روش تشخيص هويت با استفاده از تصاوير عنبيه بر اساس تبديل رژلت

A new method of identification by using of iris images based on Rozhlet conversion

امروزه روش هاي تشخيص هويت بر اساس ويژگي هاي بيومتريك از اهميت فراواني برخوردار شده‌اند. در اين ميان تشخيص هويت بر اساس بافت عنبيه به علت دقت بالا و امنيت بسيار مطلوبي كه توسط آن به دست مي‌آيد، از اهميت خاصي برخوردار است. سامانه ارايه شده شامل الگوريتم جداسازي عنبيه از تصاوير چشم مبتني بر دو روش استفاده شده از عملگرهاي شكل شناسي و آستانه يابي است كه مي توانند مرزهاي دروني و بيروني عنبيه را به همراه مراكز و شعاع هاي آن مشخص سازند. ناحيه استخراجي پس از نرماليزه شدن، به يك نوار مستطيلي با ابعاد ثابت نگاشت مي شود. در نهايت با استفاده از تبديل رژلت و استفاده از ضرايب مرحله سوم تبديل موجك يك بعدي، براي هر تصوير عنبيه، يك كد باينري توليد مي شود. با استفاده از يك طبقه بندي كننده شامل معيار فاصله هاي همينگ، كد به دست آمده از هر تصوير ورودي با كدهاي ذخيره شده در بانك اطلاعاتي مقايسه شده و با تعريف يك آستانه، تشخيص هويت صورت مي گيرد. نتايج به دست آمده با استفاده از چند نوع الگوريتم پيشنهادي در نهايت بر روي پايگاه تصاوير CASIA، درصد موفقيت حدود 596/97 درصد و ميانگين زمان 490 ميلي ثانيه را نتيجه داده است كه نشان دهنده دقت و سرعت بالاي الگوريتم پيشنهادي است.

Nowadays, the methods of identification based on biometric characteristics are important. The identi?cation based on iris texture due to the high accuracy and very good security, which are obtained, is especially important. The proposed system includes algorithm to separate the iris of the eye images based on two used methods from Configuration operators and terms of the threshold, that can be determined the internal and external boundaries of the iris with its center and radius. Extraction area, after being normalized, is mapped to a rectangular strip of fixed dimensions. Finally, using the Rozhlet conversion and coefficients of the third stage of one-dimensional wavelet, For each iris image, a binary code is produced. By using of a classfier consisting of Hmyng distances scale, resulted Code from each input image, compared with the stored codes in the database, and with defining a threshold, identification is done. Finally, the obtained results by using of several types of offering algorithm on the images site of CASIA, the success percent of about 97.965% and average time of 490 milliseconds are obtained that indicates the accuracy and high speed of offering algorithm.