این بسته شامل 4 پایان نامه در زمینه تشخیص هویت بر اساس عنبیه می باشد که به صورت فایل word و pdf در اختیار شما قرار میگیرد.

تمامی پایان نامه ها مربوط به سال 90 به بعد می باشد.

تقطیع سریع عنبیه برای تشخیص هویت بیومتریک

چکیده

تشخیص هویت از دیرباز مورد نیاز انسان بوده است روش‌های سنتی یا بر مبنای نشان و یا بر مبنای دانش عمل می‌کنند اما عیب آنها این است که چنین شاخصه هایی قابل دزدیدن هستند و یا ممکن است فراموش شوند در واقع در روشهای سنتی سیستم قادر نیست تا بین فرد واقعی و فرد نفوذ کننده تفاوت قائل شود و هر فردی که نشان و یا دانش مورد نظر را در اختیار داشته باشد، به عنوان فرد واقعی شناسایی خواهد شد ولی سیستمهای تشخیص هویت بیومتریک،بصورت اتوماتیک از ویژگیهای فیزیولوژیکی و یا رفتاری بدن انسان برای تشخیص و یا تأیید هویت افراد استفاده می کنند بنابراین بصورت ذاتی نسبت به روشهای سنتی قابل اعتمادتر بوده و از امنیت بیشتری برخوردارهستند ولی نسبت به سیستم‌های سنتی پیچیده‌تر و کندتر هستندبیومتریک عنبیه ازکارایی و امنیت بالاتری برخوردار بوده ولی نسبت به بیومتریک‌های دیگر،مانند اثر انگشت، کندتر است برای تشخیص هویت از طریق تصویر عنبیه بایستی عملیات تقطیع، استخراج ویژگی و انطباق صورت بگیرد عملیات تقطیع 73% زمان اجرای کل الگوریتم را به خود اختصاص می‌دهد و دقت سیستم بطور گسترده به دقت این بخش بستگی دارد بنابراین با افزایش سرعت و دقت این بخش، دقت و سرعت کل الگوریتم را افزایش داد در این پایان نامه بر اساس خواص آماری و پردازش هیستوگرام تصویر چشم، یک روش جدید برای تقطیع سریع عنبیه پیشنهاد شده است و نسبت به سایر روش‌ها دقت و سرعت بالاتری دارد

فهرست مطالب
فهرست مطالب I
فهرست تصاویر III
فهرست جداول IX
فصل اول: پیشگفتار 1
1-1 مقدمه 1
1-2 تعریف بیومتریک 2
1-3 سیستم بیومتریک 3
1-4 خصیصه‌های بیومتریک 5
1-5 خطا در سیستم‌های بیومتریک 8
1-6 ویژگی‌های بیومتریک 9
1-6-1 اثر انگشت 9
1-6-2 هندسه دست 10
1-6-3 اثر کف دست 11
1-6-4 صوت 12
1-6-5 چهره 12
1-6-6 شبکیه 13
1-6-7 عنبیه 14
1-7 چگونگی عملکرد سيستم تشخيص هويت بر مبنای تصوير عنبيه 17
فصل 2: قطعه‌بندی چشم 19
2-1 مقدمه 19
2-2 تصویربرداری 20
2-3 پیش پردازش 24
2-4 مرزبندی مردمک – عنبیه 28
2-5 مرزبندی عنبیه – صلبیه 61
2-6 نرمالیزه کردن 71
فصل3: روش پیشنهادی 73
3-1 مقدمه 73
3-2 پیش پردازش 74
3-3 قطعه بندی مردمک 77
3-4 قطعه بندی عنبیه 87
فصل 4: مقایسه و نتیجه‌گیری 94
4-1 مقدمه 94
4-2 سیستم پیاده سازی 95
4-3 پایگاه داده عنبیه casia V 10 95
4-4 پایگاه داده عنبیه MMU V 10 96
4-5 پایگاه داده عنبیه IIT 96
4-6 نتیجه گیری 97

تشخیص عنبیه با استفاده از روشهای هوشمند پردازش تصویر

چکیده:

