طبقه بندی جنسیت از تصاویر بافت عنبیه با استفاده از مجموعه جدید از ویژگی های تصویر آماری باینری

با توجه به استفاده گسترده از الگوریتم هوشمند در زمینه شناسایی افراد، استفاده از روش طبقه بندی جنسیت می تواند نتایج بهتری ارائه کند. خصوصیات منحصر بودن، ثبات و پایداری و غیر قابل نفوذ، طبقه بندی جنسیت را بعنوان مکمل برای دستیابی به هویت اشخاص، بسیار قابل اعتماد، مناسب و جذاب می کند. نرخ پایین شناسایی و پیچیدگی های محاسباتی و زمانی بالا ما را بر این داشت تا با ارائه روش جدید و کارآمد این چالش ها را به حداقل برسانیم. تحقیقات گذشته نشان داده که با بخش بندی مناطق عنبیه به چهار ناحیه میتوان اطلاعات گسترده ای نسبت به کل عنبیه بدست آورد. در این مقاله ما به مرور الگوریتم BSIF و اطلاعات باینری شده تصاویر عنبیه برای طبقه بندی جنسیت خواهیم پرداخت. روش پیشنهادی مقاله استفاده از الگوریتم MBSIF که بهبود یافته BSIF می باشد به منظور بالا بردن نرخ شناسایی و استفاده از ماسک برای جداسازی چهار ناحیه از تصویر عنبیه که اطلاعات لازمه برای طبقه بندی را خواهندداد، به منظور بالا بردن سرعت و کاهش پیچیدگی محاسباتی می باشد. نتایج بدست آمده شامل 97/5% و 90/5% به ترتیب برای چشم چپ و راست گردیده.

طبقه بندی جنسیت از تصاویر بافت عنبیه با استفاده از مجموعه جدید از ویژگی های تصویر آماری باینری Keywords:

طبقه بندی جنسیت , عنبیه , ویژگی های آماری باینری , بافت تصاویر