Do you want to publish a course? Click here

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

تصميم نموذج وزن و اختيار ودمج لسمات القزحية لتحسين أداء نظام التعرف على الأشخاص باستخدام صور القزحية

2486   2   20   0 ( 0 )
 Publication date 2015
and research's language is العربية
 Created by Shamra Editor




Ask ChatGPT about the research

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
  1. 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.

  2. ما هي قاعدة البيانات التي تم استخدامها لتطبيق الخوارزمية؟

    تم تطبيق الخوارزمية على قاعدة بيانات CASIA العالمية المؤلفة من صور تعود لـ 250 شخص.

  3. 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%.

  4. 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
rate research

Read More

This paper presents a new technique to extract the features of a common case of images of the iris called off-angle iris which taken for persons identification system. The main problem when using biological iris measurements to identify the persons is the difficulty of identifying and extracting features of the iris. This problem increasing when dealing with off-angle iris and it leading to decrease system accuracy and increase system rate error.
The research presents a design for an automated checking system for students. The system takes a picture of the student, then it extracts his/her basic facial features. The network was trained using the reverse spreading algorithm. If a training da tabase is generated for each student consisting of 15 training samples contained of the necessary facial expressions to identify the student for one time at the beginning of the semester, then the neural network will be trained on students database to obtain a trained neural network able to identify the students of each category depending on their physical appearance. That will result in knowing who attends and who does not attend the session. The system designed for this purpose was supplied with the trained network. The system provides the possibility of automated checking for students according to the content of the study giving the alarm in case of the existence of the picture of a student who does not belong to the same group.
The use of traditional methods to analyze massive amounts of data sets is not conducive to the discovery of new knowledge patterns supports the decision-making process So the purpose of this article is designed visual analysis system that supports analysis of data sets through the use of automated analysis, which includes many of the techniques such as assembly process (clustering) and Altnsnev (classification) and the correlation base (association Rule) And the process of visual data exploration techniques Manifesting, and then the comparison with other data sets manifestation techniques and evaluation of the proposed Manifesting system.
For decades, published Automatic Signature Verification (ASV) works depended on using one feature set. Some researchers selected this feature set based on their experience, and some others selected it using some feature selection algorithms that can select the best feature set (bfs). In practical systems, the documents containing the signatures could be noisy, and recognition of check writer in multi-signatory accounts is required. Due to the error caused by such requirements and data quality, improving the performance of ASV becomes a necessity. In this paper, a new technique for ASV decision making using Multi-Sets of Features is introduced. The experimental results have shown that the introduced technique gives important improvement in forgery detection and in the overall performance of the system.
comments
Fetching comments Fetching comments
Sign in to be able to follow your search criteria
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا