دانلود ‫پروژه تشخیص خودکار عنبیه به کمک بعد فرکتال و شبکه عصبی MLP

Word 1015 KB 18222 16
مشخص نشده مشخص نشده کامپیوتر - IT
قیمت قدیم:۱۶,۰۰۰ تومان
قیمت: ۱۲,۸۰۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • پیشرفتهای اخیر در زمینه نرم‌افزار و سخت‌افزار کامپیوتر، صنعت را قادر ساخته است تا سیستم‌های موثق زیست سنجی قابل استفاده‌ای را توسعه دهد.

    از آنجا که عنبیه چشم انسان بسیار بافت پیچیده‌ای دارد، شیوه مختصری بر اساس بعد فرکتال جهت آشنا شدن با عنبیه چشم انسان در این تحقیق ارائه شده است.
    میزان ابعاد فرکتال، انسدادهای عنبیه با استفاده از پنج بعد شکست متفاوت با تخمین الگوریتم‌ها محاسبه شده‌اند و تفکیک شناختی برای تشخیص الگوهای عنبیه‌ای از نظر اعتبار شخصی بکار گرفته شده‌اند.

    سیستم نمونه اصلی بنام سیستم شناخت خودکار عنبیه(AIRIS) توسعه داده شده و نتایج صوری آن ارائه شده است.
    امروزه به علت اهمیت روز افزون اطلاعات و تمایل افراد به امنیت بیشتر اطلاعات مخصوصا در Internet، ابزارهای قدیمی مانند استفاده از Password به تنهایی جوابگو و قابل اعتماد نمی‌باشد، خصوصاً با ایجاد تجارت الکترونیک و خرید و فروش اینترنتی مسئله امنیت نه تنها برای شرکتها و بانکها بلکه برای عموم افراد مهم شده است.

    بنابرین متخصصین به دنبال راه‌هایی مطمئن‌تر می‌گردند یکی از موفق‌ترین راه های یافته شده استفاده از علم بیومتریک(Biometric) است.[1,2,3] که با یکی از معرفترین آنها یعنی اثر انگشت از دیر باز آشنا هستیم.

    خطوطی که بر روی سرانگشتان همه انسانها نقش بسته از دیر باز مورد توجه همه بوده است، این خطوط نقشهای مختلفی دارند، یکی از این وظایف ایجاد اصطکاک بین سر انگشتان و اشیاء متفاوت است مانند قلم که با استفاده از این اصطکاک می توانیم اشیاء را برداریم ،بنویسیم، یا لمس کنیم.

    از سوی دیگر این خطوط برای هر شخص منحصر به فرد است، از سالها پیش از اثر انگشت افراد در جرم شناسی استفاده می شود، مانند تمام دیگر اعضاء بدن DNA های هر شخصی الگوی ساخت این خطوط را دارا هستند و در واقع DNAهای هرشخص نیز کاملا منحصر به فردند و این قضیه تقریبا در مورد تمام دیگر اعضاء بدن صادق‌اند.

    با وجود hackerها و دزدی‌های اینترنتی Passwordها ابزار قابل اعتمادی نیستند.

    بیومتریک علم شناسایی افراد از طریق مشخصات انسانی اوست که شامل اثر انگشت،کف دست، صورت، امضاء، دست خط، صدا و اسکن شبکیه و عنبیه است.

    جدول (1).

    در علم بیومتریک اعضایی از بدن مورد توجه قرار گرفته که استفاده از آنها راحت‌تر و کم ضررتر باشد.

    هر کدام از روشهای مورد استفاده دارای نقاط ضعف و قدرتی هستند که با ترکیب آنها با دیگر روشهای امنیتی می توان ضعفهای موجود را از بین برد[4].
    امروزه به علت اهمیت روز افزون اطلاعات و تمایل افراد به امنیت بیشتر اطلاعات مخصوصا در Internet، ابزارهای قدیمی مانند استفاده از Password به تنهایی جوابگو و قابل اعتماد نمی‌باشد، خصوصاً با ایجاد تجارت الکترونیک و خرید و فروش اینترنتی مسئله امنیت نه تنها برای شرکتها و بانکها بلکه برای عموم افراد مهم شده است.

