فهرست مطالب
چکیده……………………………………………………………………………………………………………………………. |
1 |
فصل اول: کلیات تحقیق…………………………………………………………………………………………………. |
2 |
1-1- مقدمه……………………………………………………………………………………………………………… |
3 |
1-2- هدف………………………………………………………………………………………………………………. |
4 |
1-3- ساختار پایان نامه……………………………………………………………………………………………….. |
4 |
فصل دوم: بیومتریک……………………………………………………………………………………………………….. |
5 |
2-1- مقدمه………………………………………………………………………………………………………………. |
6 |
2-2- تعریف بیومتریک و ویژگیهای آن………………………………………………………………………. |
6 |
2-3- سیستمهای بیومتریک…………………………………………………………………………………………. |
7 |
2-4- تاریخچه بیومتریک…………………………………………………………………………………………….. |
8 |
2-5- انواع بیومتریک…………………………………………………………………………………………………. |
12 |
2-5-1- بیومتریکهای فیزیکی……………………………………………………………………………….. |
13 |
2-5-2- بیومتریکهای رفتاری………………………………………………………………………………… |
14 |
2-6- مقایسه بیومتریکهای مختلف……………………………………………………………………………… |
16 |
2-7- کارایی سیستم بیومتریک…………………………………………………………………………………….. |
17 |
2-8- خطا در سیستمهای بیومتریک……………………………………………………………………………… |
18 |
2-9- کاربردهای بیومتریک………………………………………………………………………………………….. |
19 |
2-9-1- شناسایی مجرمان………………………………………………………………………………………. |
19 |
2-9-2- خودپردازها و پایانههای فروش…………………………………………………………………… |
19 |
2-9-3- دسترسی به رایانه و شبکه………………………………………………………………………….. |
20 |
2-9-4- کنترل دسترسی و حضور غیاب…………………………………………………………………… |
20 |
2-9-5- شناسایی شهروندان……………………………………………………………………………………. |
20 |
2-10- خلاصه فصل…………………………………………………………………………………………………… |
20 |
فصل سوم: اصول پردازش تصویر……………………………………………………………………………………. |
21 |
3-1- مقدمه………………………………………………………………………………………………………………. |
22 |
3-2- تعریف تصویر…………………………………………………………………………………………………… |
22 |
3-3- پیکسل……………………………………………………………………………………………………………… |
22 |
3-4- پردازش تصویر………………………………………………………………………………………………….. |
23 |
3-5- کاربردها…………………………………………………………………………………………………………… |
26 |
3-5-1- پزشکی……………………………………………………………………………………………………. |
26 |
3-5-2- کشاورزی………………………………………………………………………………………………… |
27 |
3-5-3- صنعت…………………………………………………………………………………………………….. |
27 |
3-5-4- علوم نظامی و امنیتی…………………………………………………………………………………. |
27 |
3-6- جنبههای مختلف پردازش تصویر………………………………………………………………………… |
27 |
3-6-1- بهبود تصویر…………………………………………………………………………………………….. |
27 |
3-6-2- بازیابی تصاویر…………………………………………………………………………………………. |
28 |
3-6-3- قطعه بندی تصاویر……………………………………………………………………………………. |
28 |
3-7- انواع تصاویر دیجیتال…………………………………………………………………………………………. |
28 |
3-8- فرمتهای تصاویر……………………………………………………………………………………………… |
31 |
3-8-1- فشرده سازی تصاویر…………………………………………………………………………………. |
32 |
3-9- فضاهای رنگی…………………………………………………………………………………………………… |
32 |
3-9-1- فضای رنگی RGB……………………………………………………………………………………. |
33 |
