی، کارایی سیستم عبارت است از تعادل بین درصد تشخیص دادن به اشتباه(FAR) و نرخ تشخیص ندادن به اشتباه (FRR) که اولی عبارت است از تعداد افرادی که اشتباه تشخیص داده شده اند و دومی برابر تعداد افرادی است که در پایگاه داده وجود داشتند ولی تأیید هویّت نشده اند.
امروزه استفاده از علائم حیاتی و خصوصیّات فردی اشخاص برای تشخیص هویّت خودکار، در بسیاری از مراکز امنیّتی و تجاری به امری عادی مبدّل شده است. این روشها بدلیل مزیّت‌هایی که نسبت به شیوه های دیگر تشخیص هویّت همانند رمزعبور دارند، پیشرفت شایانی کرده‌اند و استفاده از آنها افزایش یافته است. این روشها بدلیل یکتایی پارامترهای شناسایی افراد و عدم وجود مشکلاتی همانند فراموشی، گم کردن و یا دزدیده شدن که در استفاده از رمزعبور یا کارت رمزدار وجود دارد، از لحاظ امنیّتی برتری دارند.

این مطلب رو هم توصیه می کنم بخونین:   پایان نامه با کلید واژگان آموزش زبان، طرح پژوهش، روش پژوهش

2-7. مزایا و معایب سیستم بیومتریک عنبیه
مزایا
1. عنبیه یک عضو داخلی است و به طور مناسبی در برابر آسیب دیدن محافظت میشود و نسبت به اثر انگشت در طول زمان دچار فرسودگی نمیشود.
2. هندسه عنبیه تخت و مسطح است.
3. اسکن عنبیه بسیار ساده است و می توان از فاصله 10 سانتیمتری و بدون لمس کردن دستگاه این کار را انجام دهد.
4. بسیاری از تشخیص های ژنتیکی مانند DNA به عنبیه وابسته است.
5. نتایج تطبیق مطلق اند و برای الگوهای عنبیه تطابق احتمالی وجود ندارد، چرا که هیچ دخالتی از جانب کاربر در تنظیم حد آستانه یا حساسیت سامانه صورت نمیگیرد.
6. شناسایی عنبیه حتی زمانیکه بخش کوچکی از کل چشم قابل رویت باشد مقدور است زیرا هر الگوی عنبیه شامل اطّلاعاتی به مراتب بیشتر از مجموع اطّلاعات جمع آوری شده از اثر انگشت، چهره و دست خواهد بود.

معایب
1. اسکن عنبیه نیاز به دستگاه ها و تجهیزات جدید تری نسبت به اثر انگشت دارد.
2. تشخیص عنبیه در مسافت های بیشتر از یک متر بسیار دشوار است.
3. بر خلاف سایر روش های بیومتریک نمیتواند با تصاویر با کیفیت خیلی پایین کار کند.

2-8. پردازش تصویر در سیستم بیومتریک عنبیه
یکی از چالش های اصلی در سیستم تشخیص عنبیه، ثبت با کیفیّت بالا عنبیه است با توجّه به اینکه کاربران انسانی نسبت به چشم هایشان بسیار حساس هستند، طراحی این بخش احتیاج به مهندسی دقیقی دارد. بنابراین چند نکته را باید مدنظر قرار داد، اوّل، ضروری است که تصاویر ثبت شده عنبیه دارای رزولوشن و وضوح کافی باشند، دوّم اینکه تصاویر باید کنتراست بالا داشته باشند، سوّم، فریم بندی تصاویر باید مناسب باشد یعنی عنبیه و مردمک باید در مرکز تصویر قرار بگیرند. برای تشخیص هویّت به کمک تصاویر عنبیه باید تصویر چشم برای پردازش به صورت دیجیتال تهیه شود. در این پایان نامه از تصاویر پایگاه داده UBIRIS.v1 استفاده شده است. سامانه های مبتنی بر روش های بیومتریک عنبیه در مقایسه با سایر روش ها از قابلیت بالاتری برخوردارند. به همین دلیل در اکثر آزمایشات از تصاویر با کیفیت بالا استفاده میشود. تفاوت در کارهای انجام شده در زمینه تشخیص هویّت براساس عنبیه، بیشتر به انتخاب های متفاوت روش ها در بخش های تشخیص عنبیه میباشد. بیشتر تفاوت های موجود در روش ها و کارهای انجام شده در بخش های تصویر (2-5) است:

