معرفی کامل عنبیه چشم

فصل 2:  عنبیه چشم.

2-1معرفی عنبیه چشم.

2-2بازشناسی هویت از طریق تصاویر عنبیه چشم.

2-2-1 سامانه تشخیص هویت عنبیه چگونه کار می کند.

2-3 مروری بر روش های موجود.

2-3-1  روش چن..

2-3-2  روش فت…

2-3-3 روش کانگ…

2-3-4 روش باسیت…

2-3-5 روش ادم.

2-3-6 روش میرزا

2-3 -7 روش آناپورانی..

2-3-8  تبدیل هاف..

2-3-9 مدل های کانتور فعال.

2-4 مروری بر دیگر روش های موجود.

2-4 -1 جداسازی عنبیه و پلکها از تصویر چشم.

2-4-2 جداسازی مرز داخلی و محاسبه شعاع ومرکز مردمک…

2-4-3 جداسازی مرز خارجی و محاسبه شعاع و  مرکز عنبیه چشم.

2-5 خلاصه ای از روش های موجود بکار گرفته شده

2-6 نتیجه گیری..

فصل 3: ناحیه بندی عنبیه چشم .

مقدمه

3-1  ناحیه بندی عنبیه چشم .

3-2 موجک…

3-2-1 انواع تبدیل موجک…………………………………………………………………………………..

3-2-1-1 تبدیل موجک پیوسته…………………………………………………………………………….

3-2-1-2 تبدیل موجک گسسته…………………………………………………………………………….

3-2-1-3 تبدیل موجک دو بعدی………………………………………………………………………….

3-3 کانتور های فعال……………………………………………………………………………………………

3-3-1 کانتور های فعال پارامتری…………………………………………………………………………..

3-3-2 کار انجام شده در پایان نامه………………………………………………………………………..

3-4 الگوریتم ژنتیک……………………………………………………………………………………………..

3-4-1 تاریخچه الگوریتم ژنتیک……………………………………………………………………………..

3-4-2 قانون انتخاب طبیعی…………………………………………………………………………………..

3-4-3 الگوریتم ژنتیک چگونه کار می کند؟……………………………………………………………

3-4-4 بعضی از اصطلاحات الگوریتم ژنتیک…………………………………………………………..

3-5  ناحیه بندی عنبیه چشم …………………………………………………………………………………………..

3-5-1  منطقه بندی عنبیه چشم ………………………………………………………………………………………

3-6  جداسازی مرزها بر اساس کانتورهای فعال…………………………………………………………..

3-6-1 مقدمه ای بر روش های جداسازی دایره…………………………………………………………..

3-6-2  جداسازی مرزها……………………………………………………………………………………….

3-7روش بکار گرفته شده در پایان نامه………………………………………………………………………

3-7-1روش اول…………………………………………………………………………………………………….

3-7-2 روش دوم…………………………………………………………………………………………………..

3-7-1-1 توضیحروش های بکار گرفته شده……………………………………………………………..

3-8 نتیجه گیری…………………………………………………………………………………………………..

منابع

عنبیه چشم

معرفی عنبیه چشم

عنبیه چشم به صورت یک دیافراگم[1]  باریک مدور بوده که بین قرنیه[2]  و عدسی چشم انسان قراردارد. تصویری از نمای جلوی عنبیه و بافت های چشم در شکل 2-1 آمده است وظیفه عنبیه کنترل مقدار نور ورودی به مردمک می باشد که به وسیله ماهیچه های منبسط ومنقبض شونده موجود در عنبیه که اندازه مردمک را تنظیم می کنند صورت می پذیرد. قطر متوسط عنبیه mm 12 بوده و اندازه مردمک می تواند از 10٪ تا 80٪ قطر عنبیه تغییر  کند.  عنبیه شامل لایه های مختلفی بوده که پایین ترین لایه آن اپیتلیوم[3] نام  دارد وشامل سلولهای متراکم رنگدانه ای[4] می باشد. لایه استورمال[5]که بالای لایه اپیتلیوم است