امروزه نیاز به سیستم های تشخیص هویت افراد با دقت و قابلیت اطمینان بالا در حال گسترش می باشد در جامعه امروزی تشخیص هویت افراد به ویژه در مورد مسائل امنیتی اهمیت زیادی پیدا کرده است پیشرفت های اخیر در زمینه تکنولوژی اطلاعات و بینایی ماشین و نیز نیاز روز افزون به امنیت، باعث شده است که پیشرفت های سریعی در زمینه تشخیص هویت افراد به صورت هوشمند و بر مبنای بیومتریک ها بدست آید دربین انواع مختلف روش های بیومتریک، بیومتریک عنبیه به عنوان دقیق ترین و قابل اطمینان ترین روش موجود مطرح می باشد پژوهش انجام شده در این پایان نامه حاوی طراحی و پیاده سازی یک سیستم تشخیص هویت بر اساس تشخیص عنبیه از روی تصویر چشم می باشد در این پایان نامه، ساز و کار جدیدی برای تشخیص دقیق ناحیه عنبیه ارائه شده است بدین صورت که الگوریتم ارائه شده ابتدا ناحیه مردمک و سپس ناحیه عنبیه را به کمک لبه یاب هاف دایروی تشخیص داده و سپس در ادامه روند پیاده سازی، بخش های غیر ضروری از قبیل مژه ها، مردمک و ابروها را به کمک روش آستانه گذاری از تصویر چشم حذف کرده و نهایتا تصویر بدست آمده را در پایگاه داده ذخیره می کند در ادامه ویژگی های تصویر عنبیه به کمک روش داگمن استخراج شده و در نهایت به کمک فیلترهای گابور به کد تبدیل می شوند در آخرین مرحله که تطبیق نام دارد، از الگوریتم ژنتیک کمک گرفته شده تا اینکه بتوان با سرعت و دقت بیشتری به جواب نهایی رسید نتایج بدست آمده بر اثر اعمال روش پیشنهادی بر روی پایگاه دادهCASIA نسخه 4، که شامل 2639 تصویر عنبیه از 249 نفر می باشد، در نهایت درصد موفقیت %99,9962 را در تطبیق صحیح تصاویر نشان داده است که این امر نشان دهنده کارایی برتر این سیستم نسبت به سایر روش های موجود می باشدکلمات کلیدی: بیومتریک، لبه یاب هاف، آستانه گذاری، استخراج ویژگی، روش داگمن، فیلتر های گابور، الگوریتم ژنتیک

فهرست مطالب
عنوان صفحه

فصل اول: مقدمه و کلیات تحقیق 1
1-1- فناوری بیومتریک 1
1-1-1- اثر انگشت 7
1-1-2- اثر کف دست 9
1-1-3- هندسه دست 11
1-1-4- شیمیای (بو) 13
1-2- عنبیه چشم 14
1-3- اهداف پایان نامه 18
1-4- ساختار پایان نامه 18
فصل دوم: مرور روش های پیشین 20
2-1- روش های کلاسیک 21
2-1-1- روش داگمن 21
2-1-1-1- تشخیص عنبیه 21
2-1-1-2- استخراج ویژگی های عنبیه 23
2-1-1-3- نرخ تطابق صحیح 25
2-1-2- روش وایلدز 29
2-1-2-1- محلی سازی عنبیه 31
2-1-2-2- تطبیق الگوها 33
2-1-3- روش بولز 36
2-1-3-1- تشخیص و ذخیره عنبیه 36
2-1-3-2- الگوریتم تطبیق 39
2-1-3-3- نتایج الگوریتم 42
2-2- مرور روش های جدید 44
2-2-1- تشخیص عنبیه بر اساس LDA و LPCC 44
2-2-1-1- تشخیص محلی عنبیه 44
2-2-1-2- استخراج ویژگی های عنبیه 48
2-2-1-3- قانون تصمیم گیری 53
2-2-1-4- نتایج عملی
54

2-2-1-5- نتیجه گیری 56
2-2-2- تشخیص عنبیه با اعمال روش تطبیق فازی 57
2-2-2-1- قطعه بندی عنبیه 57
2-2-2-2- استخراج ویژگی های عنبیه 62
2-2-2-2-1- فیلتر های گابور 62
2-2-2-2-2- تشخیص نقاط ویژگی محلی 64
2-2-2-2-3- توصیف گر ویژگی محلی 64
2-2-2-3- تولید کلید شاخص 68
2-2-2-4- بازیابی بهترین تطابق 68
2-2-2-4-1- الگوریتم PFM 69
2-2-2-5- مقایسه و تصمیم گیری 74
2-2-2-6- نتایج عملی 76
2-2-2-7- نتیجه گیری 77
2-3- مقایسه اجمالی روش های ذکر شده 78
فصل سوم: طراحی و پیاده سازی روش پیشنهادی 84
3-1- مقدمه 85
3-2- تشخیص عنبیه 87
3-2-1- تشخیص مردمک 87
3-2-1-1- پردازش کلی با استفاده از تبدیل هاف 88
3-2-2- تشخیص مرز خارجی عنبیه 95
3-2-3- حذف کردن تصاویر نواحی خارج از عنبیه 97
3-2-4- حذف کردن تصویر مردمک 98
3-2-5- حذف کردن تصویر مژه ها 99
3-2-5-1- آستانه گذاری 100
3-3- نرمالیزه کردن 105
3-4- استخراج ویژگی 106
3-5- فرآیند تطبیق 107

