پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال

word 10 MB 30498 166
1393 کارشناسی ارشد مهندسی کامپیوتر
قیمت قبل:۷۶,۸۰۰ تومان
قیمت با تخفیف: ۳۴,۸۵۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • پایان نامه دوره کارشناسی ارشد مهندسی نرم‌افزار کامپیوتر

    چکیده:

    ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال

     

    مقدمه: از دیرباز تاکنون تکنیک‌های متعددی برای شناسایی افراد به وجود آمده است. در این میان سیستم‌ های تشخیص هویت مبتنی بر بیومتریک از صحت و اطمینان بیشتری برخوردارند. این سیستم‌ها باید به گونه‌ای طرح‌ریزی شوند تا بتوانند بر اساس ویژگی‌های رفتاری و فیزیکی افراد نسبت به شناسایی مطمئن آن‌ها اقدام کنند. از آنجائیکه روش‌های نسبتا جدیدی مانند رگ‌های انگشت نسبت به روش‌های سنتی بیومتریک (مانند اثرانگشت و عنبیه) مزایایی مانند ماندگاری بالا، کاربرپسند بودن و ریسک کم در جعل دارند، استفاده از آن می‌تواند کارایی بهتری ارائه دهد.

    مواد و روش‌ها: سیستم تشخیص هویت پیشنهادی متشکل از سه بخش اصلی است که عبارتند از : اعمال ماسک بر تصویر، استخراج و تطبیق بردار ویژگی‌ها. مهم‌ترین بخش در هر سیستم تشخیص هویت بیومتریکی استخراج ویژگی‌هایی منحصربفرد می‌باشد، که در این پژوهش از فراکتال‌ها و روش‌های محاسبه بعد آن (مانند روش جعبه شماری افتراقی، اعمال شیفت جعبه شماری افتراقی، جعبه شماری افتراقی نسبی و مالتی فراکتال) برای این منظور استفاده شده است. دو پایگاه داده‌‌‌ی SDUMLA_HMT و FV_USM که شامل تصاویر رگ انگشتان سبابه، حلقه و راهنما از هر دو دست افراد (زن و مرد) می باشد، جهت اعمال روش پیشنهادی بکار رفته است. تمامی نتایج بر روی نرم‌افزار متلب نسخه 2010 تهیه شده‌اند.

    نتایج: تمامی پارامترهای کارایی روش پیشنهادی با روش‌های موجود در زمینه‌ی تشخیص هویت مبنی بر مدل فراکتالی و غیر فراکتالی مقایسه شده‌اند. درصد نرخ خطای نسبی بر روی پایگاه‌های تصاویر مذکور برابر با 0.07% و 0.1% ، همچنین میزان نرخ موفقیت کلی سیستم برابر با 99.85% و نرخ خطاهای FAR وFRR به ترتیب برابر با 0.02% و 0.1% بدست آمده‌اتد.

    بحث: یافته‌های ما به روش استخراج ویژگی‌های تصاویر بیومتریکی با بکارگیری مفهوم بعد فراکتال اشاره دارد، که در مقایسه با روش‌های موجود، نتایج بهتری ارائه می‌دهد. لازم به ذکر است که روش پیشنهادی با روشی کاملا جدید بهبود داده شده که در مطالعات دیگر محققان مشاهده نشده است.

    کلمات کلیدی: بیومتریک، رگ انگشت، شناسایی افراد، بعد فراکتال، استخراج ویژگی.

    فصل اول

     

    مقدمه

     

     

    1-1- مقدمه‌ای بر تشخیص هویت

     

     

