ناحیه بندی عنبیه با استفاده از ویژگیهای مبتنی بر بافت روشنایی90

فهرست مطالب

فصل 1: معرفی.. 2

1-1بیان مساله. 2

1-2هدف های تحقیق.. 3

1-3اهمیت موضوع تحقیق و انگیزش انتخاب آن. 3

1-4سوالات و فرضیه های مساله. 3

1-5 فناوری بیومتریک... 4

1-5-1معرفی فناوری بیومتریک... 5

1-5-1-1 اثرانگشت... 9

1-5-1-2 شبکیه چشم. 10

1-5-1-3 هندسه دست... 11

1-5-1-4 تصدیق صدای گوینده11

1-5-1-5 کف دست... 12

1-5-1-6 عنبیه. 12

1-5-2 مزایا و معایب روش بیومتریک... 14

1-5-2-1 آسیپ پذیری بیومتریک... 15

1-6 سامانه تشخیص هویت با استفاده از عنبیه. 16

1-6-1 اخذ تصویر. 17

1-6-2 ناحیه بندی عنبیه. 18

1-6-3 نرمال سازی عنبیه. 18

1-6-4 استخراج و رمز گذاری ویژگی ها19

1-6-5 تطابق.. 19

1-7 روند پایان نامه. 19

فصل 2: عنبیه چشم. 22

2-1معرفی عنبیه چشم. 23

2-2بازشناسی هویت از طریق تصاویر عنبیه چشم. 25

2-2-1 سامانه تشخیص هویت عنبیه چگونه کار می کند. 25

2-3 مروری بر روش های موجود. 27

2-3-1 روش چن.. 27

2-3-2 روش فت... 29

2-3-3 روش کانگ... 33

2-3-4 روش باسیت... 34

2-3-5 روش ادم. 36

2-3-6 روش میرزا38

2-3 -7 روش آناپورانی.. 41

2-3-8 تبدیل هاف... 45

2-3-9 مدل های کانتور فعال. 48

2-4 مروری بر دیگر روش های موجود. 48

2-4 -1 جداسازی عنبیه و پلکها از تصویر چشم. 48

2-4-2 جداسازی مرز داخلی و محاسبه شعاع ومرکز مردمک... 49

2-4-3 جداسازی مرز خارجی و محاسبه شعاع و مرکز عنبیه چشم. 50

2-5 خلاصه ای از روش های موجود بکار گرفته شده51

2-6 نتیجه گیری.. 55

فصل 3: ناحیه بندی عنبیه. 56

مقدمه. 57

3-1 ناحیه بندی عنبیه. 57

3-2 موجک... 58

3-2-1 انواع تبدیل موجک........59

3-2-1-1 تبدیل موجک پیوسته...59

3-2-1-2 تبدیل موجک گسسته.......60

3-2-1-3 تبدیل موجک دو بعدی........63

3-3 کانتور های فعال......65

3-3-1 کانتور های فعال پارامتری.......66

3-3-2 کار انجام شده در پایان نامه.........69

3-4 الگوریتم ژنتیک......69

3-4-1 تاریخچه الگوریتم ژنتیک.....70

3-4-2 قانون انتخاب طبیعی...............................................................................................

3-4-4 بعضی از اصطلاحات الگوریتم ژنتیک....................................................................73

3-5 ناحیه بندی عنبیه........................................................................................................74

3-5-1 منطقه بندی عنبیه...................................................................................................75

3-6 جداسازی مرزها بر اساس کانتورهای فعال....................................................................76

3-6-1 مقدمه ای بر روش های جداسازی دایره....................................................................76

3-6-2 جداسازی مرزها....................................................................................................78

3-7روش بکار گرفته شده در پایان نامه.................................................................................79

3-7-1روش اول...................................................................................................................79

3-7-2 روش دوم.................................................................................................................79

3-7-1-1 توضیحروش های بکار گرفته شده.......................................................................79

3-8 نتیجه گیری..................................................................................................................91

فصل4:آزمایشها...........................................................................................................................................92

مقدمه. ...................................................................................................................................93

4-1 تصاویر مرجع..............................................................................................................93

4-2 عملکرد روش کانتور فعال. .........................................................................................94

4-2-1تست روش کانتور فعال بر روی 100تصویر............................................................94