    جدول(1).

    هر کدام از روشهای مورد استفاده دارای نقاط ضعف و قدرتی هستند که با ترکیب آنها با دیگر روشهای امنیتی می توان ضعفهای موجود را از بین برد[4].

    جدول(1):مقایسه چند روش بیومتریک(زیست‌سنجی‌انسانی) در اصل تمام روشهای شناسایی با سه مورد زیر ارتباط دارند: آنچه که شما میدانید (یک کلمه عبور یا PIN) آنچه که شما دارید (کارت خودپرداز ،کارت هوشمندو...) آنچه که شما هستید (مشخصات فیزیکی یا رفتاری) شیوه‌های معتبر شخصی بر اساس شیوه‌های هر فرد و یا آنچه شخص می‌داند، می‌باشد.

    گرچه این شیوه‌ها معمولا مشکلات مربوط به خود را دارند، (به عنوان مثال، کلید، IDکارت و غیره) یا آنچه که یک شخص می‌داند.(پسورد، شماره PINکد و غیره).

    اگرچه این روشها معمولاٌ مشکلاتی را به دنبال دارند.

    بعنوان مثال کلیدها ممکن است، تغییر پیدا کند، ID کارتها ممکن است گم شوند، پسورد و شماره PIN کد ممکن است فراموش شود.

    دقت و اعتماد در محاسبات شخصی به خاطر عملکرد عملیات فیزیولوژیکی است.

    [1],[2].

    پیشرفتهای اخیر در تکنولوژی سخت افزار و نرم افزار، دانشگاه را قادر به تحقیق نموده و صنعت را قادر به توسعه سیستمهای موثق زیست سنجی خودکار نموده است.

    زیست شیمی که انسان به اعتبار شخصی فرد بر پایه خصوصیات رفتاری و یا فیزیکی واحد هر مرد یا زن دارد که بیشتر به صورت ارثی قابل اطمینان است و بیشتر قادر به تشخیص بین فرد مجاز از غیر مجاز (فرد ظاهر ساز متقلب) می‌باشد.

    2- بررسیها 2.1- خصوصیات عنبیه چشم انسان : یک عضو داخلی بدن انسان که از خارج قابل رویت است و دارای ویژگی های منحصر به فرد برای هر شخص است.

    به طوری که هرگز دو نفر با عنبیه یکسان پیدا نمی‌شود و جزو اثر باقی مانده در طول حیات یک شخص است که در سنین مختلف از بدو تولد تا پیری تغییر نمی‌کند و برخلاف اثر انگشت، خصایص عنبیه بسیار دقیق و پیچیده‌تر است و شامل الگوی بافتی یکسان است و آنقدر پیچیده است که بعنوان یک مشخصه زیست سنجی قوی مورد استفاده قرار می‌گیرد.[5] خصوصیات عنبیه چشم نشان می‌دهد که احتمال پیدا کردن دو فرد با الگوی عنبیه یکسان صفر است و در مقایسه با دیگر مشخصه‌های زیست سنجی مانند دست و انگشت نگاری الگوهای عنبیه‌ای ثابت‌تر و معتبرترند که برای تمام افراد و سنین مختلف ثابت است.[5,6].

    چندین بررسی نشان داده که تغییرات معمولی از نظر رنگ و ساختار بافتهای عنبیه‌ای بیشمارترند که حتی دو عنبیه شبیه به هم وجود ندارد چه برسد به اینکه یکسان باشند.

    حتی برای یک شخص هم دو عنبیه متفاوت است.

    2.2- آثار پیشین : چشم پزشک فرانسوی الفونس برتیلون معتقد است که بکارگیری الگوی عنبیه بعنوان پایه (مبنا) برای شناسایی شخص است .

    وی در سال 1981 بعد از خواندن مقاله‌ها ( گزارش های‌توصیفی ) زیاد درباره تغییر ناپذیری طولانی عنبیه در سانفرانسیسکو اظهار کرد که از عنبیه به عنوان پایه علم زیست سنجی انسانی استفاده شود.