    افراد در زندگی روزمره‌ی خود با توجه به ویژگی‌های چهره، صدا و حتی نحوه راه رفتن اطرافیان می‌توانند دوستان و آشنایان خود را بشناسند. در واقع همه‌ی افراد ویژگی‌های خاص و منحصربفردی دارند که موجب تمایز آن‌ها از دیگران می‌شود. این ویژگی‌ها و مطالعه آن‌ها موجب پدید آمدن شاخه‌ای از علم به نام علم بیومتریک یا زیست سنجی شده‌ است. علم بیومتریک پیشینه‌ی طولانی در احراز هویت افراد دارد. در دورانی که هنوز رایانه‌ اختراع نشده بود و ابزارهای خودکار توسعه‌یافته‌ی امروزی وجود نداشت علم بیومتریک با شیوه‌های سنتی و غیرخودکار بکار می‌رفت. طی سال‌های متمادی از مدارکی مانند شناسنامه و کارت شناسایی به عنوان سندی برای شناسایی افراد استفاده می‌شد. به دنبال گسترده‌شدن دنیای مجازی و ابزارهای الکترونیکی استفاده از رمزها و کدهای دیجیتالی برای انجام امور مختلف جایگاه ویژه‌ای پیدا کرده است. پیشرفت‌های سریع و فراگیر‌شدن ابزارها از سویی و تمایل افراد به دنیای مجازی از سوی دیگر موجب شده است تا امنیت در سیستم‌های مختلف اهمیت بالایی پیدا کند. استفاده از رمزهای عبور در کنار مزیت‌های کاربرد آن، با چالش‌هایی مانند امکان فراموش یا فاش شدن روبرو هستند. از این رو علم بیومتریک دریچه‌ی تازه‌ای به دنیای امن و مطئمن گشوده است که در آن به احراز هویت افراد با شیوه‌های سریع و کم‌خطر می‌پردازد که نه قابل سرقت هستند و نه فراموش می‌شوند. منظور از احراز هویت، تایید صحت و درستی داده و اطلاعات است که به طور کلی با روش‌های مختلفی صورت می‌گیرد که عبارتند از:

    احراز هویت مبنی بر مدارک، اسناد و یا ابزاری که فرد به همراه دارد (مبتنی بر توکن).

    احراز هویت مبنی بر اطلاعاتی که افراد از آن آگاه هستند (مبتنی بر دانش خصوصی).

    احراز هویت فرد، مبنی بر آنچه هست (مبتنی بر بیومتریک).

    عوامل بیومتریک در دو دسته‌ی کلی عوامل رفتاری و عوامل فیزیکی دسته‌بندی می‌شود. دسته‌ی اول شامل ویژگی‌هایی مانند الگوی ضربات صفحه‌کلید، الگوی صدا، نحوه‌ی راه رفتن و ... بوده و در دسته‌ی دوم ویژگی‌هایی مانند اسکن صورت، اسکن عنبیه، الگوی ضربان قلب و ... بررسی می‌شوند. نتایج حاکی از آن است که عوامل فیزیکی کارایی بهتری نسبت به عوامل رفتاری از خود نشان داده‌اند. عامل بیومتریک باید به گونه‌ای باشد که تحت شرایط زیست‌محیطی و با گذر عمر تغییر نکند. از طرفی باید قابل استفاده برای عموم افراد باشد. یکی از پارامترهای مهم در سیستم‌های تشخیص هویت میزان کارایی عامل بیومتریک از نظر سرعت، هزینه و دقت است. هر چه با سرعت و دقت بالاتر و هزینه‌ی کم‌تری بتوان فرآیند شناسایی را انجام داد می‌توان گفت عامل بیومتریک مناسب و مؤثرتر از عوامل دیگر است. در واقع یک سیستم بیومتریک با اندازه‌گیری عوامل بیومتریکی به تشخیص الگوها می‌پردازد. فرآیند تشخیص هویت مراحل کلی اکتساب تصویر، استخراج ویژگی و تطبیق و تصمیم‌گیری را شامل می‌شود. مهم‌ترین بخش در این فرآیند استخراج ویژگی‌های مؤثر و مناسب است که توسط عملیات پردازش تصویر و روابط ریاضی انجام می‌شود. با استفاده از ویژگی‌های استخراج شده از الگوها، بردار ویژگی‌ها تولید می‌شود که برای تطبیق و تصمیم‌گیری در پایگاه داده‌ای ذخیره می‌شوند. البته روش‌های متعددی برای استخراج ویژگی بیان شده است که یکی از آنها با تکیه بر محاسبه‌ی بعد فراکتال تصاویر به این عمل می‌پردازد. از آنجائیکه در این پژوهش با راهبردی مبتنی بر فراکتال اقدام به استخراج ویژگی شده است در ادامه شرح مختصری از فراکتال و بعد آن بیان می‌شود.