4-2-2 نتایج بدست آمده از تست روش کانتور فعال. ..........................................................96

4-2-3 تحلیل نتایج بدست آمده از برنامه. ............................................................................97

4-3روش موجک و ژنتیک... ..................................................................................................98

4-3-1 تست روش موجک و ژنتیک بر روی 100تصویر. ....................................................98

4-3-2 نتایج بدست آمده ازتست روش ژنتیک و موجک... 100

4-3-3 نتایج بدست آمده ازتست روش ژنتیک و موجک... 101

4-4 نتایج حاصل از دیتابیس هایCASIAو MMU.. 102

4-5 نتایج دیگری از تحقیقات بر روی دیتابیس مورد نظر. 103

4-6 نتیجه گیری.. 104

فصل5: نتیجه گیری و پیشنهادها105

مقدمه. ..............................................................................................................................106

5-1بررسی نتایج حاصل از روش کانتور فعال. 106

5-2بررسی نتایج حاصل از روش موجک و ژنتیک... 107

5-3 بررسی نتایج حاصل از دیتابیس های CASIAو MMU.. 107

5-4 بررسی نتایج دیگری از تحقیقات بر روی دیتابیس مورد نظر. 108

5-5 جمع بندی.. 108

5-6 پیشنهادهایی برای ادامه تحقیق.. 109

مراجع 102

فهرست اشکال

فصل اول

شکل(1- 1)تشخیص هویت... 7

شکل(1- 2)تصدیق هویت... 7

شکل(1- 3) روش های بیومتریک... 9

شکل(1- 4) یک نمونه از اثرانگشت­ های بدست آمده از با اسکنرهای مختلف.10

شکل(1- 5) شبکیه چشم. 11

شکل(1- 6) تصویر عنبیه.13

شکل(1- 7) سامانه تشخیص هویت..16

شکل(1- 8) تصویر چشم از پایگاه داده کاسیا..17

فصلدوم

شکل(2- 1) نمای روبرو از چشم. 23

شکل(2- 2) بافت شناسی پشم و وجزییات مربوط به آن. 25

شکل(2- 3)ناحیه بندی مردمک در روش فت... 30

شکل(2- 4) مرزهای بیرونی و درونی عنبیه.31

شکل(2- 5) ناحیه بندی پلک های بالا و پایین.32

شکل(2- 6)ناحیه بندی مرزهای داخلی و بیرونی عنبیه با روش باسیت.35

شکل(2- 7) یک نمونه از ناحیه بندی پلک ها به روش باسیت... 35

شکل(2- 8)نگاشت لبه.36

شکل(2- 9)انتخاب نهایی لبه.37

شکل(2- 10)یک نمونه از ناحیه بندی پلک ها38

شکل(2- 11)پنجره ای برای تشخیص پلک ها.39

شکل(2- 12)تشخیص پلک و مژه40

شکل(2- 13)ناحیه بندی مردمک... 42

شکل(2- 14)تصویر گرادیانی لبه. 43

شکل(2- 15)ناحیه بندی مردمک، عنبیه و پلک به روش آناپورانی.44

شکل(2- 16)ناحیه بندی مردمک و عنبیه و پلک... 45

شکل(2- 17)چند نمونه ار ناحیه بندی مردمک... 46

شکل(2- 18)تصویر باینری.. 47

شکل(2- 19)جداسازی مرز داخلی و مردمک... 49

شکل(2- 20)محاسبه شعاع مردمک... 49

شکل(2- 21)مرز داخلی عنبیه با مردمک... 50

فصلسوم

شکل(3- 1) بلوک دیاگرام ناحیه بندی عنبیه. 58

شکل(3- 2)موجک... 60

شکل(3- 3)تجزیه سه مرحله­ای موجک... 61

شکل(3- 4)بازسازی سه مرحله­ای موجک.63

شکل(3- 5)تبدیل موجک در سیگنال­های دوبعدی.64

شکل(3- 6) تبدیل موجک دو بعدی.65

شکل(3- 7) مراحل ناحیه بندی با استفاده از کانتورهای فعال.69

شکل(3- 8) تصویر اصلی.74

شکل(3- 9) منطقه بندی عنبیه.75

شکل(3- 10) مراحل اعمال کانتور فعال.84

شکل(3- 11) مراحل اعمال الگوریتم ژنتیک.90

