فهرست:
فصل اول: مقدمه
1-1- مقدمهای بر تشخیص هویت... 2
1-2- مقدمهای بر فراکتال و بعد آن. 4
1-3- اهداف و ساختار پایاننامه. 5
فصل دوم: ادبیات موضوع
2-1- مقدمه. 8
2-2- فناوری بیومتریک... 9
2-2-1- سیستمهای تشخیص هویت... 9
2-2-1-1- مبتنی بر توکن.. 9
2-2-1-2- مبتنی بر دانش خصوصی.. 10
2-2-1-3- مبتنی بر بیومتریک... 10
2-2-2- مفهوم بیومتریک... 10
2-2-3- نمای سیستم بیومتریک... 11
2-2-4- پارامترهای مهم در سیستمهای بیومتریک... 13
2-2-5- خصوصیت یک سیستم بیومتریک... 14
2-2-6- انواع روشهای بیومتریک... 16
2-2-6-1- بیومتریک اثر انگشت... 16
2-2-6-2- بیومتریک عنبیه. 17
2-2-6-3- بیومتریک تشخیص چهره 19
2-2-6-4- بیومتریک هندسهی دست و انگشت... 20
2-2-6-5- بیومتریک صدا 21
2-2-6-6- بیومتریک اثر کف دست... 21
2-2-6-7- بیومتریک رگ انگشت... 22
2-3- عملیات کلی در سیستم تشخیص هویت... 24
2-3-1- اکتساب تصویر FV.. 25
2-3-2- پیشپردازش تصویر. 27
2-3-2-1- برش ناحیه مطلوب ROI بر اساس موقعیت نوک انگشت... 27
2-3-2-2- برش ناحیه مطلوب ROI بر اساس پنجره W... 29
2-3-2-3- نرمالسازی و بهبود کنتراست تصویر FV.. 30
2-3-3- بررسی چند روش استخراج ویژگی به منظور تشخیص هویت... 32
2-3-3-1- استخراج ویژگی با فیلتر گابور. 32
2-3-3-2- استخراج ویژگی FV با تکنیک Blanket 35
2-3-3-3- Lacunarity بر اساس تکنیک Blanket 37
2-3-3-4- الگوریتم PCA.. 38
2-3-3-5- الگوریتم ICA.. 40
2-3-3-6- تبدیل فوریه. 44
2-3-3-7- کد سوبل.. 45
2-3-3-8- استخراج ویژگی با روش SIFT.. 46
2-3-4- تشخیص و تطبیق الگو. 47
2-3-4-1- تشخیص و کلاسبندی براساس میزان شباهت کسینوسی.. 47
2-3-4-2- تطبیق با استفاده از تکنیک Blanket و Lacunarity. 49
2-4- فراکتالها و ویژگیهای آن. 50
2-4-1- پیدایش فراکتالها 51
2-4-2- مفهوم فراکتال. 52
2-4-3- خصوصیات اشکال فراکتال. 53
2-4-4- هندسهی فراکتال. 54
2-4-4-1- ایدهی خود متشابهی و تاریخچهی آن. 54
2-4-5- انواع فراکتالها 56
2-4-6- تولید فراکتالها 57
2-4-6-1- فراکتالهای تولید شده توسط تبدیلات تکراری IFS. 57
2-4-6-2- تولید فراکتالها توسط چندجملههای مختلط به عنوان تابع اولیه. 60
2-4-6-3- تولید فراکتالها توسط L-System.. 62
2-4-6-4- فراکتالهای تصادفی.. 63
2-5- جمع بندی.. 64
فصل سوم: روش های محاسبه بعد فراکتال
3-1- مقدمه. 68
3-2- بعد فراکتال و نحوهی محاسبهی آن. 69
3-2-1- بعد هاسدورف.. 70
3-2-2- بعد جعبهشماری(BC) 73
3-2-2-1- محاسبه بعد جعبه شماری برای تصاویر با سطح خاکستری.. 75
3-2-3- بعد همبستگی.. 76
3-2-4- بعد رنی.. 77
3-2-5- بعد بستهای.. 78