    1-2- مقدمه‌ای بر فراکتال و بعد آن

    پدیده‌های طبیعی پیرامون ما مانند شکل ابرها، شبکه‌ی رودخانه‌ها، پشته‌های شن و ... همگی دارای ساختاری تکراری و پرهرج‌ و مرج هستند. مطالعه‌ی این ساختارها و کشف الگوهای تکرارشونده و روابط ریاضی آنها موجب پدیدآمدن هندسه‌ی فراکتالی شده است. فراکتال یا برخال اولین بار توسط دانشمند انگلیسی به نام مندلبروت کشف و معرفی شد. اساساً فراکتال متشکل از زیرمجموعه‌هایی است که در جزء شبیه کل هستند. این ویژگی را خودمتشابهی می‌نامند که درجه‌ی خودمتشابهی در اشکال مختلف، متفاوت است. به دلیل داشتن این ویژگی، شیء فراکتال از دور و نزدیک یکسان به نظر می‌رسد. به عنوان مثال اگر یک قطعه‌ از برگ سرخس بریده و با مقیاسی بزرگنمایی شود نهایتاً نشان‌دهنده‌ی تمام ویژگی‌ها و جزئیات شکل اولیه‌‌ خود خواهد بود. دلیل این امر گسترش جزئیات شیء در همه‌ی ابعاد و جهات است که از آن به خودمتشابهی عینی یا کامل یاد می‌شود. احجامی مانند مکعب‌ها و استوانه‌ها در هندسه‌ی اقلیدسی می‌گنجند. این اشکال از قوانین خاص و روابط ریاضی پیروی می‌کنند که توسط آنها نمی‌توان به بررسی و توصیف اشکال فراکتالی پرداخت. به عبارتی دیگر هندسه‌ی اقلیدسی در بیان ویژگی‌ها و بررسی خواص فراکتال‌ها ناتوان است. از اینرو هندسه‌ی فراکتالی پدید آمد تا بتواند این کمبود را جبران کند. تمامی احجام در هندسه‌ی اقلیدسی بعدی صحیح دارند، مثلاً خط دارای بعد یک، صفحه دارای بعد دو و مکعب دارای بعد سه می‌باشد. این در حالیست که نمی‌توان برای شیء فراکتالی بعدی صحیح تعیین کرد بلکه آنها بعدی غیرصحیح و اعشاری دارند. به عنوان نمونه مثلث سرپینسکی دارای بعدی برابر با 58/1 می‌باشد که از نظر هندسی یعنی میان خط و صفحه قرار دارد (میزان پیچیدگی‌های آن بین خط و صفحه است). منظور از بعد، بیان میزان پیچیدگی‌های و ناهمواری‌ها در یک شیء است. حتی می‌توان با محاسبه‌ی بعد فراکتال مجموعه‌ای از داده‌ها، رفتار آنها را در آینده پیش‌بینی کرد. مانند کاربرد فراکتال‌ها در بررسی سری‌های زمانی و پیش‌بینی بازار بورس. به طور کلی در هندسه‌ی فراکتالی، هر شیئی که دارای ویژگی‌های خودمتشابهی، بعد اعشاری و پیچیدگی در مقیاس خرد باشد فراکتال شناخته می‌شود. روش‌های متعددی برای محاسبه‌ی بعد فراکتال بیان شده است که از معروف‌ترین و پرکاربردترین آنها می‌توان بعد جعبه‌شماری افتراقی را نام برد. روش‌های بعد جعبه‌شماری افتراقی نسبی، بعد جعبه‌شماری با اعمال شیفت و ... به عنوان روش‌های اصلاحی بیان‌ شده‌اند. پژوهش حاضر با استفاده از این روش‌ها به محاسبه‌ی بعد تصاویر، جهت تشخیص هویت می‌پردازد.