    در سال 1987 آنها به همکاری کردن بادانشمند کامپیوتر جان داگمن(Daugman) از دانشگاه کمبریج انگلستان که نرم افزار تشخیص هویت از طریق عنبیه را ایجاد کرده پرداختند.

    پس از اینکه فلوم و سفیر[6] نیز این حقیقت را مشاهده نمودند که هر عنبیه بافت یکسان و مجزائی دارد بطوری که حتی تا اواخر عمر می‌تواند ثابت بماند لذا مفهوم شناخت خودکار عنبیه در سال 1988 پیشنهاد نمودن که نهایتاٌ موفق به تحقق آن نشدند.

    کار اولیه برای درک واقعی تشخیص اتوماتیک عنبیه توسط جانسون[7] در سال 1991 انجام شد.

    سپس سیستم موفقیت آمیزی با استفاده از Wavelet توسط داگمن[8,9] توسعه داده شد.

    به طوری که او اولین کسی بود که نتیجه امید بخش را در سال 1992در زمینه تشخیص اتوماتیک عنبیه منتشر کرد .بعدها کارهای کوچکتر (ابعاد کوچکتر ) نسبت به کار آقای داگمن تحقیق یافت.

    اصول اولیه شیوه داگمن این است که تصاویر را به صورت تصاویر ثابت با فیلترهای گوناگون و با اندازه‌های متفاوت و مرکزهای متفاوت را دریافت و تبدیل می‌کند و تصاویر را بر اساس بانک دو بعدی Gabor Wavelets بدست می‌آورد و علامت هایی براساس نتایج واقعی و فرضی و کدگذاری در بردارهای باینری 2048 بیتی می‌دهد و همچنین تطبیق کردن با استفاده از Hamming Distance انجام می شود.

    Hamming Distance مینیمم شماره‌ای از بیتهای است که می‌بایست به طور صحیح برای تبدیل بیتهای رشته‌ای داخل بقیه تغییر یابد.

    در این سیستم الگوی عنبیه شخص در یک تصویر ویدئویی واقعی وجود دارد که به توالیهای فشرده‌ای از Gabor Wavelet می‌باشد که اکثر بیتهای مهم شامل 256 بایت کد عنبیه است.

    داگمن مدعی است که سیستم او اجرای عالیی بر روی پایگاه داده‌های مختلف از تصاویر عنبیه دارا است.

    در سال 1996 ویلدز (Wildes) یک سیستم اولیه بر اساس تشخیص عنبیه اتوماتیک ارائه داد که در تکنیکهای ثبت تصاویر محاسباتی بسیار استفاده می‌شود.[10,11].

    این سیستم یک تجزیه پالایندگی ایزوتروپی استفاده می‌کند.

    به عبارت دیگر ایجاد یک هرم لاپلاسین از تصاویر فیلتر شده ضعیف در مقیاسهای متفاوت برای تجزیه داده‌های تصویر استفاده می‌کند.همچنین منحرف کردن عنبیه به تصویر تطبیقی برای مقایسه و استفاده از روابط نرمال شده برای پیدا کردن پیکسلهایی شبیه به عنبیه از دیگر خصوصیات کار ویلدز می‌باشد.

    درسال 1998بولز(Boles) و بوشاش(Boashash) [12,13] در یک سیستم تشخیص عنبیه پیشنهاد کردند که هیچ تفاوتی از تغییر Wavelet در انواع رزلوشن‌های محاسباتی بر اساس دایره‌های هم محور در عنبیه وجود ندارد و خلاصه اینکه نکات مهم پیشنهادی بولز و بوشاش مواردی از قبیل تجزیه شدن عنبیه براساس مجموعه یک بعدی از شدت سیگنالها و بکار بردن موج کوچک جهت تغییر شکل دادن و استخراج نقاط تقاطعی صفر در مقیاسهای مختلف و در نهایت مقایسه موقعیت‌هایی از نقاط تقاطعی صفر برای تطبیق عنبیه می‌باشد.