3-9-2- فضای رنگی ادراکی………………………………………………………………………………….. |
34 |
3-10- اصول استفاده ازمتلب ……………………………………………………………………………………… |
35 |
3-10-1- متغیرها و فضاهای کاری………………………………………………………………………….. |
37 |
3-10-2- ماتریسها………………………………………………………………………………………………. |
37 |
3-10-3- کلاسهای داده……………………………………………………………………………………….. |
38 |
3-11- خلاصه فصل………………………………………………………………………………………………….. |
38 |
فصل چهارم: مروری بر کارهای پیشین…………………………………………………………………………….. |
40 |
4-1- مقدمه………………………………………………………………………………………………………………. |
41 |
4-2- روشهای قطعه بندی…………………………………………………………………………………………. |
41 |
4-3- تشخیص با استفاده از تمام گوش…………………………………………………………………………. |
42 |
4-3-1- روشهای هندسی…………………………………………………………………………………….. |
43 |
4-3-2- روشهای آماری……………………………………………………………………………………….. |
48 |
4-3-3- روشهای مبتنی بر هوش مصنوعی……………………………………………………………… |
51 |
4-3-4- روشهای مبتنی بر تبدیل تصویر………………………………………………………………… |
52 |
4-4- تشخیص با استفاده از قسمتهایی از گوش…………………………………………………………… |
54 |
4-5- خلاصه فصل…………………………………………………………………………………………………….. |
56 |
فصل پنجم: روش پیشنهادی……………………………………………………………………………………………. |
57 |
5-1- مقدمه………………………………………………………………………………………………………………. |
58 |
5-2- نرم افزار مورد استفاده برای پیادهسازی…………………………………………………………………. |
59 |
5-3- تصاویر مورد استفاده………………………………………………………………………………………….. |
59 |
5-4- پیش پردازش…………………………………………………………………………………………………….. |
60 |
5-5- تشخیص لبه……………………………………………………………………………………………………… |
61 |
5-5-1- آشکارساز لبه Canny………………………………………………………………………………… |
61 |
5-6- قطعهبندی………………………………………………………………………………………………………… |
62 |
5-7- تشخیص لبههای داخلی……………………………………………………………………………………… |
64 |
5-8- استخراج ویژگی………………………………………………………………………………………………… |
65 |
5-9- دستهبندی…………………………………………………………………………………………………………. |
69 |
5-10- تغییرناپذیری در برابر چرخش و تغییر مقیاس…………………………………………………….. |
70 |
5-11- خلاصه فصل………………………………………………………………………………………………….. |
70 |
فصل ششم: نتایج……………………………………………………………………………………………………………. |
71 |
6-1- تعدادخطوط نرمال……………………………………………………………………………………………… |
72 |
6-2- نتایج آزمایش…………………………………………………………………………………………………….. |
73 |
فصل هفتم: نتیجه گیری و پیشنهادات آینده………………………………………………………………………. |
75 |
7-1- نتیجهگیری………………………………………………………………………………………………………. |
76 |
7-2- پیشنهادات آینده………………………………………………………………………………………………… |
76 |
مراجع…………………………………………………………………………………………………………………………….. |
77 |
فهرست شکلها
شکل 2-1- ساختار کلی یک سیستم بیومتریک……………………………………………………………………. |
9 |
شکل 2-2- سیستم برتیلون……………………………………………………………………………………………….. |
10 |
شکل 2-3- انواع بیومتریک………………………………………………………………………………………………. |
13 |
شکل 2-4- نمونهای از منحنی کارایی یک سیستم بیومتریک………………………………………………… |
17 |
شکل 2-5- منحنی ROC………………………………………………………………………………………………… |
18 |