3-5-1- محیط تصمیم گیری و تصمیم پذیری 108
3-5-2- فرموله سازی مسئله 109
3-5-3- اجرای الگوریتم ژنتیک بر روی داده ها 113
3-6- نتایج عملی 117
3-7- جمع بندی 120
فصل چهارم: نتیجه گیری و پیشنهاد ها 121
4-1- جمع بندی کلی نتایج 122
4-2- پیشنهاد ها 125
منابع 126

بررسی روشهای افزایش امنیت تشخیص هویت با استفاده از پردازش تصویر عنبیه در شرایط حضور عوامل خطاساز

چکیده.

امروزه ارائه سیستم های دقیق به منظور افزایش امنیت ساختارهای مختلف اجتماعی مورد توجه می باشند. و با توجه به اینکه بایومتری های فیزیولوژیکی و رفتاری مختلف در مقابل عوامل طبیعی پایدار بوده و الگوی یکتایی برای هر شخص دارند، تکنیک قابل اطمینانی برای تشخیص و یا تایید هویت افراد می باشند. در این بین عنبیه نیز مانند دیگر زیست سنجی ها به علت مشخصه های ذاتی ازجمله پایداری در طول دوره زندگی، یکتایی، قابل اطمینان بودن، حفاظت ذاتی آن توسط زلالیه و قرنیه، امکان اخذ تصویر به صورت غیر تماسی و نرخ خطای پایین بر طبق آمار، مورد توجه است. به طور کلی یک سیستم بازشناسی عنبیه شامل چهار بخش اخذ یک دنباله از تصاویر عنبیه، مکانیابی دقیق عنبیه، استخراج ویژگی های متمایزکننده، مقایسه و تطبیق است. با توجه به اینکه در هر سیستم تشخیص هویتی عوامل خطاسازی وجود دارند که در کار تشخیص اختلال ایجاد می کنند، بنابراین لازم است تا ابتدا به شناسایی این عوامل پرداخته و سپس روش هایی برای مقابله با آنها ارائه داد. سپس با توجه به اینکه دقت و سرعت پردازش بالا در سیستم های تشخیص هویت از اهمیت بالایی برخوردار است، لازم است تا در جهت رسیدن به این مقاصد راهکارهایی ارائه دهیم. به همین منظور در این پایان‌نامه، در بخش مکانیابی روشی سریع و دقیق برای مکانیابی مرز های عنبیه با استفاده از تغییر کنتراست تصویر، لبه یاب Canny و یک روند تصحیح کننده، ارائه شده است. نتایج نشان می‌دهد که این روش روی تصاویر نویزی، در عین حفظ دقت از حجم محاسباتی پایین و سرعت پردازش بالایی برخوردار می باشد. در بخش استخراج ویژگی نیز روشی مقاوم بر مبنای تجزیه تبدیل موجک سیملت4 ارائه شده است که از حجم محاسباتی پایین، طول کد کم و دقت بالا برخوردار می باشد. نتایج تست، کارامدی روش پیشنهادی را تایید می کند.

عنوان صفحه
فهرست شکل‌‌ها ث‌
فهرست جداول ث‌
فصل 1- مقدمه ای بر زیست سنجی 1
1-1- پیشگفتار 2
1-2- تاریخچه زیست سنجی 3
1-3- سیستم زیست سنجی 4
1-4- کاربردهای سیستم های زیست سنجی 5
1-4-1- شناسایی مجرمان 5
1-4-2- خرده فروشی/ خودپردازها/ پایانه‌های فروش 5
-3-4-1 دسترسی به رایانه/ شبکه 5
-4-4-1 دسترسی فیزیکی/ زمانی و کنترل حضور و غیاب 6
-5-4-1 شناسایی شهروندان 6
-5-1 مزایاى فناورى هاى بیومتریک 6
1-6- انواع زیست سنجیها 6
1-6-1- انگشت نگاری 7
1-6-2- چهره نگاری 7
1-6-3- عنبیه نگاری 7
1-6-4- شبکیه نگاری 8
1-6-5- هندسه ی دست (دست نگاری) 9
1-6-6- تشخیص صوت (صوت نگاری) 9
1-6-7- امضانگاری 9
1-6-8- تایپ نگاری 10
1-7- مقایسه زیست سنجیها 10
-8-1 پارامترهای مهم در سیستم‌های زیست سنجی 12
1-8-1- مدل نرخ خطای تطبیق(FAR) 13
1-8-2- نرخ خطای عدم تطبیق(FRR) 13
1-8-3- ناتوانی در ثبت (FTE) 14
1-8-4- نرخ برابری خطا(EER ) 14
1-8-5- توانایی تشخیص (ATV ) 15
1-8-6- فاصله درون کلاسی و برون کلاسی 15
1-9- جمع بندی 16
فصل 2- عنبیه نگاری 17
2-1- مقدمه 18
2-2- عنبیه نگاری 18
2-2-1- ساختار فیزیولوژیک عنبیه 18
2-3- مراحل پیاده سازی سیستم تشخیص عنبیه 22
2-3-1- تصویر برداری از عنبیه 22
2-3-2- اطمینان از واقعی بودن عنبیه 23
2-3-3- مکان یابی مردمک و عنبیه 24
2-3-3-1- عملگر دیفرانسیل – انتگرالی داگمن 26
2-3-3-2- الگوریتم وایلدز 26
2-3-3-3- الگوریتم ما (Ma) 28
2-3-3-4- مکانیابی مرز Collarette 29
2-3-3-5- روش CFIS 31
2-3-3-6- روش پیشنهادی توسط Sri Hartati 34
2-3-3-7- آشکارسازی عنبیه با استفاده از عملگرهای مورفولوژی 34
2-3-3-8- آشکار ساز عنبیه Adaboost-cascade 39
2-3-3-9- روش پیشنهادی توسط A. Basit 44
2-3-4- تبدیل مختصات کارتزین به قطبی 45
2-3-5- استخراج و انطباق ویژگی ها 46
2-3-5-1- الگوریتم داگمن 47
2-3-5-2- الگوریتم ما (Ma) 50
2-3-5-3- الگوریتم وایلدز 52
2-3-5-4- الگوریتم Tan 52
2-3-5-5- روش Sri Hartati 54
2-3-5-6- روش Nicolaie Popescu-Bodorin 54
2-3-5-7- روش پیشنهادی توسط S.Hariprasath 56
2-3-5-8- روش پیشنهادی Tze Weng Ng 57
2-3-5-9- روش Farid Benhammadi 58
2-3-6- انطباق کدهای عنبیه و مقایسه آنها با یکدیگر 59
2-4- جمع بندی 59
فصل 3- منابع خطا 60
3-1- مقدمه 61
3-2- خطای تصویر برداری 61
فصل 4- مکانیابی عنبیه 65
4-1- مقدمه 66
4-2- روش پیشنهادی برای ناحیه بندی عنبیه 66
4-2-1- پیش پردازش 66
4-2-2- مکانیابی مرز درونی عنبیه 71
4-2-3- پس پردازش مشخصه های مرز داخلی عنبیه 71
4-2-4- مکانیابی مرز بیرونی عنبیه 73
4-2-5- پس پردازش شعاع بیرونی عنبیه 73
4-3- نتایج تست 74
4-4- جمع بندی 77
فصل 5- استخراج ویژگی 78
5-1- مقدمه 79
5-2- نرمالیزاسیون 79
5-3- پیش پردازش تصویر 80
5-4- استخراج ویژگی ها 81
5-4-1- تبدیل موجک 82
5-4-2- استخراج ویژگی به کمک تبدیل موجک 83
5-5- تطبیق 85
5-6- نتایج 87
فصل 6- بحث و نتیجه گیری 100
6-1- نتیجه گیری 101
6-2- ارائه پیشنهادات برای فعالیتهای آتی 101
مراجع 102
واژه نامه انگلیسی به فارسی 109