    در سال 1999 ژو(Zhu)، تان(Tan) و وانگ(Wang) [14] یک الگوریتمی برای استخراج خصوصیات الگوهای عنبیه از فیلتر کردن Gabor چند کانالی و تغییر شکل Wavelet استفاده نموده‌اند.

    در سال 2003 لی ما (Li Ma)[15,16] به کمک تان، وانگ و ژانگ تشخیص انسان بر اساس بافت عنبیه و در سال 2004 نیز آثار تشخیص عنبیه توسط تشریح کلید متغیرهای محلی را در ادامه مبحث تشخیص عنبیه توسعه دادند.

    3- تحلیل و تشخیص : برای تحلیل و تشخیص عنبیه ما مراحل زیر را در پیش گرفتیم: (نمودار 1 ) الف.

    گرفتن تصویر ب.

    جداسازی عنبیه ج.

    استخراج خصایص د.

    طبقه بندی نمودار1: مراحل تحلیل و تشخیص عنبیه چشم انسان 3.1- گرفتن تصویر: الگوى به کار رفته در عنبیه هر شخصى منحصر به فرد است.

    این الگو در چشمان راست و چپ یک شخص نیز یکسان نیست.

    شاید تصور شود که استفاده از فناوری اسکن عنبیه برای ورود به مکانی حفاظت شده در آینده عملی می شود اما در حقیقت این فناوری هم اکنون سیستم امنیتی بسیاری از اماکن سری مهم دنیا را تشکیل می دهد.

    در قلب این سیستم یک (CCD Charge Coupled Device) عناصر میکرو الکترونیکی که نور را به سیگنال تبدیل می کنند وجود دارد.

    این سیستم برای اینکه تصویری شفاف و با کیفیت بالا از عنبیه شخص بگیرد (تصویر 1و2) از نوری قابل رویت با فرکانسی نزدیک به فرکانس اشعه مادون قرمز استفاده می کند.

    بدین ترتیب مردمک چشم شخص بسیار تیره تر به نظر می‌رسد و در نتیجه کار کامپیوتر را برای جداسازی مردمک از عنبیه راحت‌تر می کند.

    وقتی که درون چشمی را از اسکنر نگاه می‌کنید دوربین به صورت خودکار بر روی عنبیه چشم شما تنظیم می‌شود.

    برای اینکه مطمئن شوید در جای درستی ایستاده‌اید سیستم به یک آینه مجهز می‌شود یا دستگاه با صدای رسا به شما اعلام می‌کند که چشم خود را در جای دقیقی نگاه داشته‌اید یا خیر.

    معمولا بایستی چشم شما ۱۰ تا ۲۵ سانتی متر از دوربین فاصله داشته باشد وقتی دوربین از عنبیه عکس می گیرد محل های زیر را مشخص می کند.

    (تصویر3) ۱ مرکز مردمک ۲ لبه مردمک ۳ لبه عنبیه ۴ مژه و پلک چشم، سپس الگوی عنبیه را آنالیز و به رمز ترجمه می کند.

    با توجه به دقت بالای این روش این اسکنرها اغلب در موارد امنیتی شدید استفاده می شود.

    طبق تحقیق‌های انجام شده چشم انسان از ویژگی های کاملا منحصر به فرد و یکتای او به شمار می رود.

    به طوری که احتمال اشتباه سیستم در این روش یک در ۱۰۷۸ است که بسیار قابل توجه است، همچنین اسکن از عنبیه این امکان را برای سیستم فراهم می سازد تا ۲۰۰ نقطه از عنبیه بررسی و مقایسه شود، در حالی که شناسایی از طریق اثر انگشت ۶۰ تا ۷۰ نقطه را بررسی می‌کند.

    در بدن انسان عنبیه چشم ساختاری ظاهری ولی به نوعی محافظت شده به حساب می‌آید، عضوی است که با گذر زمان دستخوش تغییر نمی‌شود و این ویژگی، این روش شناسایی را بیش از سایر روش ها ایده‌آل می‌سازد.

    در اکثر مواقع عنبیه چشم افراد پس از انجام عمل جراحی نیز بدون تغییر باقی می‌ماند.

