Design a Weighting and Fusion Model of Iris Features To Improve Performance Of Iris Recognition Systems

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.