فصلچهارم

شکل(4- 1)تست روش کانتور فعال بر روی تعدادی تصویر.96

شکل(4- 2)نتایج بدست آمده از تست.96

شکل(4- 3) نتایج بدست آمده از تست... 97

شکل(4- 4)نتایج بدست آمده از تست... 97

شکل(4- 5)تست روش موجک و ژنتیک بر روی تعدادی تصویر. 100

شکل(4- 6)نتایج بدست آمده از تست... 100

شکل(4- 7)نتایج بدست آمده از تست... 101

شکل(4- 8)نتایج بدست آمده از تست... 101

شکل(4- 9)نتایج بدست آمده از تست... 101

فهرست جدول ها

(جدول1- 1)مزایا و معایب روش بیومتریک.14

(جدول2- 1)ساب کرنل در جهت افقی تنظیم می شود. 32

(جدول4- 1)نتایج بدست آمده از برنامه. 98

(جدول4- 2)نتایج بدست آمده ازبرنامه. 102

(جدول4- 3)نتایج بدست آمده از برنامه بر روی مجموعه تصاویر شناخته شده..102

(جدول4- 4)نتایج بدست آمده از برنامه های دیگر. 103

فصل 1

معرفی

فصل اول :معرفی

1-1. بیان مساله:

یک سامانه بیومتریک براساس مشخصه های منحصر به فرد موجود در هر فرد اقدام به شناسایی خودکار افراد می کند. شناسایی از طریق تصاویر عنبیه هم اکنون به عنوان یکی از مطمئن ترین و قابل اطمینان ترین روش ها مطرح می باشد. بیشتر محصولات تجاری در زمینه عنبیه براساس الگوریتم ثبت شده پیشنهادی داگمن ساخته شده اند که قابلیت شناسایی 100٪ را دار می باشند ولی الگوریتم های ارائه شده در مقالات تحت شرایط مطلوب آزمایش و بدون در نظر گرفتن مشکلات عملی گزارش می شوند. پژوهش ارائه شده در این پایان نامه شامل ناحیه بندی تصاویر عنبیه چشم با استفاده از ویژگی های مبتنی بر بافت روشنایی می باشد. برای بررسی قابلیت کارکرد این الگوریتم مجموعه ای از تصاویرکاسیا به عنوان آ‌زمایش بکار برده شد. روش ارائه شده شامل ناحیه بندی تصاویر عنبیه چشم مبتنی بر دو روش کانتورهای فعال و الگوریتم ژنتیک می باشد که می توانند مرزهای درونی و بیرونی عنبیه را به همراه مرکز و شعاع های آ‌ن مشخص سازند .نتایج بدستآمده با استفاده از چند نوع الگوریتم پیشنهادی در نهایت بر روی تصاویر CASIA که شامل 756 تصویر از 108 نفر است آزمایش گردیده است درصد موفقیت حدود 89%را به همراه نرخ خطا11 ٪ نتیجه داده است.

1-2 هدف های تحقیق:

در اینجا هدف ما این است که با استفاده از ویژگیهای بافت روشنایی ناحیه بندی بهتری انجام دهیم

یا به عبارت دیگربه کمک روش هایی، ناحیه بندی را بهبود بخشیم.‏

1-3اهمیت موضوع تحقیق وانگیزش انتخاب آن:

شناسایی از طریق تصاویر عنبیه هم اکنون به عنوان یکی از مطمئن ترین وقابل ترین روش ها مطرح می باشد. این پایان نامه شامل ناحیه بندی عنبیه با استفاده از ویژگیهای مبتنی بر بافت روشنایی می باشد.

1-4 سوالات و فرضیه های اصلی مساله:

سوال تحقیق:

آیا میتوان یک الگوریتم جدید طراحی و پیاده سازی کردکه شناسایی از طریق عنبیه چشم از قابل اطمینان بالایی برخوردار باشد؟

فرضیه های تحقیق:

درناحیه بندی تصاویر چشم پارامترهای زیادی وجود دارندکه باید در ابتدا مشخص شوند.ابتدا باید مرز عنبیه با صلبیه مشخص شودسپس پیدا کردن مردمک به کمک تبدیل موجک و در نهایت تست کردن تکنیک ها روی database، این پارامترها تاثیر زیادی در عملکرد تشخیص هویت دارند.به نظر میرسد اگر بتواندر حین ناحیه بندی این پارامترها را دقیقا بدست آورد می توان ناحیه بندی را با کمترین خطا انجام داد.