    1-3- اهداف و ساختار پایان‌نامه

    موضوع تشخیص هویت یکی از مسائلی است که با زندگی افراد پیوند خورده و با بکار بردن تکنیک‌هایی سعی در کاهش خطا و افزایش ضریب اطمینان در شناسایی آن‌ها شده است. روش‌های بیومتریک متعددی مانند اثر انگشت، عنبیه، چهره و ... وجود دارد که در میان آن‌ها رگ انگشت یکی از ویژگی‌های فیزیکی است که در سالهای اخیر وارد عرصه‌ی تشخیص هویت شده و کارایی خوبی نیز از خود نشان داده است. از ویژگی مهم آن می‌توان ماندگاری بالا و عدم جعل آسان را نام برد. بنابراین در تمامی مراحل این پژوهش از الگوهای رگ انگشت استفاده شده است. البته برای نشان دادن کارایی روش پیشنهادی نتایجی از تصاویر کف دست نیز ذکر شده‌اند که به همان میزان، کارایی و قابلیت اطمینان دارد. هدف این پژوهش ارائه راهکاری برای استخراج ویژگی مطلوب تصاویر، با استفاده از مفهوم فراکتال و بعد آن است. این پژوهش بخش‌هایی را مانند پیش‌پردازش تصویر، اعمال ماسک بر تصویر، استخراج ویژگی از تصویر، تولید بردار ویژگی با روش‌های محاسبه‌ی بعد فراکتال و تطبیق و تصمیم‌گیری شامل می‌شود. ساختار این پایان‌نامه بدین شرح است که در فصل دوم ادبیات موضوع مانند معرفی علم بیومتریک، سیستم‌های تشخیص هویت، روش‌های استخراج ویژگی و درآمدی بر فراکتال ها بیان می‌شود. در فصل سوم به نحوه محاسبه‌ی بعد فراکتال و مقایسه‌ی روش‌های موجود پرداخته شده است. در فصل چهارم روش پیشنهادی و هدف اصلی پایان‌نامه مبنی بر ارائه روشی برای استخراج ویژگی با مفهوم بعد فراکتال بیان می‌شود. همچنین در این فصل راهبردی برای بهبود روش پیشنهادی ارائه شده است. در فصل پنجم نتایج حاصل از روش پیشنهادی در دو پایگاه داده‌ی تصاویر رگ انگشت SDUMLA-HMT و FV-USM و اثر کف دست ذکر شده است. نتایج محاسبات و نرخ دقت سیستم پیشنهادی با روش‌های دیگر مقایسه و مزیت‌های آن نسبت به روش‌های دیگر بیان می‌شود. در نهایت در فصل ششم نتیجه‌گیری و راهکارهایی برای مطالعات آینده بیان خواهد شد.

     

    Abstract:

     

    Proposing a method for identification based on the Fractal dimension

     

    Introduction: Since earlier times, several techniques have been created to identify people. Among these techniques identification systems based biometric have more accuracy and reliability. These systems should be designed in such a way that they are capable of identifying people reliably based on physical and behavioral characteristics. Relatively new techniques such as finger vein and palm pattern effects, have advantages such as high durability, user friendliness and lack of easy to forge as compare to traditional methods of biometrics (such as fingerprints and iris), so use of them can give better performance.

    Material and methods: The proposed identification system consists of three main sections that include filters applied to the image, image feature extraction and matching feature vectors. The most important part in biometric identification system is extraction unique features, which in this study fractals and the methods of calculating its dimension (such as differential box-counting, shifting differential box-counting, relative differential box-counting and multifractal) are used for this purpose. Two databases DUMLA-HMT and FV-USM which contain index finger vein images, ring and Middle from both the people (men and women) are used to implement the proposed method. All results have been prepared on the MATLAB of 2010 version software.

    Results: All performance of the proposed algorithm is compared with the existing methods of identification based on fractal and non-fractal models. The Equal Error Rate (EER) relative to the mentioned Databases of images are equal to 0.07% and 0.1%, also the Total Success Rate (TSR) of system is equal to 99.85% and the error rates of FAR and FRR are Obtained 0.02% and 0.1% respectively.

