Periocular Recognition Based on LBP and PCA
| العنوان بلغة أخرى: |
التعرف من خلال محيط العين على أساس النمط الثنائي المحلي وتحليل المكون الرئيسي |
|---|---|
| المؤلف الرئيسي: | الخزعلي، سيرين محمد فلاح (مؤلف) |
| مؤلفين آخرين: | البشير، محمد سعيد منصور (مشرف) |
| التاريخ الميلادي: |
2020
|
| موقع: | المفرق |
| الصفحات: | 1 - 39 |
| رقم MD: | 1171715 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة آل البيت |
| الكلية: | كلية الأمير الحسين بن عبد الله لتكنولوجيا المعلومات |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
12
| المستخلص: |
نظرا لأهمية الأبحاث المستخدمة في التعرف إلى الهوية من خلال العين في الوقت الحاضر وكثرة الاستفادة منه، تعامل الباحثون مع العين من ثلاثة مداخل، القزحية، ومحيط العين، والقزحية ومحيطها. يركز هذا البحث على منهج كلي لاستخدام العين ككل؛ القزحية ومحيطها، لأغراض تحديد الهوية. تم اقتراح وتطوير نظام التعرف بمحيط العين باستخدام نظام مزدوج مكون من النمط الثنائي المحلي (LBP) وتحليل المكون الرئيس (PCA) في مرحلة استخراج الميزات واستخدام خوارزمية أقرب جار (k-NN) في مرحلة التصنيف كمصنف. يتكون النظام المقترح من ثلاث مراحل رئيسة، هي المعالجة المسبقة، واستخراج المعالم، والتصنيف. يتم تطبيق المعالجة المسبقة على الصور لتحويلها إلى تدرج رمادي، وفي مرحلة استخراج المعالم يتم أولا تطبيق (LBP) لاستخلاص خاصية النسيج (Texture) من الصور واستخدامها في (PCA) لتقليص أبعاد البيانات والحصول على بيانات مترابطة لاستخراج الميزات الهامة فقط. يتم تطبيق الخطوتين السابقتين على مرحلتي التدريب والاختبار باستخدام مصنف (k-NN) للوصول إلى أقرب تعرف. تم اختبار النظام المقترح على قاعدة بيانات (PolyU) باستخدام أكثر من أساس تجربة، ونفذت تجارب لتقييم أداء النظام باستخدام جميع العينات التي وفرتها قاعدة البيانات، والبالغ عددها (209) عينة. بالإضافة إلى ذلك تم تطبيق الأداء على منظومة بيانات جزئية مكونة من (140) عينة. كما وفرت قاعدة البيانات أكثر من طيف لصور التقطت باستخدام الطيف المرئي والأشعة تحت الحمراء. فحص أداء النظام باستخدام كل واحد من هذين النطاقين منفردا للمطابقة، ثم فحص الأداء عليهما معا، وهي الطريقة المعروفة بتقاطع النطاقات (Cross-Spectrum). وقد استفاد هذا البحث من توفر صور للعينين اليمنى واليسرى، وفحص أداء النظام المقترح على صور كل واحدة منها وعلى صورهما معا. كشفت نتائج الفحص والتجريب عن أن دقة التعرف كانت في أغلب الحالات أعلى من قيم دقة التعرف التي تنتجها أنظمة منشورة في الأدب العلمي، وكانت أفضل دقة تعرف حققها النظام المقترح هنا (98.21%)، وكانت مرتبطة بالمنظومة الجزئية المكونة من (140) عينة (صورة). |
|---|
عناصر مشابهة
-
Offline Signature Recognition Using Wavelet Packet Decomposition and a Neural Network
بواسطة: العليمات، محمد عبدالعزيز عودة الله منشور: (2021) -
Adsorption of some Fluoroquinolones on Selected Adsorbents
بواسطة: حطاب، أريج محمد غازي عبدالرحمن منشور: (2010) -
Fault Diagnosis and Condition Monitoring of Brushless Dc Motor Drive
بواسطة: الدعيبس، عبير نايف محمد منشور: (2020) -
Moving Objects Tracking Based on ANN and Adaptive Control
بواسطة: Qaid, Mahmoud Mohamed Hamoud منشور: (2021) -
Face Recognition Based Automatic Attendance System Using Artificial Intelligence Concept
بواسطة: Hamed, Moayad Abdelhafeez Arbab منشور: (2021)