5-1 فناوری بیومتریک

بشراز عهد قدیمتاکنونازخطوطانگشتبرایشناساییاشخاصاستفادهمی­کند. چنانکهیکقرارداد بازرگانیدرچینمتعلقبه1200سالپیش پیداشدهاستکهپایآنقراردادراطرفینمعاملهانگشت زدهو امضانمودهاند. هنوز همدرخاوردور در پشت کتاب ها درمحل نوشتن اسم، اثرانگشت مالک کتاب دیده می­شود. اولین بار درسال 1870میلادی استفاده از اندازه گیری قسمتهای مختلف استخوان بندی بدن زندانیان توسط فردی فرانسوی به نام برلیتون معرفی شد که این سیستم تا سال1920 درایلات متحده آمریکا مورد استفاده قرار می گرفت. درسال1880میلاد استفاده از اثرانگشت و صورت پیشنهاد شد. در برگ شناسایی که پس ازجنگ جهانی دوم در آلمان برای اشخاص صادر می­گردید، اثر انگشت صاحب برگ هم ضبط می­شد.با پیشرفت علم پردازش سیگنال در دهه1960 علاوه­بر موارد قبلی، از صدا و امضاء نیز استفاده می شد.مویرگ های شبکیه مورد بعدی بود که در دهه 1980 عملی شد. باوجود اینکه استفاده ازعنبیه درسال 1936پیشنهاد شده بود استفاده از آن در1993عملی شد. در جامعه مدرن امروزی با توجه به رشد سریع اقتصاد در سرمایه گذاری افزایش نیاز به تشخیص هویت یا تاییدهویت افراد احساس می شود. وقتی که اعطای دسترسی برای انجام کاری لازم باشد به عنوان مثال وورد به مکانی ممنوعه یا حضور و غیاب افراد یک شرکت، اعطای اجازه عموما به صورت صدور امتیاز برای یک فرد یا یک گروه خاص می باشد.در این فصل به بررسی فناوری بیومتریک خواهیم پرداخت.

1-5-1 معرفی فناوری بیومتریک[1]:

تشخیص هویت انسان بعنوان یک مسأله امنیتی از دیرباز مورد توجه بوده است. امروزه، با گسترش تکنولوژی و نیاز به امنیت بیشتر در جوامع، باعث شده است تا انسان بدنبال روش های سریع­تر و مطمئن­تری برای شناسایی افراد باشد. روش­های تشخیص هویت با گذشت زمان دقیق­تر و قابل اطمینان­تر شده است.روش­های تشخیص هویت معمولاً بر سه قسم است:

1-دارایی­ های یک شخص، مانند کلید، کارت­مغناطیسی و کارت هوشمند.

2- از طریق دانش، مانند کلمه عبور و شماره تشخیص هویت.

3- خاصیت بیومتریک.

1- تشخیص هویت

2- تصدیق هویت

(شکل 1-1) تشخیص هویت.

(شکل 1-2 ) تصدیق هویت.

روش های قدیمی موجود را می توان با توجه به فناوری مورد استفاده در آن ها بر مبنای3 خاصیت عمده تقسیم بندی نمود ]1[مالکیتی- دانستنی – بیومتریک .

در رابطه با مشکلات روش های قدیمی به عنوان مثال سامانه های خودپرداز بانک وقتی یک شخص بخواهد از کارت خود استفاده کند لازم است که شماره تشخیص هویت شخصی خود را وارد کند تا بتواند پول خود را بر دارد فاز تایید/تشخیص هویت براساس چیزی (کارتی) است که شخص دارد و همچنین اطلاعاتی که شخص با خود دارد که یک مشکل بالقوه می باشد مثلا کارت در این سامانه ممکن

