استفاده از الگوریتم بهبودیافته دسته ذرات به‌منظور تشخیص هویت افراد به‌کمک عنبیه

برای بسیاری از محققان، روندی که به‌طور خودکار افراد را براساس رفتارهای بیومتریک شناسایی می‌کند به‌شدت مورد توجه واقع گردیده است. بررسی هویت به‌کمک عنبیه از متداول‌ترین روش‌های بیومتریک به‌شمار می‌رود که در مقایسه با سایر مؤلفه‌های 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، نرمال‌سازی، استخراج ویژگی و کدگذاری عنبیه. در این مقاله، روش خودکار جدیدی برای استخراج ویژگی از تصاویر عنبیه ارائه 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 ذراتمسئله تعیین مقادیر بهینه بردارهای ویژگی بهینه‌سازی می‌گردد. آزمایش‌های انجام‌شده روی مجموعه داده CASIA، نشان می‌دهد که با روش پیشنهادی مقاله، فضای حافظه موردنیاز تا حد قابل توجهی کاهش یافته و با بهره‌گیری از معیارهای مختلف عملکرد ازجمله نرخ پذیرش نادرست، نرخ عدم‌پذیرش نادرست، نرخ تشخیص الگوریتم به میزان  98.93%، نرخ خطای مساوی و شاخص تصمیم‌پذیری نشان داده شده که این روش می‌تواند با دقت بهتر و خطای‌کم‌تری 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.