شامل رگ های خونی[6] سلول های رنگدانه ای و دو عضله ذکر شده عنبیه می باشد. غلظت رنگدانه های لایه استورمال مبین رنگ عنبیه است.ناحیه بیرونی مژگانی وناحیه درونی مرتبط با مردمک، توسط ناحیه دیگری بنام  کولاتره[7]که بصورت الگوهای زیگزاگ مانند است از هم جدا شده اند. چگونگی تشکیل بافت عنبیه به صورت تصادفی بوده و ربطی به عامل های ژنتیکی[8] ندارند تنها عامل موجود در عنبیه که به عوامل ژنتیک بستگی دارد سلول های رنگدانه ای می باشد که مبین رنگ عنبیه خواهند بود  با توجه به این که بافت عنبیه به عوامل ژنتیکی بستگی ندارد دو چشم یک نفر کاملا دارای بافت های مستقل از هم در عنبیه بوده و همچنین بافت چشم های دوقلوها باهم متفاوتند. تشخیص هویت مبتنی بر تصاویر عنبیه شامل تجزیه و تحلیل ویژگی هایی است که  در بافت رنگی چشم محصور بین مردمک و صلبیه قرار دارند.

بافت های پیچیده عنبیه چشم می توانند شامل ویژگی های مشخص و فراوانی از قبیل شیارها و برآمدگی ها،بافت های زیگزاگی، حلقه ها و لکه ها باشند . اسکن عنبیه از یک دوربین عکس برداری متوسط و معمولی استفاده می کند که نیازی به تماس نزدیک شخص و دوربین نیست. عنبیه از هر فرد به فرد دیگر منحصر بوده چرا که بافت های مختلف فراوانی وجود دارند که پیرامون مردمک قرار گرفته اند  بدین جهت گفته می شود که عنبیه چشم از اثر انگشت منحصر به فرد تر است . در دستگاه های ساخته شده تصویربرداری از فردی که عینک به چشم دارد یا از لنز استفاده می کند نیز به راحتی صورت گرفته و دستگاه به درستی قادر به تشخیص هویت می باشد.

باز شناسی هویت از طریق تصاویر عنبیه چشم

سامانه تشخیص هویت عنبیه چشم چگونه کار میکند؟

به دلیل ثابت بودن بافت های منحصر به فرد آن در طول زندگی خیلی مورد استفاده است. با روش های پردازش تصویر ویژگی های منحصر به فرد عنبیه از تصاویر دیجیتالی استخراج می شوند و این بافت ها را به یک کد تبدیل و در بانک اطلاعاتی ذخیره  می کند. این کدهای بیومتریک خروجی اعمال عملگرهای ریاضی بر روی عنبیه چشم بوده که اطلاعات موجود روی آن را استخراج کرده و به ما اجازه مقایسه بین دو کد را می دهد در این سامانه از شخص (چشم) تصویر برداری شده و سپس کد مربوطه برای عنبیه چشمش ایجاد می شود کد ایجاد شده با بقیه کدهای موجود در بانک اطلاعاتی مقایسه گشته تا این که کد منطبق شده با آن پیدا شود و فرد مورد نظر تشخیص هویت گردد یا اینکه کدی پیدا نمی شود و فرد تشخیص هویت نمی شود. بحث اصلی عنبیه توسط داگمن در دانشگاه کمبریج صورت گرفته  (10)سامانه داگمن به صورت حقوقی ثبت شده و دستگاه موجود در بازار تحت لیسانس شرکت ایریدین موجود می باشد. علاوه بر داگمن سامانه وایلدز نیز هست.

سامانه بولز و بواشاش، لیم و نوه سامانه داگمن تحت ‌آزمایش های گوناگون می تواند 100٪ تشخیص هویت را  از بین میلیونها نفر انجام داده سامانه وایلدز نیز بر روی 520 تصویر خطایی نداشته سامانه لیم  حدود 6000 عنبیه 4/98٪ را داشته در مقایسه با بقیه روش های بیومتریک مانند تصویر صورت، صحبت و اثرانگشت ، عنبیه قابل اطمینان تر از بقیه هست. [10]اگر کسی بخواهد دزدی کند حتما باید بافت زنده شخص مورد نظر را با خود داشته باشد سامانه اسکن عنبیه برای این منظور از تغییرات ونوسان اندازه مردمک در برابر نور استفاده می کند.