است دزدیده شود رمز عبور آسیب پذیر است بخصوص که این شخص پشت سر شما موقع وارد کردن رمز به دست شما نگاه می کند. با اینحال برای کسی که کارت را دزدیده است استفاده از کارت در حالی که رمز عبور را نمی داند مشکل خواهد بود. این مثال ساده نشان می دهد که به تنهایی استفاده از این روش ها ممکن است کارآمد نباشد استفاده از روش های بیومتریک به تنهایی یا به کمک روش های ذکر شده می تواند به عنوان سامانه تشخیص هویت مورد استفاده قرار گیرد. بعضی از موارد تشخیص هویت بیومتریکی شامل اثر انگشت[2]، هندسه دست[3]، شبکیه[4]، عنبیه[5]،صورت[6] ، امضاءو لحن[7] صدا می باشند. تشخیص هویت بیومتریک نسبت به روش های قدیمی ترجیح داده می شوند (رمز عبور ، کارت های هوشمند).چون اطلاعات آن ها نمی توانند بطور مجازی دزدیده شوند اگرچه در بعضی از موارد ممکن است روش هایی برای جعل هویت در بیومتریک نیز وجود داشته باشد. مثال برداشتن اثر انگشت افراد از روی سنسور دستگاه تشخیص اثر انگشت]2.[ مهمترین اشکال این روش هاعبارتند از:

1-مالکیت اعطایی ممکن است گم شده یا جعل شود یا به راحتی نسخه دوم آن را ساخت 2- اطلاعات می توانند دزدیده شوند 3- اطلاعات و مالکیت هر دو با هم می توانند به طور عمومی مورد استفاده قرارگیرند.

(شکل 1-3) روش های بیومتریک

1-5-1-1 اثرانگشت

اثر انگشت شاید از قدیمی ترین روش­های بیومتریک باشد]2[. در روش­های قدیمی از جوهر برای گرفتن اثر انگشت در یک کاغذ استفاده می­شد.سپس این کاغذ اسکن می­شدند. در روش­های امروزی

دیگر خبری از جوهر نیست. برای ثبت اثر انگشت از اسکنرهایی نوری، حرارتی، سیلیکونی یا فراصوتی استفاده می­کنند ]3[. (شکل 1-4) یک نمونه از تصویر اثر انگشت های بدست آمده از اسکنرهای نوری، سیلیکونی و فراصوتی را نشان می­دهد.

(پ) (الف) (ب)

(شکل 1-4)یک نمونه از اثرانگشت­ های بدست آمده با اسکنرهای مختلف.

معایبتصویربرداریاز انگشتعبارت است از نیاز به تماس فیزیکی با حسگر نوری واحتمال به دست آمدن تصویر باکیفیت پایین به دلیل کثیف بودن انگشت یا زخم ویا کارسخت برای مدت طولانی که باعث تغییر شکل انگشت می شود ]3[.

1-5-1-2 شبکیه چشم

تشخیص هویت با شبکیه برمبنای رگ­های خونی موجود در شبکیه چشم است. تکنولوژی شبکیه در تشخیص هویت قدیمی­تر از عنبیه است. اولین سیستم­ اسکنر شبکیه در سال 1985 مورد استفاده قرار گرفت. بزرگترین اشکال شبکیه متمایل به داخل بودن آن است بنابراین اسکن کردن آن مشکل است. شبکیه بطور مستقیم قابل رویت نیست بنابراین یک منبع نوری مادون قرمز همدوس لازم است تا شبکیه را نمایان کند. (شکل 1-5)یک نمونه از شبکیه با رگ­های خونی را نشان می دهد. شبکیه برای سیستم­هایی با امنیت بالا کاربرد دارد.

(شکل 1-5) شبکیه چشم

1-5-1-3 هندسه دست

این روش بر مبنای تغییرات هندسه دست می­باشد.سامانه هندسه دست یک تخمین از ویژگی­های هندسی دست از قبیل طولوعرضفراهم می­کند. اسکنرهای متداول که امروزه مورد استفاده قرار می­گیرنداسکنرهای نوری می­باشد. اسکنرهای نوری بعد از گرفتن تصویر دست از آشکارساز لبه برای محاسبه ویژگی­های دست استفاده می­کند]3[ و]4[. با استفاده از هندسه دستنمیتوانیک نفر را ازبینچندنفر جستجو کردوفقطبهتاییدهوییتیکفردخاصمحدودمیشودکهباعثناکارآمدیدرکاربردهایجستجومیشود.