3-3- روشهای محاسبه بعد جعبه شماری تصاویر خاکستری.. 78
3-3-1- روش DBC.. 79
3-3-1-1- مروری بر اشکالات روش DBC.. 80
3-3-2- روش اصلاح شده DBC (Li’s DBC) 83
3-3-2-1- اصلاحیهی اول انتخاب عرض جعبه 84
3-3-2-2- اصلاحیهی دوم محاسبهی حداقل تعداد جعبهها 85
3-3-2-3- اصلاحیهی سوم پارتیشنبندی سطح شدت تصویر. 85
3-3-3- روش SDBC.. 86
3-3-4- روش RDBC.. 87
3-3-5- روش liu’s DBC.. 88
3-3-5-1- اصلاح مکانیزم BC.. 88
3-3-5-2- انتقال بلوکهای جعبه در تصویر. 89
3-3-5-3- انتخاب مناسب اندازهی جعبه. 90
3-4- اعمال روشهای محاسبه بعد فراکتال بر تصاویر خاکستری و مقایسهی آنها 91
3-4-1- اعمال روشهای محاسبه بعد فراکتال بر روی تصاویر با ناهمواری مشابه. 91
3-4-2- اعمال روشهای محاسبه بعد فراکتال بر روی تصاویر با سطح خاکستری شارپی.. 92
3-4-3- اعمال روشهای محاسبه بعد فراکتال بر روی تصاویر بافت طبیعی.. 94
3-5- جمعبندی.. 96
فصل چهارم: روش پیشنهادی
4-1- مقدمه. 98
4-2- اعمال ماسک بر تصاویر FV.. 98
4-2-1- تصویر افقی و عمودی هموارسازی شده 99
4-2-2- تصویر با سطح خاکستری کمارزش... 100
4-2-3- تصویر با سطح خاکستری پر ارزش... 101
4-2-4- ماسک سوبل عمودی و افقی.. 101
4-2-5- بعد مالتی فراکتال تصویر اصلی.. 103
4-2-6- محاسبهی بعد مالتی فراکتال توسط روش RDBC.. 103
4-3- روش پیشنهادی.. 104
4-3-1- فلوچارت روش پیشنهادی.. 105
4-3-2- اعمال ماسک بر تصویر. 106
4-3-3- استخراج ویژگی.. 107
4-3-4- تطبیق و تصمیمگیری.. 108
4-4- بهبود روش پیشنهادی.. 109
4-5- جمع بندی.. 111
فصل پنجم: نتایج وبحث
5-1- مقدمه. 114
5-2- معرفی پایگاههای تصاویر استفاده شده در پژوهش... 114
5-3- بررسی پارامترهای کارایی روش پیشنهادی.. 116
5-4- مقایسه با روشهای موجود. 121
5-5- جمع بندی.. 122
فصل ششم: نتیجه گیری و کارهای آینده
6-1- نتیجهگیری.. 126
6-2- کارهای آینده. 127
منبع:
الف) منابع فارسی:
]1[ ک. نجاتی، " ارائه و بهبود روشی جهت استخراج ویژگی برای تشخیص هویت بیومتریک با استفاده از اثر کف دست"، پایاننامه کارشناسی ارشد مهندسی کامپیوتر، دانشگاه اراک، زمستان 1392.
]2 [ ن. فقیه، "توسعه فراکتالی در سیستمهای پویا و تحول در سیستم های سازمانمند"، دانش مدیریت، سال یازدهم، شماره 39 و 40، ص ص 39-5، زمستان1376 و بهار 1377.
]3[ ع. شفیعی، "مطالعه فراکتالها و کاربرد آنها"، پایاننامه کارشناسی ارشد مهندسی مکانیک، دانشگاه صنعتی اصفهان، اسفند 1375.
]4[ ر. ابراهیم زاده، م. یعقوبی، م. جم پور، "یک تکنیک جدید در شناسایی عنبیه چشم بوسیله تئوری فراکتال"، ششمین کنفرانس ماشین بینایی و پردازش تصاویر ایران، ص ص 332-339، 5 و6 آبان ماه 1389.