    حتی افراد نابینا نیز می‌توانند از این روش استفاده کنند، البته تا زمانی که چشم آنها عنبیه داشته باشد.

    استفاده از عینک یا لنزهای تماسی هیچ کدام بر روال کار تشخیص، اختلال ایجاد نمی‌کنند و سبب تشخیص نادرست نمی‌شوند.

    3.2- جدا سازی عنبیه : قدم اول درجداسازی عنبیه شامل نقطه‌یابی داخلی وخارجی مرز درعنبیه است در سیستم دوگمان عملگرهای بخش 1 برای مشخص کردن مرکز و ضخامت عنبیه و مردمک چشم استفاده می‌شود.

    این عملگر ها دایره‌های هندسی از عنبیه و مردمک چشم استخراج می‌کند .در واقع آنها به عنوان دایره‌ای دیگرگرفته می‌شوند .

    در چشمان سالم صلبیه نسبت به عنبیه و مردمک چشم بطور کلی سیاهتر است.

    بشرطی که (x0, y0) دایره نیرومنداز دایرهای اطراف و شعاعش تفکیک شود.

    برای استفاده بهینه از کد های صحیح و کلی محاسبه زمانی برای موضع یابی صحیح برای یک پیکسل درعنبیه در حدود 250ms است .

    بنابراین این عملگرها قابل درک و مشهود هستند که بازتاب نمایش غیر عادی از نقطه منتشر شده مصنوعی است .

    برای نقطه گزاری به سوی مرکز از چشمان کاربر، ما از محو کردن نور در تصویر مصنوعی چشم استفاده می‌کنیم.

    این نقطه هیچ وقت در جایی گرفته نمی‌شود که نزدیک مردمک چشم باشد بلکه از مرز بین عنبیه و مردمک چشم از داخلی‌ترین حد در عنبیه شکست خورده گرفته می‌شود.

    دومین مرحله برای جستجوی دقیق‌تر مرز مردمک چشم، مرکز عنبیه و مرز عنبیه استفاده


تحقیق دانش آموزی در مورد دانلود ‫پروژه تشخیص خودکار عنبیه به کمک بعد فرکتال و شبکه عصبی MLP, مقاله دانشجویی با موضوع دانلود ‫پروژه تشخیص خودکار عنبیه به کمک بعد فرکتال و شبکه عصبی MLP, پروژه دانشجویی درباره دانلود ‫پروژه تشخیص خودکار عنبیه به کمک بعد فرکتال و شبکه عصبی MLP

چکیده به‌منظور تولید محصولات با کیفیت ثابت، مناسب است تا نظام‌های تولید برای جلوگیری از هرگونه انحراف غیرطبیعی در شرایط فرایند، نظارت شوند. چارت‌های کنترلی نقش مهمی در حل مشکلات کنترل کیفیت دارند؛ با وجود این اثربخشی آنان به شدت به فرضیات آماری بستگی دارد که در کاربردی واقعی صنعتی غالباً زیر پا گذاشته می‌شوند. برخلاف شبکه‌های عصبی می‌توانند میزان بسیار زیادی از داده‌های مخل را ...

بیماران قلبی بعضی مواقع دچار حملات ناگهانی می شوند که این وضعیت باعث به وجود آمدن صدماتی در بیمار و یا باعث مرگ وی خواهد شد.حال با بررسی سیگنال ECG که شامل اطلاعات بسیار مهمی از وضعیت قلب است می توان، بسیاری از بیماری های قلبی را تشخیص داد. بنابراین پیش بینی این سیگنال ها حتی برای چند ثانیه برای پزشک معالج مفید خواهد بود. چون این سیگنال ها به صورت غیر خطی بوده و شبکه های عصبی ...

مقدمه شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است. الگوریتم یادگیری پس انتشار خطا2، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل3 می باشد و در چارچوب یادگیری عملکردی 4 قرار می گیرد. عمومیت ...