شکل 3-1- (الف) تصویر اصلی (ب) تیز شدن تصویر…………………………………………………………. |
23 |
شکل 3-2- (الف) تصویر اصلی (ب) تصویر پش از حذف نویز……………………………………………. |
24 |
شکل 3-3- (الف) تصویر اصلی (ب) تصویر پس از حذف قسمتهایی که واضح نیستند…………. |
25 |
شکل 3-4- (الف) تصویر اصلی (ب) لبههای تصویر…………………………………………………………… |
25 |
شکل 3-5- (الف) تصویر اصلی (ب) تصویر پس از حذف جزئیات……………………………………… |
26 |
شکل 3-6- یک تصویر باینری…………………………………………………………………………………………. |
29 |
شکل 3-7- یک تصویر مقیاس خاکستری…………………………………………………………………………… |
29 |
شکل 3-8- یک تصویر RGB ………………………………………………………………………………………….. |
30 |
شکل 3-9- یک تصویر شاخص دار………………………………………………………………………………….. |
31 |
شکل 3-10- مکعب رنگی RGB که رنگهای اصلی و فرعی در رأسهای آن هستند. نقاط روی قطر اصلی دارای مقادیر خاکستری هستند که در مبدأ سیاه ودر (1,1,1) سفید میشوند…………….. |
33 |
شکل 3-11- فضای رنگی HSV……………………………………………………………………………………….. |
35 |
شکل 3-12- پنجره دستور متلب……………………………………………………………………………………….. |
37 |
شکل 4-1- آناتومی گوش………………………………………………………………………………………………… |
41 |
شکل 4-2- اندازههای استفاده شده در سیستم یانارلی…………………………………………………………… |
43 |
شکل 4-3- تصویر نمادین الگوریتم CCM با سه شعاع مختلف…………………………………………….. |
44 |
شکل 4-4- تصویر نمادین روش CTM……………………………………………………………………………… |
45 |
شکل 4-5- (الف) تصویر گوش (ب) روش نسبت مثلث مربوط به تصویر گوش…………………… |
45 |
شکل 4-6- نمایش روش ABM برای یک کانتور گوش با دو شعاع و مرکز P0……………………… |
46 |
شکل 4-7- Max-line وخط نرمال……………………………………………………………………………………. |
47 |
شکل 4-8- زاویه iθ بین Max-line و خط cp1…………………………………………………………………… |
47 |
شکل 4-9- (الف) نقاط تشکیل دهنده دومین بردار ویژگی (ب) یکی از زاویههای تشکیل شده… |
48 |
شکل 5-1- مراحل اصلی روش پیشنهادی………………………………………………………………………….. |
58 |
شکل 5-2- نمونهای از مجموعه تصاویر USTB…………………………………………………………………. |
59 |
شکل 5-3- نمونهای از تصاویر افزوده شده به مجموعه………………………………………………………… |
60 |
شکل 5-4- موقعیت منابع روشنایی در تهیه تصاویر……………………………………………………………… |
60 |
شکل 5-5- یک تصویر پس از بهینه سازی…………………………………………………………………………. |
61 |
شکل 5-6- (الف، ب، ج، د) تصویر اصلی گوش. (هـ ، و، ز، ح) تصویر بعد از بهکارگیری آشکارساز Canny با انحراف معیار مشخص شده. (ط، ی، ک، ل) طولانیترین مسیر پیدا شده به عنوان خارجی ترین لبه…………………………………………………………………………………………………….. |
63 |
شکل 5-7- (الف) پایینترین و سمت راست ترین نقطه در طولانیترین منحنی (ب) اتصال نقاط مشخص شده (ج) تشکیل محیط بسته (د) جداسازی ناحیه مورد نظر از تصویر اصلی……………… |
64 |
شکل 5-8- تصویر قطعه بندی شده گوش و لبههای شناسایی شده مربوط به آن……………………… |
65 |
شکل 5-9- (الف) لبههای تشخیص داده شده قبل از حذف لبههای نویزی (ب) لبههای تشخیص داده شده بعد از حذف لبههای نویزی………………………………………………………………………………… |
65 |
شکل 5-10- نمایش Max-line و خطوط نرمال…………………………………………………………….. |
66 |
شکل 5-11- زاویه 1θ …………………………………………………………………………………………………….. |