]5 [ ع. صلواتی، "بعد در ریاضیات"، مجلهی ریاضی شریف، سال سوم، شماره هفتم، خرداد 1393.
]6[ ر. فاضل، آ. یدالهی، "کلاسه بندی بافت با استفاده از بعد فراکتال"، دوازدهیمن کنفرانس مهندسی برق ایران، تعداد صفحات 6، ۲۲ تا ۲۴ اردیبهشت ماه ۱۳۸۳.
ب) منابع انگلیسی:
[7] J. N. Pato, L. I. Millett, “Biometric Recognition: Challenges and Opportunities”, whither Biometrics Committee; National Research Council, pp. 182, 2010.
[8] R. Saini, N. Rana, “Comparison of Various Biometric Methods”, International Journal of Advances in Science and Technology (IJAST), Vol. 2, ISSN 2348-5426, March 2014.
[9] G. P. Selva, P. Anitha, C. Vinothini, “An Introduction to Biometrics: the Power of Security”, Jltemas, ISSN 2278 – 2540, Vol. III, Issue X, October 2014.
[10] A. k. Jain, A. Ross, S. Prabhakar, “An Introduction to Biometric Recognition”, IEEE Transactions on Circuits and Systems for Video Technology, Vol. 14, no. 1, January 2004.
[11] k. Delac, M. Grgic, “A Survey of Biometric Recognition Methods”, 46th International Symposium Electronic in Marine, pp. 184-193, June 2004.
[12] M. Jampour, H. Shojaei, M. Ashourzadeh, M. Yaghoobi, “Compressing of Fingerprint Images by Means of Fractals Feature”, Second International Conference on Machine Vision, pp. 18-21, December 2009.
[13] S. Pankanti, S. Prabhakar, A.K. Jain, “Biometric Cryptosystems: Issues and Challenges”, Proceedings of the IEEE, Vol. 92, Issue. 6, pp. 948-960, June 2004.
[14] R. Wildes, “Iris Recognition: An Emerging Biometric Technology”, in proceedings of the IEEE, Vol. 85, no. 9, 1997.
[15] R. S. Reillo, C. S. Avila, A. G. Marcos, “Biometric Identification Through Hand Geometry Measurements”, in proc. IEEE trans, on Pattern Analysis and Machine Intelligence, pp. 1168-1171, 2000.
[16] S. Novianto, Y. Suzuki, J. Maeda, “Optimum Estimation of Local Fractal Dimension Based on the Blanket Method”, Transactions of the Information Processing Society of Japan, Vol. 43, no.3, pp. 825-828, 2002.
[17] C. Allain, M. Cloitre, “Characterizing the Lacunarity of Random and Deterministic Fractal Sets”, Phys. Rev. A, Vol. 44, no. 6, pp. 3552-3558, 15 September, 1991.
[18] J. Yang, Y. Shi, J. Yang, “Personal Identification Based on Finger-vein Features”, Computers in Human Behavior, Vol. 27, pp. 1565–1570, 2011.
[19] M. S. M. Asaari, S. A. Suandi, B. A. rosdi, “Fusion of Band Limited Phase Only Correlation and Width Centroid Contour Distance for Finger Based Biometrics”, Expert Systems with Applications, Vol. 41, ISSN 0957-41741, pp 3367-3382, June 2014.
[20] Z. Liu, S. Song, “An Embedded Real-time Finger-vein Recognition System for Mobile Devices”, IEEE Transactions on Consumer Electronics, Vol. 58, no. 2, p.p 522-527, May 2012.
[21] M. S. Bartlett, J. R. Movellan, T. J. Sejnowski, “Face recognition by independent component analysis”, IEEE Transactions on Neural Networks, 2002.
[22] B. B. Mandelbrot, “The Fractal Geometry of Nature”, Freeman, San Francisco, CA, 1982.
[23] B. B. Mandelbrot, “Fractals: Form, Chance and Dimension”, San Francisco, W. H. Freeman and Company, September 1977.
