طبقه بندی جنسیت از تصاویر بافت عنبیه با استفاده از مجموعه جدید از ویژگی های تصویر آماری باینری
Publish place: 4th International Conference on Electrical Engineering, Computer Science and Information Technology
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 668
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECICONFE04_050
تاریخ نمایه سازی: 28 بهمن 1398
Abstract:
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.
Keywords:
Authors
مهران صادق جونقانی
دانشگاه شهید اشرفی اصفهانی
ناصر نعمت بخش
استادیار گروه کامپیوتر دانشگاه شهید اشرفی اصفهانی