مزایا

1. 1. عنبیه یک عضو داخلی است و به طور مناسبی در برابر آسیب دیدن محافظت میشود و نسبت به اثر انگشت در طول زمان دچار فرسودگی نمیشود.

1. 1. هندسه عنبیه تخت و مسطح است.

1. 1. اسکن عنبیه بسیار ساده است و می توان از فاصله ۱۰ سانتیمتری و بدون لمس کردن دستگاه این کار را انجام دهد.

1. 1. بسیاری از تشخیص های ژنتیکی مانند DNA به عنبیه وابسته است.

1. 1. 1. نتایج تطبیق مطلق اند و برای الگوهای عنبیه تطابق احتمالی وجود ندارد، چرا که هیچ دخالتی از جانب کاربر در تنظیم حد آستانه یا حساسیت سامانه صورت نمیگیرد.

   

1. 1. شناسایی عنبیه حتی زمانیکه بخش کوچکی از کل چشم قابل رویت باشد مقدور است زیرا هر الگوی عنبیه شامل اطّلاعاتی به مراتب بیشتر از مجموع اطّلاعات جمع آوری شده از اثر انگشت، چهره و دست خواهد بود.

معایب

1. 1. اسکن عنبیه نیاز به دستگاه ها و تجهیزات جدید تری نسبت به اثر انگشت دارد.

1. 1. تشخیص عنبیه در مسافت های بیشتر از یک متر بسیار دشوار است.

1. 1. بر خلاف سایر روش های بیومتریک نمیتواند با تصاویر با کیفیت خیلی پایین کار کند.

۲-۸. پردازش تصویر در سیستم بیومتریک عنبیه
یکی از چالش های اصلی در سیستم تشخیص عنبیه، ثبت با کیفیّت بالا عنبیه است با توجّه به اینکه کاربران انسانی نسبت به چشم هایشان بسیار حساس هستند، طراحی این بخش احتیاج به مهندسی دقیقی دارد. بنابراین چند نکته را باید مدنظر قرار داد، اوّل، ضروری است که تصاویر ثبت شده عنبیه دارای رزولوشن و وضوح کافی باشند، دوّم اینکه تصاویر باید کنتراست بالا داشته باشند، سوّم، فریم بندی تصاویر باید مناسب باشد یعنی عنبیه و مردمک باید در مرکز تصویر قرار بگیرند. برای تشخیص هویّت به کمک تصاویر عنبیه باید تصویر چشم برای پردازش به صورت دیجیتال تهیه شود. در این پایان نامه از تصاویر پایگاه داده UBIRIS.v1 استفاده شده است. سامانه های مبتنی بر روش های بیومتریک عنبیه در مقایسه با سایر روش ها از قابلیت بالاتری برخوردارند. به همین دلیل در اکثر آزمایشات از تصاویر با کیفیت بالا استفاده میشود. تفاوت در کارهای انجام شده در زمینه تشخیص هویّت براساس عنبیه، بیشتر به انتخاب های متفاوت روش ها در بخش های تشخیص عنبیه میباشد. بیشتر تفاوت های موجود در روش ها و کارهای انجام شده در بخش های تصویر (۲-۵) است:
استخراج
ویژگی
نرمال
سازی
جدا سازی
عنبیه
رسم توضیحی(۲-۵) بلوک دیاگرام تولید الگو
۲-۸-۱. دریافت تصویر
دریافت تصاویر یکی از مراحل اساسی در سیستم های تشخیص هویّت میباشد. تصاویر دریافتی فاکتور تعیین کنندهای در سیستم های تعیین هویّت هستند. در این صورت تصاویر دریافتی نیاز به پیش پردازش نخواهند داشت و باعث بالا رفتن دقّت سیستم خواهد شد.
۲-۸-۲. پردازش تصویر
در پردازش تصویر هدف پیدا کردن مرزهای عنبیه، یافتن مرز بین عنبیه و صلبیه و مرز بین عنبیه و مردمک، یافتن نواحی مسدود شده از عنبیه توسط پلک ها و مژه ها، عینک و مو میباشد. موفقیّت این مرحله بستگی به کیفیّت تصاویر بدست آمده از چشم افراد دارد.
۲-۸-۳. پیش پردازش
بعد از دریافت تصویر به عنوان ورودی به صورت ماتریس، باید عملیّاتی روی آن صورت گیرد تا این تصویر آماده استخراج ویژگی گردد.
۲-۸-۴. ناحیه بندی بافت عنبیه
یکی از مهمترین بخش ها در سیستم تشخیص هویّت میباشد و هر گونه خطا در این قسمت تقریباً غیر قابل جبران میباشد و خطای حاصل تا پایان کار از بخشی به بخش دیگر منتقل میشود. نتیجه این مرحله بدست آوردن شعاع عنبیه و مردمک و مرکز دایره های عنبیه و مردمک میباشد. ناحیه بندی مهمترین بخش سیستم تشخیص هویّت است که در صورت تشخیص غیر دقیق مرزهای عنبیه اطّلاعات نادرست وارد سیستم شده و درصد موفقیّت سیستم را پایین میآورد.
۲-۸-۴-۱. اهمیّت ناحیه بندی صحیح
قدم اوّل در فرایند تشخیص عنبیه، جداسازی و پیدا کردن محل عنبیه در تصاویر دیجیتالی است. ناحیه بندی تصاویر غیر واضح یکی از مشکل ترین عملیات ها در پردازش تصویر میباشد. دقّت ناحیه بندی میزان موفقیّت یا عدم موفقیّت روال های تحلیلی و محاسباتی را مشخص میکند. به همین دلیل نیاز به دقّت مضاعفی برای بهبود احتمال ناحیه بندی مناسب وجود دارد. در برخی از کاربردها نظیر کاربردهای مربوط به بازرسی های صنعتی، حداقل برخی از متغیّرهای محیطی قابل اندازه گیری هستند اما در بقیّه کاربردها مانند تشخیص از راه دور، کنترل کاربر بر روی تصاویر به انتخاب حسگرهای تصویری محدود میشود.
۲-۸-۴-۲. مروری کوتاه بر برخی از روش های ناحیه بندی
۲-۸-۴-۲-۱. تشخیص لبه با بهره گرفتن از تابع Edge
تشخیص لبه ها مهمترین و رایج ترین روش در راستای تشخیص ناپیوستگی های معنی دار Intensity میباشد. چنین ناپیوستگی هایی با بهره گرفتن از مشتقات مرتبه اوّل و دوّم قابل تشخیص میباشند. مشتقات مرتبه دوّم در پردازش تصویر عموماً با بهره گرفتن از روش لاپلاس محاسبه می شوند. لاپلاس به تنهایی در کاربردهای مرتبط به تشخیص لبه ها به ندرت دارای کاربرد است زیرا مشتقات مرتبه دوّم به صورت غیر قابل قبولی به نویز حساس میباشند و اندازه آن منجر به تولید لبه های دوتایی میشود.<br/ >۲-۸-۴-۲-۲. تشخیص لبه به روش Sobel
تشخیص لبه به روش Sobel را میتوان با بهره گرفتن از فیلترینگ تصویر پیاده سازی نمود. الگوهای استفاده شده در این روش لبه های افقی و عمودی را جداگانه آشکار میکنند. فیلتر متوسط گیر در این روش شبیه فیلتر گوسی است بخاطر همین این روش در برابر نویز سفید مقاوم تر است.
۲-۸-۴-۲-۳. تشخیص لبه به روش Canny
تشخیص دهنده ی Cannyقوی ترین روش تشخیص لبه به کمک تابع Edge میباشد این الگوریتم از ۳ قسمت اصلی تشکیل شده است:

1. 1. تضعیف نویز

1. 1. پیدا کردن نقاطی که میتوانند به عنوان لبه در نظر گرفته شوند.

1. 1. حذف نقاطی که احتمال نقطه ی لبه بودن آن ها کم است.

این روش برای پیدا کردن لبه ها در جاهایی که شدت سطح خاکستری سریعاً تغییر کرده است استفاده میشود. این روش دارای قدرت زیادی در آشکار سازی لبه است. تابع Canny براساس کانولوشن یک تابع گوسی و مشتقات آن با تصویر اصلی میباشد.
۲-۸-۴-۳. الگوریتم یافتن دایره تبدیل هاف(CHT)
یکی از معمول ترین مشکلات در زمینه بینایی و پردازش تصاویر در علوم کامپیوتر و الگوریتم نویسی پیدا کردن جهت و مکان اشیاء خاص در تصویر است. تبدیل هاف میتواند برای اشکال مختلف مورد استفاده قرار گیرد ولی بدین شکل که باید پیچیدگی های آن بالا رود که دلیل آن تعریف پارامترهای بیشتر برای اشکال پیچیده تر است. معمولاً زمان الگوریتم هم بالا میرود. تبدیل هاف میتواند بعنوان تغییر شکل یک نقطه (x,y)در فضا معرفی شود. فضای مورد نظر براساس شکل دلخواهی که ما به آن علاقمند هستیم، تعریف میشود. (رامهرمزی۱،۱۳۹۱) برای مثال یک خط مستقیم که از دو نقطه (x1,y1) و (x2,y2) می گذرد در فضای کارتزین به صورت معادله ی (۲-۱) تعریف می شود.
y=ax+b (2-1)
این معادله برای خط راست در سیستم کارتزین است بطوری که a,b پارامترهای خط را نشان میدهد، البته این معادله در هنگامی که a بی نهایت باشد یعنی برای خطوط عمودی کارایی ندارد. روش دیگر برای نشان دادن خط میتواند به صورت معادله (۲-۲) باشد که پارامترهای مختلف از حالت قبلی دارد.
(۲-۲)
که دارای پارامترهایρ و θ است که پارامتر اول طول خط و پارامتر دوم زاویه را نشان میدهد. در این سیستم مقدار زاویه وابسته به رزولوشن مورد استفاده محدود است.
مقدار طول خط که یکی دیگر از پارامترها است از طریق معادله زیر بدست می آید:
(۲-۳)
به همین منوال میتوان پارامترهای دایره را نیز تعریف نمود. برای دایره سه پارامتر میتوان در نظر گرفت که تحت عنوان a,b,r معرفی میشوند. دو مقدار a,b بیانگر مرکز دایره و x,y جهت نقاط را در زوایای مختلف نشان میدهند. r هم شعاع دایره است، پس دایره به صورت پارامتری به صورت معادله ی(۲-۴) و (۲-۵) تعریف می شود.