1-5-1-4 تصدیق صدای گوینده

از صدای گوینده آنالیز و برای تشخیص هویت آن مورد استفاده قرار می­گیرد. بین تشخیص نطق و تصدیق صدای گوینده تفاوت وجود دارد. در تشخیص نطق، آنچه گفته می­شود مهم است و شناسایی می­شود اما در تصدیق صدای گوینده، خود گوینده مهم بوده و شناسایی می­شود. تصدیق صدای گوینده بر روی ویژگی­های آوایی شخص متمرکز می­شود و با صدا و تلفظ گوینده سروکار ندارد. ویژگی­های آوایی به ابعاد و کشش آوا، دهان و فضای بینی بستگی دارد. بزرگترین مزیت این سامانه بی­نیازی آن به سخت­افزار خاصی است. با یک میکروفن ساده می­توان صدا را ضبط کرد. بزرگترین عیب آن­ها حساس بودن آن­­ها به نویز است که باعث می­شود از دقت کار کاسته شود. همچنین شخص می­تواند با تغییر در صدا و بیان هجاها سیستم را به اشتباه مواجه کند.

1-5-1-5 کف دست

در این سیستم از خطوط و انحراف­های کف دست برای شناسایی استفاده می­شود. با توجه به اینکه کف دست آسیب کمتری نسبت به انگشتان می­بیند و مساحت بیشتری نسبت به انگشتان دارد انتظار می­رود تا از امنیت بالاتری برخوردار باشند]5[و]6[. ساده بودن روش اندازه­گیری خطوط کف دست و آسیب دیدن این خطوط با کار کردن و حتی با کثیف شدن کف دست، باعث کاهش کارایی سیستم می­شود]7[.

1-5-1-6 عنبیه

عنبیه یک ناحیه رنگی از چشم است. میزان رنگ آن بستگی به غلظت رنگدانه­های ملانین دارد.ناحیه دایروی در مرکز عنبیهمردمک نام دارد. عنبیه با ماهیچه هایی بسیار کوچک اندازه مردمک را گشاد یا تنگ می­کند. ماهیچه تنگ کننده که در لبه مردمک قرار دارد باعث تنگ شدن مردمک در هنگام تابیدن نور می­شود. ماهیچه گشاد کننده بصورت شعاعی به عنبیه متصل بوده و باعث گشاد شدن مردمک در محیط کم نور می­شود]8[. ناحیهعنبیهبهشکل مخروطبریدهشدهوسهبعدیاست،کهازطرفقاعدهبهناحیهمژگانیچشموصلشدهاستو

1 -5-2مزایا ومعایب روش بیومتریک:

بسته به روش بیومتریک بکار گرفته شده در سامانه مورد استفاده ،تشخیص / تایید هویت می تواند در ثانیه یا کسری از آن صورت پذیرد . رقابت امروزی بین این دستگاه ها در زمان پردازش و صحت پاسخ دهی آن ها می باشد.

1-5-2-1 آسیب پذیری بیومتریک(تقلب در سامانه)

قابلیت دسترسی و حمله به سامانه تشخیص هویت موجود در یک شرکت باشد بدین صورت که یک سامانه جعلی در راه آن نصب شده و کنترل کلی سامانه را بدست آورد. یا این که مثلا امتیاز عبور از محل را به فرد خاصی اعطا کرد. مثلاًٌ اگر هکردسترسی به سامانه ای که سیگنال بیومتریک را دریافت و ذخیره می کند داشته باشد در آن صورت سامانه در برابر پاسخ به هکر بسیار ضربه پذیر خواهد بود هکر می تواند با دوباره نمایش دادن این سیگنال دریافتی بدون این که روبروی سنسور دستگاه قرار گیرد از سامانه پاسخ درست را دریافت کند. و به جای شخصی که سیگنال را ارسال کرده به سامانه شناسانده شود.فرایند ثبت نامیکی دیگر از مشکلات بیومتریک است. وقتی یک فرد اطلاعات بیومتریک خود را در یک سامانه ذخیره می کند باید بررسی شود که دقیقا آن فرد همان شخصی است که ادعا می کند، ممکن است با یک نام چند کد ذخیره گردد یا این که با اسم فرد دیگری در فرایند ثبت نام گردد

چند راهکار و اصل برای سامانه های بیومتریک پیشنهاد می شوند :