در این تمرین روش های استخراج ویژگی و روش های خطی و غیر خطی دسته بندی را مورد مطالعه قرار می‌دهیم. در ابتدا روش های مختلف استخراج ویژگی که از آن جمله PCA، LDA، روش قاب بندی و چند روش دیگر هستند را و سپس برای ویژگی های استخراج شده از روش های دسته بندی خطی بیزین و SVM خطی و سپس روش های غیر‌خطی RBF ، MLP و همچنین SVM غیر‌خطی برای دسته بندی استفاده شده‌ است. بسته به روش شناسایی بکار ...

یکی از مشکلات همیشگی در پردازش سیگنال ها، وجود سیگنال های ناخواسته (noise) می باشد. برای حذف noise یا نمایان کردن قسمت های مورد نیاز سیگنال، که دارای مشخصات خاص می باشند، نیاز به فیلتر می باشد. فیلترها را می توان به دو دسته کلاسیک و وقفی (Adaptive) تقسیم کرد. فیلترهای کلاسیک که دارای مشخصات، تابع تبدیل و پاسخ فرکانس ثابتی هستند، در دو نوع آنالوگ و دیجیتال وجود دارند. نوع آنالوگ ...

مروری بر سیستم تشخیص گفتار و کاربرد آن چکیده: سیستم تشخیص گفتار نوعی فناوری است که به یک رایانه این امکان را می دهد که گفتار و کلمات گوینده را بازشناسی و خروجی آنرا به قالب مورد نظر، مانند "متن"، ارائه کند. در این مقاله پس از معرفی و ذکر تاریخچه‌ای ازفناوری سیستم ها تشخیص گفتار، دو نوع تقسیم بندی از سیستمها ارائه می شود، و سپس به برخی ضعف ها و نهایتاً کاربرد این فناوری ...

هوش محاسباتی یا (Computational-Intelligence) CI به معنای استخراج هوش، دانش، الگوریتم یا نگاشت از دل محاسبات عددی براساس ارائه به روز داده‌های عددی است. سیستم‌هایCI در اصل سیستم‌های دینامیکی مدل آزاد (Model-free) را برای تقریب توابع و نگاشتها ارائه می‌کند. در کنار این ویژگی بسیار مهم باید از ویژگی مهم دیگری در ارتباط با خصوصیات محاسباتی سیستم‌های CI نام برد، که در آن دقت، ...

چکیده: در عصر حاضر در بسیاری از موارد ماشین ها جایگزین انسانها شده اند و بسیاری از کارهای فیزیکی که در گذشته توسط انسانها انجام می گرفت امروزه توسط ماشین ها صورت می گیرد . اگرچه قدرت کامپیوترها در ذخیره، بازیابی اطلاعات و اتوماسیون اداری ،.. غیر قابل انکار است، اما همچنان مواردی وجود دارد که انسان ناچار است خودش کارها را انجام دهد. اما به طور کلی ، موارد مرتبط با ماشین شامل ...

مقدمه در سالیان اخیر شاهد حرکتی مستمر از تحقیقات صرفاً تئوری به تحقیقات کاربردی در پردازش اطلاعات برای مسائلی که راه حلی برای آنها موجود نیست بوده ایم. با توجه به این حقیقت توجه زیادی به توسعه تئوریک سیستمهای دینامیکی هوشمند مدل- آزاد بر اساس داده های تجربی وجود دارد. شبکه های عصبی مصنوعی جزء آن دسته از سیستم های دینامیکی قرار دارند که با پردازش بر روی داده های تجربی دانش در ...

امروزه با شکسته شدن پی در پی استقلال ، شاخه های مختلف علوم و بهره وری شاخه ای از شاخه ی دیگر و پیشبرد مسائل پیچیده خود، پیوستگی و لاینفک بودن تمامی شاخه های علوم را نمایان تر می سازد که سرمنشأ تمامی آنها از یک حقیقت نشأت گرفته و آن ذات باری تعالی است.اولین تلاش ها به منظور ارائه ی یک مدل ریاضی برای سیستم عصبی انسان در دهه 40 توسط Mcculloch , pitts انجام شد ، که حاصل آن یک نورون ...

ثبت سفارش