رسم توضیحی(2-5) بلوک دیاگرام تولید الگو
2-8-1. دریافت تصویر
دریافت تصاویر یکی از مراحل اساسی در سیستم های تشخیص هویّت میباشد. تصاویر دریافتی فاکتور تعیین کنندهای در سیستم های تعیین هویّت هستند. در این صورت تصاویر دریافتی نیاز به پیش پردازش نخواهند داشت و باعث بالا رفتن دقّت سیستم خواهد شد.
2-8-2. پردازش تصویر
در پردازش تصویر هدف پیدا کردن مرزهای عنبیه، یافتن مرز بین عنبیه و صلبیه و مرز بین عنبیه و مردمک، یافتن نواحی مسدود شده از عنبیه توسط پلک ها و مژه ها، عینک و مو میباشد. موفقیّت این مرحله بستگی به کیفیّت تصاویر بدست آمده از چشم افراد دارد.
2-8-3. پیش پردازش
بعد از دریافت تصویر به عنوان ورودی به صورت ماتریس، باید عملیّاتی روی آن صورت گیرد تا این تصویر آماده استخراج ویژگی گردد.
2-8-4. ناحیه بندی بافت عنبیه
یکی از مهمترین بخش ها در سیستم تشخیص هویّت میباشد و هر گونه خطا در این قسمت تقریباً غیر قابل جبران میباشد و خطای حاصل تا پایان کار از بخشی به بخش دیگر منتقل میشود. نتیجه این مرحله بدست آوردن شعاع عنبیه و مردمک و مرکز دایره های عنبیه و مردمک میباشد. ناحیه بندی مهمترین بخش سیستم تشخیص هویّت است که در صورت تشخیص غیر دقیق مرزهای عنبیه اطّلاعات نادرست وارد سیستم شده و درصد موفقیّت سیستم را پایین میآورد.
2-8-4-1. اهمیّت ناحیه بندی صحیح
قدم اوّل در فرآیند تشخیص عنبیه، جداسازی و پیدا کردن محل عنبیه در تصاویر دیجیتالی است. ناحیه بندی تصاویر غیر واضح یکی از مشکل ترین عملیات ها در پردازش تصویر میباشد. دقّت ناحیه بندی میزان موفقیّت یا عدم موفقیّت روال های تحلیلی و محاسباتی را مشخص میکند. به همین دلیل نیاز به دقّت مضاعفی برای بهبود احتمال ناحیه بندی مناسب وجود دارد. در برخی از کاربردها نظیر کاربردهای مربوط به بازرسی های صنعتی، حداقل برخی از متغیّرهای محیطی قابل اندازه گیری هستند اما در بقیّه کاربردها مانند تشخیص از راه دور، کنترل کاربر بر روی تصاویر به انتخاب حسگرهای تصویری محدود میشود.

2-8-4-2. مروری کوتاه بر برخی از روش های ناحیه بندی
2-8-4-2-1. تشخیص لبه با استفاده از تابع Edge
تشخیص لبه ها مهمترین و رایج ترین روش در راستای تشخیص ناپیوستگی های معنی دار Intensity میباشد. چنین ناپیوستگی هایی با استفاده از مشتقات مرتبه اوّل و دوّم قابل تشخیص میباشند. مشتقات مرتبه دوّم در پردازش تصویر عموماً با استفاده از روش لاپلاس محاسبه می شوند. لاپلاس به تنهایی در

دسته‌ها: No category

دیدگاهتان را بنویسید