به منظور تصویر برداری با کیفیت خوب از بافت عنبیه چشم ، سامانه تصویربرداری باید حداقل در راستای شعاع عنبیه70 پیکسل نمونه برداری کند. امروزه در سامانه ها 100 تا 140 پیکسل نمونه برداری می شود.[22] فناوری تشخیص هویت از این طریق ،بافت هاومشخصات قابل دید موجود و مرئی را به یک کد 512 بایتی برای هر فرد به منظور تشخیص هویت ذخیره می شود تبدیل می کند. کاربر باید حداکثر 15 ثانیه به دوربین  تصویربرداری خیره شود و کار سختی است. اسکن مداوم از چشم ممکن است چاره ساز باشد که یک دستگاه تشخیص هویت خودکار با سرعت بالا و پیوسته داشته باشیم.

چون فناوری اسکن عنبیه چشم بر خلاف شبکیه برای چشم ضرر ندارد حتی اگر به طور مداوم استفاده شود تنها چیزی که باید مراقب بود استفاده از نور مناسب درمحیطی است که دستگاه نصب می شود نور نامناسب می تواند اثر نامطلوبی بر روی فرایند اسکن و نتیجه آنداشته باشد (مانند صورت) مشکلات پیش روی چه از طرف کاربر و چه محیط عبارتند از.[22]

1) وجود مژه که بر روی فرایند استخراج ویژگی مرتبط با عنبیه نیز تاثیر نامطلوب دارد.

2) شدت رنگ عنبیه ممکن است روی استخراج بافت های عنبیه مثلا خروجی فرایند جداسازی مرزها با مردمک ایجاد مشکل کند.

3) افراد بلند یا کوتاه که چشم شان دقیقا جلوی دوربین قرار نمی گیرد.

4) اگر فاصله زیاد باشد ممکن  است کیفیت تصویر بهم بخورد.

5 ) عینک یا عینک آفتابی امکان بروز خطا را در مرحله جداسازی مرزها ایجاد می کند.

مروری بر دیگر روشهای ناحیه بندی عنبیه چشم

جداسازي عنبیه چشم و پلکها از تصوير چشم:

هدف از اين بخش مشخص کردن مرزهاي عنبيه–مرز داخلي بين عنبيه ومردمک ومرزخارجي بين عنبيه وصلبيه- به همراه مراکز وشعاع هرکدام همچنين مشخص کردن مرز بين پلک هاوقسمت داخلي چشم مي باشد. عنبيه رامي توان به صورت دو دايره تودرتووغيرهم مرکزکه پلک هاومژه ها بالا وپايين آن رامسدودکرده اند، وپلک هارامي توان به صورت دوسهمي دربالاوپايين عنبيه درنظرگرفت[25]

جداسازي مرز داخلي ومحاسبه شعاع ومرکز مردمک چشم:

همانطور که درشکل دیده می شود ديده مي شود شدت نورمردمک ازبقيه نقاط چشم کمتراست)شکل 2-19)همچنين اختلاف شدت نور ناحيه مردمک با نواحي مجاورآن خيلي زياداست.  به همين دليل مي توان آن رابه کمک يک الگوريتم شناسايي لبه ي ساده مانندRoberts mask یا Sobel mask ازسايرقسمت هاي تصوير جدا کرد(شکل 2-20).

ماسک  sobelیک روش ضعيف براي پيدا کردن نقاط لبه است که فقط لبه هايي راکه درآن شدت نور تصويرجهش بزرگي داردراتشخيص مي دهدکه اين ويژگي ماسک،مناسب پيداکردن مرز داخلي مردمک است چون سايرمرزهاي موجود در تصوير چشم داراي تغييرات شدت نورکم هستند توسط اين ماسک تشخيص داده نمي شوند به جز در مورد برخي ازلبه هاي مربوط به مژه هاکه آنها را در مرحله ي بعد توسط تبديل هاف حذف مي کنیم. تصوير مرزبه دست آمده با استفاده از روش ارائه شده در شکل نشان دهنده کارايي اين روش است.شکل(2-21) .تنها مشکل اين روش دايره اي نبودن مرزمردمک است که ناشي ازتصويربرداري با زاويه غيرمستقيم است که دراين موارد قسمتي از اطلاعات از دست مي روند يا اغتشاشات ناخواسته اي به وجود مي آيند]26[

