چکیده: برای بسیاری از محققان، روندی که به طور خودکار افراد را براساس رفتارهای بیومتریک شناسایی میکند به شدت مورد توجه واقع گردیده
است. بررسی هویت به کمک عنبیه از متداول ترین روشهای بیومتریک به شمار میرود که در مقایسه با سایر مؤلفه های بیومتریکی، باعث متمایز
شدن آن در کاربردهای امنیتی شده است. الگوریتم پیشنهادی از 1 مرحله اصلی تشکیل شده است: ارتقاء تصویر با الگوریتم Retinex ، مکانیابی
مرزهای داخلی و خارجی عنبیه، بخشبندی عنبیه، نرمالسازی، استخراج ویژگی و کدگذاری عنبیه.
در این مقاله، روش خودکار جدیدی برای
استخراج ویژگی از تصاویر عنبیه ارائه شده که در این الگوریتم از روش پنجره متحرک برای تولید بردار ویژگی استفاده شده است و سپس با استفاده از الگوریتم بهبود یافته دسته ذرات (Improved Particle Swarm Optimization) مسئله تعیین مقادیر بهینه بردارهای ویژگی بهینهسازیمیگردد. آزمایشهای انجامشده روی مجموعه داده CASIA ، نشان میدهد که با روش پیشنهادی مقاله، فضای حافظه موردنیاز تا حد قابل توجهی کاهش یافته و با بهرهگیری از معیارهای مختلف عملکرد ازجمله نرخ پذیرش نادرست (FAR) ، نرخ عدمپذیرش نادرست (FRR) ، نرخ تشخیص 31 %، نرخ خطای مساوی و شاخص تصمیم پذیری نشان داده شده که این روش میتواند با دقت بهتر و خطایکمتری عمل / الگوریتم به میزان 33 نماید. به علاوه، با استفاده از الگوریتم تکاملی پیشنهادی و با وزندار کردن ویژگیهای تصویر دقت تشخیص هویت افراد نسبت به روشهای پیشین افزایش یافته است.