[24] A. Shamsgovara, “Analytic and Numerical Calculations of Fractal Dimensions”, Research Academy for Young Scientists, July 11, 2012.
[25] E. Pearse, “An Introduction to Dimension Theory and Fractal Geometry: Fractal Dimensions and Measures”, Systems Analysis, Modelling and Prediction Group, University of Oxford, 2007.
[26] B. B. Mandelbrot, “A Multifractal Walk Down Wall Street”, Scientific American, Vol. 280, no. 2, pp. 70-73, February 1999.
[27] M. Jampour, M. Yaghoobi, M. Ashourzadeh, “A New Fast Technique for Fingerprint Identification with Fractal and Chaos Game Theory”, World Scientific Publishing Company, Fractals, Vol. 18, no. 3, pp. 293–300, September 2010.
[28] P. Prusinkiewicz, A. Lindenmayer, “Graphical modeling using L-systems”, The Algorithmic Beauty of Plants, The Virtual Laboratory, Vol 6, pp. 1-50,1990.[29] M. F. Barnsley, “Fractals Everywhere”, Academic Press Professional, New York, pp. 531, 19 Jan, 2011.
[30] N. R. Shieh, Y. Xiao, “Hausdorff and Packing Dimensions of the Images of Random Fields”, Bernoulli Society for Mathematical Statistics and Probability, Vol. 16, no. 4, pp. 926–952, 18 November, 2010.
[31] W. S. Chen, S. Y. Yuan, C. M. Hsieh, “Two Algorithms to Estimate Fractal Dimension of Gray-Level Images”, Opt. Eng., Vol. 42, no. 8, pp. 2452–2464, 2003.
[32] N. Sarkar, B. B. Chaudhuri, “An Efficient Approach to Estimate Fractal Dimension of Textural Images”, Pattern Recognition, Issue 9, Vol. 25, pp. 1035-1041, 1992.
[33] N. Sarkar, B. B. Chaudhuri, “An Efficient Differential Box-Counting Approach to Compute Fractal Dimension of Image”, Systems, Man and Cybernetics, IEEE Transactions on, Vol. 24, Issue 1, pp. 115–120, Jan 1994.
[34] N. Sarkar, B.B. Chaudhuri, “Multifractal and Generalized Dimensions of Gray-Tone Digital Images”, Signal Processing, Vol. 42, pp. 181–190, 1995.
[35] X. C. Jin, S. H. Ong, Jayasooriah, “A Practical Method for Estimating Fractal Dimension”, Pattern Recognition, Vol. 16, pp. 457–464, 1995.
[36] J. Li, Q. Du, C. Sun, “An Improved Box-Counting Method for Image Fractal Dimension Estimation”, Pattern Recognition, Vol. 42, pp. 2460–2469, 2009.
[37] R. Lopes, N. Betrouni, “Fractal and Multifractal Analysis: A Review”, Medical Image Analysis, Vol. 13, Issue 4, pp. 634–649, August 2009.
[38] Y. Liu, l. Chen, H. Wang, L. Jiang, Y Zhang, J. Zhao, D. Wang, Y. Zhao, Y. Song, ”An Improved Differential Box-Counting Method to Estimate Fractal Dimensions of Gray-Level Images”, Journal of Visual Communication and Image Representation, Vol. 25, pp. 1102–1111, 22 March, 2014.
[39] B. B. Chaudhuri, N. Sarkar, “Texture Segmentation Using Fractal Dimension”, IEEE Transations On Pattern Analysis and Machine Intelligence, Vol. 17, no. 1, pp. 72-77, January 1995.
[40] N. Miura, A. Nagasaka, T. Miyatake, “Feature Extraction of Finger-vein Patterns Based on Repeated Line Tracking and its Application to Personal Identification”, Machine Vision Application, Vol. 15, no.4, pp. 194–203, 2004.
[41] W. Song, T. Kim, H. C. Kim, J. H. Choi, H. Kong, S. Lee, “A Finger-vein Verification System Using Mean Curvature”, Pattern Recognition Letters, Vol. 32, no. 11, pp. 1541-1547, 2011.