طبقه بندی جنسیت از تصاویر بافت عنبیه با استفاده از مجموعه جدید از ویژگی های تصویر آماری باینری

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 608

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECICONFE04_050

تاریخ نمایه سازی: 28 بهمن 1398

چکیده مقاله:

با توجه به استفاده گسترده از الگوریتم هوشمند در زمینه شناسایی افراد، استفاده از روش طبقه بندی جنسیت می تواند نتایج بهتری ارائه کند. خصوصیات منحصر بودن، ثبات و پایداری و غیر قابل نفوذ، طبقه بندی جنسیت را بعنوان مکمل برای دستیابی به هویت اشخاص، بسیار قابل اعتماد، مناسب و جذاب می کند. نرخ پایین شناسایی و پیچیدگی های محاسباتی و زمانی بالا ما را بر این داشت تا با ارائه روش جدید و کارآمد این چالش ها را به حداقل برسانیم. تحقیقات گذشته نشان داده که با بخش بندی مناطق عنبیه به چهار ناحیه میتوان اطلاعات گسترده ای نسبت به کل عنبیه بدست آورد. در این مقاله ما به مرور الگوریتم BSIF و اطلاعات باینری شده تصاویر عنبیه برای طبقه بندی جنسیت خواهیم پرداخت. روش پیشنهادی مقاله استفاده از الگوریتم MBSIF که بهبود یافته BSIF می باشد به منظور بالا بردن نرخ شناسایی و استفاده از ماسک برای جداسازی چهار ناحیه از تصویر عنبیه که اطلاعات لازمه برای طبقه بندی را خواهندداد، به منظور بالا بردن سرعت و کاهش پیچیدگی محاسباتی می باشد. نتایج بدست آمده شامل 97/5% و 90/5% به ترتیب برای چشم چپ و راست گردیده.

کلیدواژه ها:

طبقه بندی جنسیت ، عنبیه ، ویژگی های آماری باینری ، بافت تصاویر

نویسندگان

مهران صادق جونقانی

دانشگاه شهید اشرفی اصفهانی

ناصر نعمت بخش

استادیار گروه کامپیوتر دانشگاه شهید اشرفی اصفهانی