يقترح النظام تصميم نموذج وزن لسمات القزحية و انتقاء السمات الأفضل منها بغية دراسة تأثير عملية الوزن و الاختيار على أداء نظم التعرف. يقدم البحث خوارزمية جديدة في مجال وزن السمات و دمجها تعتمد على الفروق بين الأصناف و الفروق داخل الصنف الواحد و المنطق الضبابي، و يكون خرج هذه الخوارزمية عبارة عن أرقام تمثل أوزان السمات المختارة لمرحلة التصنيف. يتكون النظام المصمم من أربعة مراحل أساسية هي تجزيء القزحية و استخلاص سماتها و تطبيق نموذج الوزن و الاختيار و الدمج ثم التعرف. لاقتطاع منطقة القزحية يقترح النظام استخدام واصفات المنطقة من أجل تحديد نصف قطر القزحية و مركزها، و من ثم يتم تطبيق عملية الاقتطاع و إجراء نقل من الإحداثيات الديكارتية للإحداثيات القطبية عن طريق عملية التدوير و اقتطاع ما يعادل نصف القطر من بكسلات نافذة ثابتة اعتباراً من نقطة المركز و حتى المحيط. يتم استخلاص سمات القزحية باستخدام المعاملات العمودية لتحويل المويجات و يتم تدعيمها بالمعاملات الإحصائية لنواتج الاشتقاق من الدرجة الأولى و الثانية لمنطقة القزحية. و في مرحلة الوزن و الدمج يتم اختيار السمات الأفضل و وزنها و دمجها ليتم لاحقاً في مرحلة التصنيف الاستعانة بمصنف المسافة لإنجاز عملية التعرف. طبقت الخوارزمية على قاعدة بيانات CASIA العالمية المؤلفة من صور تعود لـ 250 شخص و تم التوصل لدقة 100% في مرحلة التجزيء، و معدل تعرف أعظمي98.7%. تظهر النتائج العملية أن خوارزمية التجزيء المصممة فعالة مع تغيرات الإضاءة و الدوران و التغطية الجزئية بالرموش و الأجفان،و أن خوارزمية وزن سمات القزحية و اختيارها و دمجها تحسن من أداء النظام.
The study suggests designing a weighting model for iris features and selection of the
best ones to show the effect of weighting and selection process on system performance.
The search introduces a new weighting and fusion algorithm depends on the inter and intra
class differences and the fuzzy logic. The output of the algorithm is the feature’s weight of
the selected features. The designed system consists of four stages which are iris
segmentation, feature extraction, feature weighting_selection_fusion model
implementation and recognition. System suggests using region descriptors for defining the
center and radius of iris region, then the iris is cropped and transformed into the polar
coordinates via rotation and selection of radius-size pixels of fixed window from center to
circumference. Feature extraction stage is done by wavelet vertical details and the
statistical metrics of 1st and 2nd derivative of normalized iris image. At weighting and
fusion step the best features are selected and fused for classification stage which is done by
distance classifier. The algorithm is applied on CASIA database which consists of iris
images related to 250 persons. It achieved 100% segmentation precision and 98.7%
recognition rate. The results show that segmentation algorithm is robust against
illumination and rotation variations and occlusion by eye lash and lid, and the
weighting_selection_fusion algorithm enhances the system performance.
Artificial intelligence review:
Research summary
يقترح البحث تصميم نموذج وزن لسمات القزحية وانتقاء السمات الأفضل منها لتحسين أداء نظم التعرف على الأشخاص باستخدام صور القزحية. يقدم البحث خوارزمية جديدة تعتمد على الفروق بين الأصناف والفروق داخل الصنف الواحد والمنطق الضبابي، حيث يتم وزن السمات المختارة ودمجها لمرحلة التصنيف. يتكون النظام المصمم من أربع مراحل أساسية: تجزيء القزحية، استخلاص السمات، تطبيق نموذج الوزن والاختيار، وأخيراً مرحلة التصنيف. تم تطبيق الخوارزمية على قاعدة بيانات CASIA العالمية المؤلفة من صور تعود لـ 250 شخص، وحققت دقة 100% في مرحلة التجزيء ومعدل تعرف أعظمي 98.7%. تظهر النتائج العملية أن خوارزمية التجزيء المصممة فعالة مع تغيرات الإضاءة والدوران والتغطية الجزئية بالرموش والأجفان، وأن خوارزمية وزن سمات القزحية واختيارها ودمجها تحسن من أداء النظام.
Critical review
دراسة نقدية: يعتبر البحث الحالي خطوة مهمة في مجال التعرف على الأشخاص باستخدام صور القزحية، حيث يقدم خوارزمية جديدة تعتمد على وزن السمات واختيارها ودمجها. ومع ذلك، يمكن توجيه بعض النقد البنّاء لتحسين الدراسة. أولاً، لم يتم التطرق بشكل كافٍ إلى تأثير الضوضاء في الصور ومدى تأثيرها على دقة النظام. ثانياً، كان من الممكن توسيع قاعدة البيانات المستخدمة لتشمل تنوعاً أكبر في الأعمار والأعراق لضمان تعميم النتائج. ثالثاً، لم يتم مقارنة الأداء مع تقنيات حديثة أخرى في نفس المجال، مما يجعل من الصعب تقييم مدى تفوق الخوارزمية المقترحة. وأخيراً، كان من الممكن تقديم تحليل أكثر تفصيلاً حول الزمن المستغرق في كل مرحلة من مراحل النظام لضمان فهم أفضل لأداء الخوارزمية في الوقت الحقيقي.
Questions related to the research
-
ما هي المراحل الأساسية التي يتكون منها النظام المصمم في البحث؟
يتكون النظام المصمم من أربع مراحل أساسية: تجزيء القزحية، استخلاص السمات، تطبيق نموذج الوزن والاختيار، وأخيراً مرحلة التصنيف.
-
ما هي قاعدة البيانات التي تم استخدامها لتطبيق الخوارزمية؟
تم تطبيق الخوارزمية على قاعدة بيانات CASIA العالمية المؤلفة من صور تعود لـ 250 شخص.
-
ما هي دقة النظام في مرحلة التجزيء ومعدل التعرف الأعظمي الذي تم تحقيقه؟
حققت الخوارزمية دقة 100% في مرحلة التجزيء ومعدل تعرف أعظمي 98.7%.
-
ما هي الفوائد التي تقدمها خوارزمية وزن السمات واختيارها ودمجها؟
تحسن خوارزمية وزن السمات واختيارها ودمجها من أداء النظام وتجعله أكثر فعالية مع تغيرات الإضاءة والدوران والتغطية الجزئية بالرموش والأجفان.
References used
AYRA P, LINSANGANN and CALUYOF, “Wavelet-based Feature Extraction Algorithm for an Iris Recognition System”, Journal of Information Processing Systems, Vol.7, No.3, September 2011,PP:425-434
AVIILA S, SANCHEZ R, MARTIN-ROCHE D, “Iris-based biometric using Dyadic Wavelet Transform”,IEEE AESS systems Magazine, October 2002, pp:3-6
BOLES W and BOASHASHB, “A human identification technique using images of the iris and wavelet transform”, IEEE Transactions on Signal Processing, Vol. 46, No. 4, 1998, pp. 1185-1188