کسی که اطلاعات خود را به سامانه می دهد باید کمترین دسترسی به سامانه بیومتریک جهت تغییر مشخصات خود یا مشاهده اطلاعات دیگران را داشته باشد. ساده و کوچک باشد تا راحتر بتوان آن را شناخت و راههای نفوذ و آسیب پذیری سامانه را بطور کامل استخراج کرد . ]22

1-6 سامانه تشخیص هویت با استفاده از عنبیه

ویژگی­های منحصربه فرد عنبیه برای استفاده در سامانه تشخیص هویت بسیار جذاب است. علم پردازش تصویر برای استخراج این الگوهای منحصربه فرد از تصاویر دیجیتال چشم بکار گرفته می­شود تا این الگوها را به کدهای بیومتریک تبدیل کند. این کدها در پایگاه داده ذخیره می­شوند. الگوی بیومتریک شامل یک نمایش ریاضی ازاطلاعات منحصربه­ فرد است که در عنبیه ذخیره شده­است. کد استخراج شده از عنبیه شخص با کدهای موجود در پایگاه داده مقایسه می­شود اگر این کد در پایگاه داده موجود باشد هویت شخص شناسایی و در غیر این صورت هویت شخص شناسایی نمی­شود.سامانهتشخیصهویتبا استفاده ازعنبیهدر سال­های اخیرموردتوجهقرارگرفتهوبحثاصلیآنتوسطپروفسورجانداگمندردانشگاهکمبریجانگلستانانجامشدهاست]12[ و ]11[.

(شکل 1-7 ) سامانه تشخیص هویت.

1-6-1 اخذ تصویر

در سامانه اتوماتیک تشخیص هویت توسط عنبیه، گرفتن یک تصویر از چشم انسان دارای اهمیت بسیاری می­باشد. هرچقدر کیفیت تصویر اخذ شده بهتر باشد دقت سامانه در مراحل بعدی افزایش می­یابد. امروزه چندین پایگاه داده وجود دارد که تصاویری از عنبیه را در اختیار ما قرار می­دهد. مشهورترین پایگاه داده که در این پایان نامه نیز مورد استفاده قرار گرفته است پایگاه داده کاسیا نسخه یک می­باشد که توسط انجمن علوم چین تهیه شده است]13[. تصاویر اخذ شده توسط این پایگاه داده به علت استفاده از نور مادون قرمز در تصویر برداری فاقد انعکاس های آینوی در تصویر می­باشد. انعکاس­های آینوی بعنوان نویز باعث اختلال در کارایی سامانه شده و حذف آن اهمیت بسیار دارد. (شکل 1-8 ) یک نمومه از تصویر چشم چپ و راست، از پایگاه داده کاسیا را نشان می­دهد که متعلق به یک شخص است.

(شکل 1-8) تصویر چشم از پایگاه داده کاسیا

پایگاه داده UBIRIS شامل 1877 تصویر است]14[. تصاویر این پایگاه به حقیقت نزدیک­تر است. تصاویر در دو جلسه گرفته می­شود که تصاویر جلسه اول در شرایط کم نویز گرفته شده و تصاویر جلسه دوم آن در حالت طبیعی و با ضریب درخشندگی عادی گرفته می­شوند که باعث مشکلاتی از قبیل انعکاس، سطوح مختلف کنتراست خواهد شد. پایگاه داده LEI شامل 120 تصویر خاکستری است که با نور طبیعی گرفته شده­اند. این تصاویر شامل انعکاس­های آینوی می­باشد. اگر رنگ دانه عنبیه یک شخص تیره باشد و با نور طبیعی تصویر برداری شود، باعث می­شود تا کنتراست ناحیه بین مردمک و عنبیه بسیار کم شده و ناحیه بندی را بسیار دشوار سازد.

1-6-2 ناحیه بندی عنبیه

ناحیه بندی عنبیه شامل شناسایی لبه­های عنبیه و مردمک برای استخراج ناحیه عنبیه است. ناحیه بندی در فصل چهارم توضیح داده خواهد شد.

1-6-3 نرمال سازی

در این مرحله عنبیه به مختصاتی انتقال می­یابد که دارای ابعاد ثابتی است. این ناحیه به یک مستطیل نگاشت می­شود. تنگ و گشاد شدن ابعاد مردمک بعلت نور تابیده شده از محیط، چرخش سر و چرخش چشم و متغییر بودن فاصله از دوربین از جمله عواملی است که امر نرمال سازی را لازم می­شمارد. باتوجه به اینکه مردمک و عنبیه همیشه هم مرکز نیستند پس باید ناحیه عنبیه را چنان نرمال سازی کرد تا تحت هر شرایطی مقایسه بین دو عنبیه آسان گردد]14[.