تشخیص هویت بر مبنای تحلیل تصاویر عنبیه

چکیده

سیستم‌های تشخصی هویت مبتنی بر ویژگی‌های بیومتریکی یکی از اصلی ترین راهکارهای کنترل دسترسی و حفاظت از منابع مهم در هر سیستم و سازمان می‌باشد. دربین ویژگی‌های بیولوژیکی مختلف استفاده از الگوی عنبیه افراد یکی از مناسب‌ترین و قابل اطمینان‌ترین خصیصه‌های بیولوژیکی می‌باشد. سیستم‌های تصدیق هویت مبتنی بر عنبیه شامل چندین مرحله مختلف از قبیل قطعه بندی، استخراج ویژگی‌ الگوهای عنبیه و تطابق الگوها می‌باشند. در سال‌های اخیر روش‌های مختلفی برای هرکدام از این مراحل ارائه شده است که هریک دارای نقاط قوت و ضعف مشخصی هستند. برخی از نقاط ضعف کارهای پیشین مانند تعداد محدود تصاویر و افراد مورد آزمایش است و با توجه به اینکه ویژگی‌های محلی موجود در بافت عنبیه باعث شده است که، عنبیه بعنوان یکی از اعضای منحصر بفرد در بدن انسان تبدیل شود اما در کارهای پیشین توجهی به الگوهای محلی موجود در بافت عنبیه نشده است، که در این پایان نامه همه‌ی نقاط ضعف کارهای پیشین برطرف شده است. بعد از عمل قطعه بندی و ساختن ماسک مناسب، توسط الگوهای محلی به استخراج ویژگی پرداخته‌ شده است و در نهایت توسط الگوریتم یادگیری NRML و الگوریتم نزدیکترین همسایه عمل تطابق انجام شده است. در این پایان نامه از پایگاه داده cassia-v4 از 272 نفر و از هر نفر 20 تصویر که ده تصویر آن مربوط به چشم چپ و ده تصویر دیگر آن مربوط به چشم راست می‌باشد، استفاده شده است. که برای 5440 تصویر دقت شناسایی 99.73% می‌باشد.

فصل اول 6
1-1 مقدمه 2
1-2: اهداف شناسايي افراد از طریق عنبیه 2
1-2-1: تصديق هويت 3
1-2-2: شناسايي هویت 3
1-3: اجزاي سیستم‌های تشخیص عنبیه 6
1-3-1: واحد ثبت 6
1-3-2: واحد تفکیک 6
1-3-3: واحد نرمال‌سازی 6
1-3-4: واحد کدگذاری 7
1-3-5: واحد تطبیق 7
فصل دوم 9
2-1: مقدمه 10
2-2: الگوریتم کنی 10
2-3: روش داگمن 11
2-4: تبدیل هاف 11
2-5: عملگر گرادیان 12
2-6: عملگر لاپلاسین 13
فصل سوم 15
3- 1: مقدمه 16
3-2: مروری بر کارهای پیشین 16
3-3: تحلیل دادهها و یافتههای پژوهش 45
3-4: نتیجه گیری و جمع بندی فصل 47
فصل چهارم 49
4-2 : پیش پردازش 54
4-3 :قطعه بندی تصویر 55
4-4 :روش پیشنهادی برای استخراج بردار ویژگی-روش LE 57
4-4-1: استخراج الگوی محلی برای هر پیکسل 57
4-4-2: استخراج الگوی هر پیکسل روی قسمت چپ و راست عنبیه به صورت جداگانه 58
4-4-3:کلاسبندی 58
4-4-4: تشکیل ویژگیهای LE هر تصویر 58
4-5: تطابق 59
4-5-1: استفاده از الگوریتم Nearest Neighbors 59
4-5-2: استفاده از متریک یادگیری NRML 60
4-6: خلاصهی بحث 60
فصل پنجم 62
5-2 :دادگان استفاده شده 63
5-3: معیار ارزیابی 63
5-4: بهینه سازی الگوریتم نزدیکترین همسایه 64
5-5: بهینه سازی الگوریتم NRML 65
5-6: مقایسه و ارزیابی روش پیشنهادی 68
5-7: شرح برتری روش ارائه شده 68
5-8: سرعت روش رائه شده به ازای میانگینی از زمان کل تصاویر تست شده 69
فصل ششم 71
6-1:جمع‎بندی و نتیجه‎گیری 72
6-1-1: شرح روش ارائه شده 72
6-2: پیشنهادات 73
مراجع 73

————————————————————————————————————————————–

برای دریافت فایل بر روی لینک زیر کلیک نمایید.

تومان49,000 تومان39,000افزودن به سبد خرید


————————————————————————————————————————————–