رضا نصیری پور - دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران
حسن فرسی - دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران
سجاد محمدزاده - دانشکده فنی و مهندسی فردوس، دانشگاه بیرجند، بیرجند، ایران

سیستمهای تشخیص هویت مبتنی بر عنبیه نقش کلیدی در سیستمهای بیومتریک دارند بطوریکه کانون توجه محققین در این سالهای اخیر بوده است. روشی که در این مقاله ارایه شده است در اولین مرحله عنبیه را از تصویر حاوی چشم، جدا میسازد. در گام بعدی مرحله نرمالیزه سازی را انجام میدهد. این عمل برای یکسان کردن ابعاد تصویر عنبیه انجام میگیرد. در مرحله بعد، ویژگیهایی از تصویر نرمالیزه 1 شده استخراج میگردد. در این مقاله از توصیفگر SIFT استفاده شده است که در برابر دوران، تجانس و تغییر مقیاس از عملکرد خوبی برخوردار میباشد. طول بردار ویژگی توصیفگر SIFT ،128 میباشد. 2 مرحله آخر آموزش دادن الگوریتم میباشد. از شبکه عصبی چند لایه پیشخوربدین منظور استفاده شده است. مهمترین ویژگی این شبکه عصبی، طبقه بندی کردن دادههای غیر خطی میباشد. از 70 درصد تصاویر به عنوان داده آموزشی و از 30 درصد به عنوان داده آزمایش استفاده شده است. نتایج بدست آمده حاکی این نکته است که شبکه عصبی چند لایه پیشخور از دقت بالایی نسبت به دیگر شبکههای 3 عصبی از جمله LVQ برخوردار است.

عنبیه، شبکه عصبی، تشخیص هویت، SIFT