تشخیص تصاویر عنبیه غیرایده آل براساس الگوریتم های فراابتکاری
چکیده
تکنولوژی بیومتریک، براساس مشخصه های منحصر به فرد هر شخص اقدام به تشخیص خودکار هویّت افراد میکند. محققّین به شکل گسترده ای با تنوعی از روش های به کار گرفته شده توانسته اند بافت عنبیه را با دقّت بالایی حتّی در شرایط مختلف استخراج نمایند. در نتیجه تلاش ما در این پایان نامه ارائه دیدگاه ها و روش هایی بوده که کارایی و دقّت سیستم تشخیص هویّت را بهبود بخشد. در رویکرد اوّل برای ناحیه بندی بهینه عنبیه نیاز به تعیین موقعیّت دقیق مرکز و شعاع دو دایره برای جداسازی پیکسل های عنبیه از سایر نقاط تصویر بود، بنابراین برای ناحیه بندی بهینه عنبیه با استفاده از الگوریتم کلونی مورچه، 4 پارامتر بهینه سازی تعریف شد که این راهکار در نهایت منجر به تولید یک راه حل جدید برای تشخیص عنبیه گردید. در رویکرد دوّم، استخراج ویژگی های بافت عنبیه با استفاده از ویولت دوبعدی و انتخاب ویژگی بر اساس الگوریتم کلونی زنبورهای مصنوعی انجام گردید که راهکار های ارائه شده برای بهبود تعداد ویژگی ها با کاهش چشمگیر ویژگی ها همراه بود و در رویکرد سوّم به بررسی تأثیر نوع کرنل های متفاوت در دقّت طبقه بندی با شبکه عصبی SVM پرداخته شد. که در نهایت روش های پیشنهاد شده در قیاس با روش های پیاده سازی شده دیگر عملکرد بهتری ارائه نمودند. نتایج بدست آمده بر روی تصاویر از پایگاه داده ی UBIRIS.v1 که شامل 1877 عکس از 241 نفر با فرمت JPEG میباشد.