    Discussion: Our results refer to method for features extraction from biometric images using the concept of fractal dimension, which present better results in comparison with other researchers. In addition, the proposed method is improved in a whole new method which has not been observed in other researcher’s studies.

    Keywords-- Biometrics, Finger vein, Personal identification, Fractal dimension, Feature extraction.

  • 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.


موضوع پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, نمونه پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, جستجوی پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, فایل Word پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, دانلود پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, فایل PDF پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, تحقیق در مورد پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, مقاله در مورد پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, پروژه در مورد پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, پروپوزال در مورد پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, تز دکترا در مورد پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, تحقیقات دانشجویی درباره پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, مقالات دانشجویی درباره پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, پروژه درباره پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, گزارش سمینار در مورد پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, پروژه دانشجویی در مورد پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, تحقیق دانش آموزی در مورد پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, مقاله دانش آموزی در مورد پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال, رساله دکترا در مورد پایان نامه ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال

پایان‌نامه دوره کارشناسی ارشد گرایش طراحی کاربردی چکیده شناسایی چهره در سال­های اخیر، در زمینه­های تحقیقاتی مرتبط با بیومتریک، شناسایی الگو، بینایی ماشین بسیار مورد توجه قرار گرفته است. در برخی کاربردهای تجاری و امنیتی نیز روش­های شناسایی چهره مورد استفاده قرار می‏گیرد. این کاربردها شامل کنترل امنیتی افراد، کنترل دسترسی، تشخیص افراد مجرم، بازسازی چهره و واسط­های بین انسان و ...

پایان نامه برای دریافت درجه کارشناسی ارشد .M.Sc گرایش: رابطه جنبی انسان، ماشین، کامپیوتر چکیده امروزه ﺑﺎ ﺗﻐﯿﯿﺮات ﺳﺮﯾﻊ ﻓﻨﺎوری، سطح اﻣﻨﯿﺖ اﻓﺮاد و ﺳﺎزﻣﺎﻧﻬﺎ ﻧﯿﺰ ﮐﺎﻫﺶ ﯾﺎﻓﺘﻪ و اﯾﻦ اﻣﻨﯿﺖ ﻣﻮرد ﺗﻬﺎﺟﻢ اﻓﺮاد ﺳﻮدﺟﻮ و ﺧﺮاﺑﮑﺎر ﻗﺮارﮔﺮﻓﺘﻪ اﺳﺖ. در این میان پیشرفت روز افزون روشهای بیومتریک دستاوردهای شگرفی در زمینه های امنیت نظامی، تجاری و مالی در برداشته است. منظور از بیومتریک فناوری اندازه گیری ...

پایان نامه برای دریافت درجه کارشناسی ارشد .M.Sc گرایش: رابطه جنبی انسان، ماشین، کامپیوتر چکیده امروزه ﺑﺎ ﺗﻐﯿﯿﺮات ﺳﺮﯾﻊ ﻓﻨﺎوری، سطح اﻣﻨﯿﺖ اﻓﺮاد و ﺳﺎزﻣﺎﻧﻬﺎ ﻧﯿﺰ ﮐﺎﻫﺶ ﯾﺎﻓﺘﻪ و اﯾﻦ اﻣﻨﯿﺖ ﻣﻮرد ﺗﻬﺎﺟﻢ اﻓﺮاد ﺳﻮدﺟﻮ و ﺧﺮاﺑﮑﺎر ﻗﺮارﮔﺮﻓﺘﻪ اﺳﺖ. در این میان پیشرفت روز افزون روشهای بیومتریک دستاوردهای شگرفی در زمینه های امنیت نظامی، تجاری و مالی در برداشته است. منظور از بیومتریک فناوری اندازه گیری ...