67 |
شکل 5-12- پاره خطهای تشکیل دهنده ماتریس ویژگی……………………………………………………… |
68 |
شکل 5-13- پاره خطهای حاصل از برخورد دومین خط نرمال و لبهها که در ماتریس ویژگی استفاده میشوند………………………………………………………………………………………………………………. |
68 |
شکل 6-1- چگونگی تغییر میزان EER (دقت) با تغییر مقدار n…………………………………………….. |
72 |
شکل 6-2- تغییرات زمانی بر حسب تغییرات n………………………………………………………………….. |
72 |
شکل 6-3- نمایش FAR و FRRدر مقادیر آستانه مختلف و نقطه تقاطع آنها که EER را نشان میدهد…………………………………………………………………………………………………………………………… |
73 |
شکل 6-4- منحنی ROC ترسیم شده با استفاده از نتایج آزمایش…………………………………………… |
74 |
شکل 6-5- مقایسه نرخ تشخیص روشهای هندسی و روش ارائه شده…………………………………. |
74 |
فهرست جدولها
جدول 2-1- خلاصه تاریخچه بیومتریک………………………………………………………………………….. |
11 |
ادامه جدول 2-1- خلاصه تاریخچه بیومتریک…………………………………………………………………… |
12 |
جدول 2-2- مقایسه بیومتریکهای مختلف………………………………………………………………………. |
16 |
جدول 3-1-فرمتهای تصویری متداول و ویژگیهای آنها………………………………………………… |
31 |
جدول 3-2- دستورات پایه درمتلب…………………………………………………………………………………. |
36 |
جدول 3-3- کلاسهای داده…………………………………………………………………………………………… |
38 |
جدول 4-1- روشهای تشخیص هندسی…………………………………………………………………………. |
44 |
جدول 4-2- روشهای تشخیص آماری……………………………………………………………………………. |
49 |
جدول 4-3- روشهای تشخیص مبتنی بر هوش مصنوعی………………………………………………….. |
51 |
جدول 4-4- روشهای تشخیص با استفاده از تبدیل تصاویر………………………………………………. |
53 |
جدول 4-5- روشهای تشخیص با استفاده از قسمتهایی از گوش…………………………………….. |
55 |
جدول 6-1- نتایج به دست آمده از آزمایش روش پیشنهادی………………………………………………. |
73 |
فهرست علامتهای اختصاری
معادل فارسی |
معادل انگلیسی |
علامت |
شماره شناسایی شخصی |
Personal Identification Number |
PIN |
نرخ پذیرش اشتباه |
False Acceptance Rate |
FAR |
نرخ عدم پذیرش اشتباه |
False Rejection Rate |
FRR |
نرخ خطای مساوی |
Equal Error Rate |
EER |
نرخ پذیرش درست |
Genuine Acceptance rate |
GAR |
مشخصه عملکرد سیستم |
Receiver Operating Characteristic |
ROC |
پیکسل |
Picture Element |
Pixel |
جعبه ابزار پردازش تصویر |
Image Processing Toolbox |
IPT |
روش دایرههای هم مرکز |
Concentric Circle Method |
CCM |
روش ردیابی کانتور |
Contour Tracing Method |
CTM |
روش نسبت مثلث |
Triangle Ratio Method |
TRM |
نمایش کانتور بر اساس زاویه |
Angle-based Contour Representation |
ABR |
نحلیل مؤلفه اصلی |
Principal Component Analysis |
PCA |
تحلیل مؤلفه مستقل |
Independent Component Analysis |
ICA |
مدل شکل فعال |
Active Shape Model |
ASM |
توصیف کننده فوریه کلی |
Generic Fourier Descriptor |
GFD |
الگوریتم جستجوی شناور ترتیبی |
Sequential Forward Floating Selection |
SFFS |
تبدیل مستقل از مقیاس ویژگی |
Scale Invariant Feature Transform |
SIFT |
دانشگاه علوم و فنآوری پکن |
University of Science and Technology Beijing |
USTB |