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

نویسندگان

دانشگاه رازی کرمانشاه - دانشکده فنی و مهندسی - گروه مهندسی کامپیوتر

چکیده

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.

کلیدواژه‌ها


عنوان مقاله [English]

Use of Improved Particle Swarm Optimization for Identity Recognition Based on Iris

نویسندگان [English]

  • H. Heidari
  • A. Chalechale
Department of Computer Engineering, Faculty of Engineering, Razi University, Kermanshah, Iran
چکیده [English]

For many researchers, a process that automatically identifies people based on biometric behavior seriously been considered. Iris recognition has appeared as one of the most promising methodologies to provide reliable human identification.  The process of iris recognition is divided many major steps. Image enhancement using Retinex algorithm, locate internal and external borders of the iris, iris segmentation, normalization, feature extraction and matching. In this paper, a new method is proposed to feature extraction from the iris images that uses a sliding window and then the feature vectors are optimized using the improved particle swarm optimization. Experiments conducted on data collection CASIA, show that the proposed method, greatly reduced storage space requirements and performance by taking advantage of various criteria including false acceptance rate (FAR), false rejection rate (FRR), the algorithm detection rate of 98.93%, equal error rate and index decidable shown that this method can operate with better accuracy and fewer errors. Also, identity recognition accurate is increased compare to the other methods using the improved particle swarm optimization.

کلیدواژه‌ها [English]

  • feature extraction
  • Particle swarm optimization (PSO)
  • biometrics
  • iris recognition
  • recognition rate