تشخیص هویت با استفاده از ویژگی‌های محلی و ساختاری رگ‌های شبکیه چشم

سیستم تشخیص هویت بر اساس شبکیه چشم یک سیستم بیومتریک پایدار و قابل اعتماد است که اشکالاتی مانند فراموشی، لو رفتن، گم شدن و جعل شدن را ندارد. در این مقاله یک روش جدید با دقت عملکرد بالا ارائه می‌گردد که برخلاف سایر روش‌های مبتنی بر شبکیه در مقابل چرخش و جابجایی عروق مقاوم است. این سیستم شامل سه مرحله اصلی پیش‌پردازش، استخراج ویژگی و تطبیق ویژگی می‌باشد. استخراج عروق با روش تبدیل موجک پیوسته مختلط انجام می‌شود. در مرحله استخراج ویژگی با استفاده از عملگر تشخیص الگوی محلی رگ علاوه بر تشخیص نقاط ویژه انشعاب و تقاطع در شبکه عروق، ویژگی های این نقاط مانند تعداد شاخه، کوچکترین زاویه و نوع نقاط (انشعاب و تقاطع) استخراج می گردد. در مرحله تطبیق ویژگی، از تعداد نقاط ویژه منطبق در کنار میزان شباهت توپولوژی گراف حاصل از اتصال نقاط ویژه تصویر ورودی و تصاویر مرجع استفاده شده و در نهایت هویت فرد احراز می‌گردد. روش ارائه‌شده روی پایگاه داده ‌های drive، varia، diaret و stare اجرا شده‌اند که دقت تشخیص هویت در این پایگاه های داده به ترتیب 100%، 99/81 %، 99/7 % و 100 % بوده است.

Person Identification using Local and Structural Features of Retina Vessels

Retinabased identification system is a stable and reliable biometric system that does not have problems like oblivion, being exposed, lost, and forgery. In this paper, a new method with high precision performance is presented which, unlike other retinabased methods, is resistant to rotation and displacement of the vessels. The system consists of three main stages of preprocessing, extraction of features and matching of features. Extraction of vessels is carried out using mixed continuous wavelet transform method. At the extraction stage, using local pattern detection operator, the characteristic of the special points of the vessels, such as the number of branches, the smallest angle and the type of points (branch and intersection), is identified. In the matching of features step, the number of special matching points and the degree of similarity of the topology of the graph resulting from the connection of the feature points of the input image and the reference image are calculated and ultimately the identity of the individual will be detected. The proposed method has been implemented on the DRIVE, VARIA, DIARET and STARE databases, which it’s accuracy was100% , 99.81%, 99.7% and 100% respectively.