تصحیح گاما
به علت اهمیتی که پردازش تصویر در زمینههای مختلف ایفا میکند، استفاده از روشهای بهسازی تصویر ضروری به نظر میرسد و اخیرا توجه بسیاری از محققین را به خود جلب نموده است. بیشتر کارهایی که در زمینه بهسازی تصویر انجام شده است مربوط به حذف نویز و رفع اثر بلورینگ میباشد. علی رغم اینکه بهبود روشنایی تصویر به عنوان یکی از پیشپردازشهای مهم محسوب میشود این موضوع کمتر مورد بررسی قرار گرفته است. برای مثال با تغییر نور صحنه از یک محیط به محیط دیگر، بسیاری از الگوریتمهای ردیابی اشیا با شکست مواجه میشوند. همچنین در سیستمهای تشخیص چهره، تغییر نور تصویر ممکن است منجر به عدم شناسایی صحیح شخص شود. از اینرو، بهبود روشنایی تصویر در بسیاری از کاربردها ضروری بهنظر میرسد.
عوامل مختلفی وجود دارند که بر روشنایی تصویر تاثیر نامطلوبی میگذارند از جمله بسیاری از دستگاههای تصویربرداری به دلیل مشکلات فنی قادر به نمایش محدودۀ رنگ قابل مشاهده توسط چشم انسان نیستند بدینگونه که محدودۀ رنگ کمتری را نمایش میدهند در نتیجه برخی از جزئیات تصویر از بین میروند. علاوه بر این، به علت ضعف دوربینها در پیادهسازی ساختار چشم انسان برای نمایش بافت و عمق مختلف تصویر و همچنین شرایط مختلف محیطی همانند برخورد هر گونه نور ناخواسته به لنز دوربین نیز اثرات مخربی بر روی روشنایی تصویر ایجاد میکنند که سبب میشوند تصاویر روشنایی مطلوب را نداشته باشند.
این کار از اصلاح گاما جهت بهبود روشنایی تصویر استفاده نموده است.
همانطور که در برنامه خواهید دید ما به هدف خود یعنی اصلاح گاما میرسیم اما در این برنامه کل تصویر بهبود می یابد ولی هدف ما اصلاح بخشی از تصویر می باشد به این معنی که مامیخواهیم که قسمتی از تصویر که تار می باشد با این روش و دادن مقدار گامای مربوطه فقط در قسمت مشخص شده تاثیر گذارد ودر قسمتهای دیگر تصویر تاثیر نگذارد.
عنوان
تشخیص هویت با استفاده از عنبیه چشم بوسیله شبکه عصبی
دانشگاه اراک
دانشکده فنی و مهندسی
گروه کامپیوتر
استاد راهنما:
دکتر لیلا فلاح عراقی
پژوهشگر:
ندا شیری
چکیده:
مسئله تشخیص هویت از طریق عنبیه جزئی از دانش بیومتریک است. بیومتریک در ارتباط با شناسایی افراد بر اساس ویژگیهای رفتاری یا زیستی آنهاست که اخیراً موردتوجه رسانه های عمومی قرار گرفته است. به نظر میرسد بیومتریک به طورگستردهای جزءاساسی ازتکنولوژی شناسایی افراد قرار بگیرد چون که: قیمت سنسورهای بیومتریک رو به کاهش هستند و این تکنولوژی درحال رشدسریعی میباشد و عامه مردم ازقدرت و محدودیت بیومتریک آگاه شدهاند. در این پایان نامه به بررسی این مسئله با استفاده از نوعی ازشبکه های عصبی مصنوعی به نام شبکه عصبی احتمالی پرداخته ایم. امروزه همزمان با افزایش توان الگوریتمهای هوشمند در تحلیلداده ها و طبقبندی و استخراج ویژگی و همچنین شناسایی سیستمها و الگوها، موارد استفاده این الگوریتمها در شاخه های مختلفعلوم رو به گسترش است. به صورتی که شاهد استفاده روزافزون از آنها در شاخه های علوم مهندسی، پزشکی، داروسازی، کشاورزی،اقتصاد، مدیریت، جامعهشناسی و غیره هستیم. یکی از پرکاربردترین انواع الگوریتمهای هوشمند شبکه های عصبی مصنوعی هستند.سیستمهای بر پایه شبکه عصبی به علت دارا بودن ویژگیهای خاص مثل همگرایی سریع، پیاده سازی آسان الگوریتم چه از لحاظ نرم افزاری و چه از لحاظ سخت افزاری حوزه کاربرد وسیعی یافته اند. ساختار شبکه های عصبی از روی ساختارهای پردازشی مغز مدل-سازی شده است. برای ورود داده ها به شبکه عصبی نیاز به استخراج ویژگیهای داده های مورد آزمایشاست تا شبکه بتواند بر اساساین ویژگیها آموزش داده شود. برای این منظور بایستی فرایند پیش پردازش بر روی تصاویر گرفته شده از عنبیه ها انجام بگیرد.ویژگیهای استخراج شده از دادهها به شبکه عصبی داده میشود و شبکه بر اساس این ویژگیها آموزش میبیند. و در نهایت شبکهآموزش دیده شده با داده های مختلف مورد آزمایش قرار میگیرد.
عنوان دیتاست
IITD Iris Image Database version 1.0
این پایگاه داده های تصویر عنبیه به طور عمده از تصاویر عنبیه از دانش آموزان و کارکنان در IIT Delhi، هند جمع آوری شدهاست.
آزمایشگاه تحقیقات بیومتریک در طول ژانویه.-ژوئیه. 2007 با استفاده از JIRIS، JPC1000، دوربین CMOS که دیجیتال است. تصاویر به دست آمده است در فرمت بیت مپ ذخیره شده است
پایگاه داده از 2240 تصاویر از 224 کاربران مختلف به دست آمده است و در دسترس آزادانه به محققان قرار گرفته است. تمام افراد مورد مطالعه در پایگاه داده در بین گروه سنی 14-55 سال شامل 176 مرد و 48 زن هست