 جداسازي مرزخارجي ومحاسبه شعاع ومرکز عنبیه چشم:

مهمترين وپيچيده ترين قسمت مرحله قطعه بندي پيدا کردن مرز خارجي عنبیه چشم یا مرز بين عنبيه وصلبيه مي باشد، زيرا مرز کاملا مشخصي در اين ناحيه وجود ندارد ومرز موجود به صورت پخش شده است، درنتيجه هر روشي که بتواند مرزناحيه خارجي عنبيه راتشخيص دهد به طور قطع اين لبه ها نيز درآن ظاهرخواهند شد و چون تعداد اين نقاط لبه ي ناخواسته زياد است وهم داراي شکل هاي منظم ومشابه خود مرزخارجي عنبيه هستند. بنابراين در مرحله جداسازي مرز خارجي عنبيه بايد روشي ارائه شود که بتواند نقاط لبه ي ناخواسته راتشخيص داده و آنها راحذف کند. از آنجا يي که موفقيت مراحل بعد ي سامانه تشخيص هويت بستگي زيادي به اين مرحله دارد  لذا دربه دست آوردن نتايج اين مرحله بايد دقت زيادي شود.

(در فایل شکل وجود ندارد)

ادبیات و مبانی نظری مهندسی برق 

نمونه ای از منابع لاتین

• Ma, Y. Wang,  and  T.Tan,  “Iris recognition  using  circular  symmetric  filters,” in Processing Of  16^th International  Conference  on  pattern  Recognition, vol.2, pp.414-417, Quebec,Canada     August, 2002.
• Sung ,J. Lim , j. H. park , and Y. Lee, “Iris recognition using  collarette    boundary  localization,”  in  processing  of the 17^th  International  Conference  on pattern  recognition, Cambridge, Unite  Kingdon, 1051-4651,Augus 2004.
• Ma,   T.    Tan,  Y.  Wang,  and  D.  Zheng,   “Efficient  iris  recognition  by characterizing Key   local  variation,” in IEEE  Transaction  On Image  processing,vol.m13,no. 6,june 2004.
• Greco,  D.  Kallenborn,  and M. C, Nechyba, “Statistical pattern recognition of the  iris,” In  FCRAP,  17^th annual  Florida  Conference  on the recent  Advances  in Robotics,  Floirida,December.2004.
• W. Boles, “A security  system   based   on   human   iris  identification  using  wavelet transform ,”  in  Engineering  Application  of  Artifical   Intelligence,  Elsevier  journal,pp.77-85, 1998.
• Daugman, Biometric  decision landscape,” in Technology  Report  no,TR482, university of Cambridge Computer  laboratory,2000.
• M.   H.  Ali,  and   A.  E.  Hassanien,  “An iris  recognition  system  to  enhance  e-security environment  based  on  wavelet  theory,”  in  Advanced  Modeling  and  Optimization  journal, vol.5 no. 2,2003.
• Ma,   T.    Tan,  Y.  Wang,  and  D.  Zheng,   “Efficient  iris  recognition  by characterizing Key   local  variation,” in IEEE  Transaction  On Image  processing,vol.m 13,no. 6,june 2004.
• Chang&-Kou, 1993, 868–872, Texture Analysis and Classification with Tree-StructuredWaveletTransform, IEEE Transactions on Image Processing, Vol.2.
• M. H.  Ali,  and   A.  E.  Hassanien,  “An iris  recognition  system  to  enhance  e-security environment  based  on  wavelet  theory,”  in  Advanced  Modeling  and  Optimization  journal   vol.5 no. 2,2003.
• Huiqiang, 2008, 994 – 997, Defining Iris Boundary Detail Method for Iris Localization, IEEE International Symposium on Knowledge Acquisition and Modeling Workshop.
• Yan&-Xie, 2010, 678-681, Eyelid and Eyelash Detection Method Based on Morphology, International Conference on Computer and Automation Engineering.
• ….
• …