پایان نامه برای دریافت درجه کارشناسی ارشد رشته علوم کامپیوتر چکیده امروزه در زمینه های فراوانی ما به وسایلی نیاز داریم که کامپیوتراشخاص را شناسایی کند و بر اساس ویژگیهای بدن اشخاص آن ها را بازشناسی کند. سیستم تشخیص چهره بعنوان یک سیستم بیو متری اساساً یک سیستم تشخیص الگو است که یک شخص را بر اساس بردار ویژگی های فیزیولوژیکی خاص یا رفتاری که دارد بازشناسی می­کند. بردار ویژگی ها پس ...

پایان نامه برای دریافت درجه کارشناسی ارشد (MSC) گرایش برق الکترونیک چکیده پایان نامه (شامل خلاصه، اهداف، روش های اجرا و نتایج به دست آمده) : یک سامانه بیومتریک بر اساس مشحصه های منحصر بفرد در هر فرد اقدام به شناسایی خودکار افراد می کند.یک سامانه شامل چندین مرحله می باشدتا بتواند یک شخصی را شناسایی کند.این مراحل عبارتند از 1)گرفتن تصویر 2)جداسازی و ایزوله کردن ناحیه عنبیه در ...

پایان­نامه ارشد جهت اخذ درجه کارشناسی ارشد چکیده بازشناسی چهره در زمینه­های بیومتریک، بینایی ماشین و تشخیص الگو بوده و دارای کاربرد گسترده­ای از جمله مسائل مربوط به سیستم­های امنیتی می­باشد. از آن­جا که عوامل مختلفی از جمله نحوه نورپردازی محیط، نویز، و ماتی تصویر در عملکرد روش‌های بازشناسی چهره کم و بیش تاثیرگذارند، لذا بررسی روش‌های رفع ماتی از تصاویر چهره مورد استفاده در ...

پایان نامه برای دریافت درجه کارشناسی ارشد (MSC) گرایش برق الکترونیک چکیده پایان نامه (شامل خلاصه، اهداف، روش های اجرا و نتایج به دست آمده) : یک سامانه بیومتریک بر اساس مشحصه های منحصر بفرد در هر فرد اقدام به شناسایی خودکار افراد می کند.یک سامانه شامل چندین مرحله می باشدتا بتواند یک شخصی را شناسایی کند.این مراحل عبارتند از 1)گرفتن تصویر 2)جداسازی و ایزوله کردن ناحیه عنبیه در ...

پایان نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی مکاترونیک(M.Sc) چکیده تکنولوژی بیومتریک، براساس مشخصه های منحصر به فرد هر شخص اقدام به تشخیص خودکار هویّت افراد می­کند. محققّین به شکل گسترده ای با تنوعی از روش های به کار گرفته شده توانسته اند بافت عنبیه را با دقّت بالایی حتّی در شرایط مختلف استخراج نمایند. در نتیجه تلاش ما در این پایان نامه ارائه دیدگاه ها و روش هایی ...

الکترونیک گروه پایان نامه کارشناسی ارشد چکیده: شناسایی گوینده یکی از مباحث مطرح در بحث پردازش گفتار می باشد. شناسایی گوینده عبارت است از فرآیندی که طی آن با استفاده از سیگنال صحبت تشخیص دهیم چه کسی چه موقع واقعا صحبت می کند. هدف طراحی سیستمی است که بتواند تغییر در گوینده را مشخص نماید و گفتار هرگوینده را برای سیستم برچسب گذاری نماید. یعنی مشخص نماید که کدام گوینده، در چه بازه ...

چکیده بازشناسی چهره در زمینه­های بیومتریک، بینایی ماشین و تشخیص الگو بوده و دارای کاربرد گسترده­ای از جمله مسائل مربوط به سیستم­های امنیتی می­باشد. از آن­جا که عوامل مختلفی از جمله نحوه نورپردازی محیط، نویز، و ماتی تصویر در عملکرد روش‌های بازشناسی چهره کم و بیش تاثیرگذارند، لذا بررسی روش‌های رفع ماتی از تصاویر چهره مورد استفاده در الگوریتم­های بازشناسی چهره، به منظور ارتقا صحت ...

ثبت سفارش