1-6-4 استخراج و رمز گذاری ویژگی­ها

در این قسمت یک بردار ویژگی بر مبنای ویژگی­های منحصر به فرد استخراج می­شود. سپس این اطلاعات رمزگذاری و برای مقایسه با الگوهای دیگر آماده می­شود. بردار ویژگی­ها باید دارای ابعاد کوچک باشد تا زمان محاسبات کاهش یابد.

1-6-5 تطابق

کدهای بدست آمده در قسمت قبل با یک معیار تطابق مقایسه می­شوند. این مقایسه انجام می­شود تا معلوم شود آیا دو کد متعلق به یک شخص است یا نه. درصورتیکه دو کد مشابه باشند هویت شخص شناسایی می­شود.

1-7 روند پایان نامه

هدف این پایان نامه ناحیه بندی عنبیه بر مبنای تبدیل موجک است. ناحیه بندی عنبیه شامل ناحیه بندی مرز داخلی و خارجی عنبیه است. آنچه در ناحیه بندی عنبیه اهمیت دارد دستیابی به بافت عنبیه و آسیب نزدن به آن در روند کار می­باشد. برای دستیابی صحیح به این بافت، باید محیط عنبیه به درستی مشخص شود. بنابراین حذف نویزها و ناحیه بندی صحیح مرز داخلی و بیرونی عنبیه حائز اهمیت است. آنچه در این پایان نامه مورد بررسی قرار می­گیرد، تبدیل موجک در ناحیه بندی عنبیه است. ما در این پایان نامه بررسی می­کنیم که آیا می­توان با استفاده از تبدیل موجک پلک و مژه را حذف و عنبیه را ناحیه بندی کرد. این سوال در روند کار پاسخ داده می­شود.

اینپایاننامهشاملپنجفصلمیباشد. در فصل اول به بیان تاریخچه و آشنایی با سیستم های بیومتریک پرداخته شد. در فصل دوم مروری بر روش های پیشنهادی که در گذشته ارائه شده است خواهیم پرداخت. در فصل سوم یک معرفی از تبدیل موجک و روابط کاربردی آن خواهیم داشت. در فصل چهارم روش پیشنهادی پایان نامه برای ناحیه بندی عنبیه بیان می­شود که شامل:

1- ناحیه بندی مردمک

2- حذف پلک و مژه ها

3- ناحیه بندی عنبیه

فصلپنجمکهآخرینفصلازاینپروژهمیباشدفصلنتایجوتفسیرآنهامیباشدکه نتایجحاصلازشبیه سازی بررسی می­شود. سپس این نتایج با نتایج روش های دیگر مقایسه می شود.

شبیه سازی و انجام پایان نامه با نرم افزار MATLAB و با استفاده از پایگاه داده کاسیا می­باشد. نتایج شبیه سازی نشان دهنده تأیید روش می­باشد. کار مورد نظر به عنوان یک سامانه جدا سازی عنبیه از تصاویر عنبیه چشم برای نشان دادن کارآرایی خصوصیت بیومتریک پیاده سازی شده است. این کار با استفاده از نرم افزار MATLAB و استفاده از تصاویر موجود در اینترنت پیاده سازی شد. با استفاده از جعبه ابزار پردازش تصویر محیطی مناسب و سریع برای نوشتن برنامه بوجود آمد که با استفاده از روش های برنامه نویسی اجرای آن محقق شد. برای آزمایش برنامه مجموعه ای از تصاویر استفاده شد که شامل 756 تصویر خاکستری چشم گرفته شده از تصاویر CASIA می باشد. این مراحل شامل جداسازی (مشخص کردن مرزهای عنبیه از تصویر چشم) به منظور تشخیص هویت می باشد ورودی یک تصویر چشم و خروجی تصویر عنبیه مورد نظر است. پژوهش ارائه شده مرکب از چند زیر سامانه است که مبین هر گام از نرم افزار نوشته شده است.

[1] Biometric

[2] Finger Print

[3] Hand Geometry

[4]Retina

[5] Iris

[6] Face

[7] Signature