استفاده از الگوریتم بهبودیافته دسته ذرات به منظور تشخیص هویت افرادبه کمک عنبیه

برای بسیاری از محققان، روندی که به طور خودکار افراد را براساس رفتارهای بیومتریک شناسایی میکند به شدت مورد توجه واقع گردیده است. بررسی هویت به کمک عنبیه از متداولترین روشهای بیومتریک بهشمار میرود که در مقایسه با سایر مولفه های بیومتریکی، باعث متمایز شدن آن در کاربردهای امنیتی شده است. الگوریتم پیشنهادی از 6 مرحله اصلی تشکیل شده است: ارتقاء تصویر با الگوریتم Retinex ، مکانیابی مرزهای داخلی و خارجی عنبیه، بخشبندی عنبیه، نرمال سازی، استخراج ویژگی و کدگذاری عنبیه. در این مقاله، روش خودکار جدیدی برای استخراج ویژگی از تصاویر عنبیه ارایه شده که در این الگوریتم از روش پنجره متحرک برای تولید بردار ویژگی استفاده شده است و سپس با استفاده از الگوریتم بهبود یافته دسته ذرات (Improved Particle Swarm Optimization) مسیله تعیین مقادیر بهینه بردارهای ویژگی بهینه سازی میگردد. آزمایشهای انجام شده روی مجموعه داده CASIA ، نشان میدهد که با روش پیشنهادی مقاله، فضای حافظه موردنیاز تا حد قابل توجهی کاهش یافته و با بهره گیری از معیارهای مختلف عملکرد ازجمله نرخ پذیرش نادرست (FAR) ، نرخ عدم پذیرش نادرست (FRR) ، نرخ تشخیص الگوریتم به میزان98/93% نرخ خطای مساوی و شاخص تصمیم پذیری نشان داده شده که این روش میتواند با دقت بهتر و خطای کمتری عمل نماید. بهعلاوه، با استفاده از الگوریتم تکاملی پیشنهادی و با وزندار کردن ویژگیهای تصویر دقت تشخیص هویت افراد نسبت به روشهای پیشین افزایش یافته است.

Keywords:

استخراج ویژگی , بهینه سازی دسته ذرات (PSO) , بیومتریک ها , تشخیص عنبیه , نرخ تشخیص