Сочинение на тему Дизайн и разработка нового

АВТОРЕФЕРАТ

Биометрические идентификаторы – это черта, измеримые признаки, используемые для маркировки и описания людей. Физические характеристики связаны с формой тела. Некоторыми распространенными примерами биометрического распознавания являются распознавание лиц, отпечатки пальцев, ДНК, отпечатки ладоней, радужная оболочка и сетчатка. Мы предлагаем новый алгоритм обнаружения и измерения статистических характеристик радужной оболочки и определения точек бифуркации кровеносных сосудов сетчатки для идентификации человека с использованием методов цифровой обработки изображений. Алгоритм Iris протестирован на базе данных CASIA и локальной базе данных, собранных в исследовательской лаборатории KVKR (Департамент CS и IT, Dr. B.A.M.U, Aurangabad), всего 100 изображений радужной оболочки. Для локализации и извлечения внутренней радужки мы используем методы цифровой обработки изображений. После извлечения внутренней радужки мы рассчитали статистические характеристики, такие как площадь, диаметр, длина, толщина и среднее значение. Для анализа производительности используется кривая рабочих характеристик приемника. Предложенный алгоритм достигает чувствительности 94,92% и специфичности 100%. После выделения признаков радужной оболочки точки бифуркации сосудов сетчатки извлекаются. База данных изображений сетчатки собрана доктором Маноджем Сасвадом (офтальмолог, Saswade Netra Rugnalaya, Aurangabad (MH)), всего 500 баз данных изображений сетчатки. После сбора базы данных примените методы цифровой обработки изображений, такие как улучшение изображения и метод Оцу. Для анализа результатов используется кривая рабочих характеристик приемника (ROC), этот алгоритм достигает истинного положительного коэффициента 98%, ложного положительного коэффициента 20% и показателя точности 0,9702.

Общие условия

Идентификация личности на основе статистических методов сетчатки и радужной оболочки.

Введение

Распознавание ириса стало важной разрешающей технологией в нашем обществе. В то время как шаблон радужной оболочки, естественно, является высшим идентификатором, разработка высокопроизводительного алгоритма распознавания радужной оболочки и передача его из исследовательской лаборатории в практические применения все еще является сложной задачей. Радужная оболочка – это физическая биометрическая характеристика. Он содержит характерную текстуру и сложен для использования в качестве биометрической подписи. Связанные с другими биометрическими характеристиками, такими как отпечатки пальцев, лицо, радужная оболочка, являются более стабильными и последовательными. Это неподражаемо для людей и стабильно с возрастом. Кроме того, системы распознавания радужной оболочки могут быть неинвазивными. Для локализации внутренней радужки мы собрали 40 изображений радужной оболочки из набора данных изображений CASIA [1]. И база данных ирисов KVKR содержит 1000 изображений ирисов. Эта база данных собрана на факультете компьютерных наук и информационных технологий, доктор Бабасахеб Амбедкар, Университет Маратвада, Аурангабад.

Сегодняшняя электронная безопасность остро нуждается в поиске точных, безопасных и экономически эффективных замен паролям и личным идентификационным номерам, поскольку финансовые убытки в течение года сильно увеличиваются

в течение года из-за компьютерного мошенничества, такого как компьютерный взлом и кража личных данных [2]. Биометрические решения сообщают об этих фундаментальных проблемах, потому что биометрические данные пользователя являются отличительными и не могут быть перемещены. Биометрия, в которой упоминается идентификация человека по его или ее физиологическому или поведенческому внешнему виду, обладает способностью различать приписанного пользователя и самозванца. Преимущество использования биометрической аутентификации состоит в том, что она не может быть потеряна или истекла, поскольку человек должен физически присутствовать во время процесса идентификации [3]. Биометрия является более надежной и совершенной, чем традиционные методы на основе информации и токенов. Обычно используемые биометрические характеристики включают отпечатки пальцев, речь, радужную оболочку, лицо, голос, геометрию руки, идентификацию сетчатки и идентификацию запаха тела [4].

МЕТОДИКА

Предложенный алгоритм предназначен для локализации внутренней радужки, как показано на рисунке 2. Во-первых, в этом алгоритме предварительная обработка выполняется путем обновления изображения до серого. Затем примените выравнивание гистограммы для улучшения изображения. После улучшения изображения выполняется операция дополнения изображения для выделения радужной оболочки. Впоследствии настройка изображения выполняется с помощью метода растяжения контраста. После применения функции растяжения контраста добавляется некоторый шум, чтобы удалить фильтр медианы шума. После удаления порога шума соли и перца выполняется операция по извлечению внутренней радужной оболочки. На фигуре 3 получено изображение глазного дна с высоким разрешением, затем выполняется операция предварительной обработки изображения глазного дна. Затем выполняют операцию обработки изображения для улучшения кровеносных сосудов. После укрепления кровеносных сосудов выполняют пороговую функцию для извлечения сосудов сетчатки. Затем выполняют морфологическую скелетонизацию для расчета центральной линии кровеносных сосудов. Затем выполняют метод мелочей для маркировки точек бифуркации. Для выполнения этой методики база данных взята у доктора Маноджа Сасваде и доктора Нехи Дешпанде, в этой базе данных имеется 300 сотен изображений глазного дна высокого разрешения, мы рассчитали точки бифуркации для всех 300 сотен изображений и сохраним их в одном наборе данных, и когда появится новое изображение, оно будет сопоставьте его точки бифуркации с этим набором данных, и он даст результат как совпадающий или не совпадающий.

Ниже приведены математические формулировки, используемые для извлечения и локализации внутренней радужки.

Функция выравнивания гистограммы для улучшения серого изображения:

h (v) = round (cdf (v) −cdfmin (M × N) – cdfmin × (L − 1)) (1)

Здесь cdfmin – минимальное значение кумулятивной функции распределения, M × N – количество пикселей изображения, а L – количество уровней серого. Для удаления соленого и перцового шума используется медианный фильтр.

y [m, n] = медиана {x [i, j], (i, j) ∈ ω} (2)

Здесь ω представляет окрестность с центром вокруг местоположения (m, n) на изображении.

Пороговая функция для извлечения кровеносных сосудов сетчатки. ???? = 12 (???? 1 + ???? 2) (3)

Здесь m1 & m2 – значения интенсивности.

РЕЗУЛЬТАТ

Используя методы цифровой обработки изображений, мы извлекли внутреннюю диафрагму, как показано на рисунке 2, на которой показана локализация внутренней диафрагмы. После извлечения внутренней радужки мы рассчитали статистические характеристики, такие как площадь, диаметр, длина, толщина и среднее значение.

Исходное изображение

Извлеченная внутренняя радужка