تشخیص هویت از روی تصاویر عنبیه چشم با استفاده از الگوریتم sift

در این پروژه، الگوریتمی را برای بررسی عنبیه چشم انسان معرفی می کنیم. الگوریتم های تشخیص عنبیه در فاصله ها ی طولانی به دلیل کاربرپسندانه بودن و ایجاد یک روش اقتصادی برای شناسایی، گسترش یافته اند. الگوریتم ما، روی تشخیص مردمک متمرکز شده است؛ و با استفاده از محدوده های تخمین زده شده، مناطق دیگر را برای جستجوی فضای کارآمد حذف می کنیم. در این آزمایش 3 تصویر از هر شرکت کننده برای ثبت نام سیستم و 16 تصویر دیگر به عنوان مجموعه ای از داده ها برای تشخیص عنبیه استفاده شده است. در برخی موارد هنگامی که فرم کامل مردمک در دسترس نیست، عملکرد سیستم کاهش پیدا می کند. صحت تشخیص معمولاً توسط دو اندازه گیری، آهنگ تایید vr (verification rate) و آهنگ پذیرش نادرست far ( false acceptance rate) تعریف می شود. تصمیم نهایی روی تشخیص عنبیه توسط تبدیل هاف انجام شده است. بعد از تشخیص ناحیه عنبیه به تبدیل ناحیه دایروی به برخی از قسمت هایی که می تواند به آسانی تحلیل شود، نیاز داریم. برای این کار از تبدیل مختصات کارتزین به قطبی استفاده شده است .بعد از این بهنجارسازی یک ماتریس 10*40 بعدی خواهیم داشت که منطقه عنبیه صافی نشده را نشان می دهد. در این مرحله ماتریس، نوفه های مختلفی دارد که در مرحله پالایش حذف خواهند شد. ما از یک روش گاوسی برای ایجاد ماسک پالایشی که نقش مهمی در فرآیند تطابق دارد، استفاده می کنیم. برای استخراج ویژگی های موثر منطقه عنبیه و تطابق، از الگوریتم sift (تبدیل ویژگی مقیاس ثابت ) استفاده می کنیم. نتایج روی، {casia-v4- at distance}نرخ تایید %93 را نشان می دهند.