K-TDA sözlük öğrenmesi ile görüntü zenginleştirerek iris tanıma
Iris recognition based on image enhancement using K-SVD dictionary learning
- Tez No: 682058
- Danışmanlar: DR. ÖĞR. ÜYESİ NURDAN BAYKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Sayısal görüntü işleme, Digital image processing
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Biyometri, kullanıcının fiziksel ve davranışsal özelliklerini tanıyarak kimlik saptamak üzere geliştirilmiş bilgisayar kontrollü, akıllı sistemler için kullanılan genel bir terimdir. Bu tez çalışmasında, biyometrik sistemlerin bir alt dalı olan iris tanıma yöntemi ile kimlik doğrulama sistemi gerçekleştirilmiştir. İris tanıma sistemleri birbirini takip eden aşamalardan oluşmaktadır. Tez kapsamında Casia İris veritabanından alınan görüntüler kullanılmıştır. Kullanılan yöntemde iris resmi veritabanından alınmakta, ortanca filtresi uygulanarak bulanıklaştırılmaktadır. Daha sonra gözbebeği sınırları tespit edilmiştir. Takip eden aşamada iris bölgesi Dairesel Hough Dönüşümü Yöntemi ile belirlenmekte ve iris bölgesi görüntünün geri kalanından ayrılmaktadır. Daha sonra Kartezyen koordinattan polar koordinata geçiş yapılmıştır. Bu sayede iris görüntüsü matris formatında dikdörtgen hale dönüştürülmüştür. Polar koordinata dönüştürülmüş tüm görüntüler 256x64 piksel olarak yeniden boyutlandırılmış ve tüm görüntüler standart hale getirilmiştir. Önişlem aşamalarından geçerek, iki boyutlu matris formatında standart boyutlara getirilen görüntüler normalize edilmiş ve daha sonra ayrılan iris bölgesi üzerinden K-Tekil Değer Ayrıştırma (K-TDA) sözlük öğrenme yöntemi ile görüntü zenginleştirme yapılarak irise ait ayırt edici özelliklerin belirginleştirilmesi sağlanmıştır. Bu sayede elde edilen özellik vektörleri ile iris görüntüleri üzerinde Yapısal Benzerlik İndeksi (YBİ), Hamming Uzaklığı (HU), Öklid Uzaklığı (ÖU) ve Ortalama Karesel Hata (OKH) kullanılarak karşılaştırma yapılmakta, doğrulama ve tanılama sistemleri oluşturulmaktadır. Segmentasyon hataları, iris tanıma başarınım yüzdeleri, hata yüzdeleri literatür ile karşılaştırmalı olarak incelenmiş, önerilen yöntem literatürdeki yöntemlerle rekabetçi başarınımlar sunmuştur. Tez kapsamında geliştirilen ve Öklid Uzaklığı kullanan yöntem %99.86 başarı göstermiştir. Hatalı kabul oranı %0 olarak gerçekleşirken, hatalı reddetme oranı 0.0014 olmuştur.
Özet (Çeviri)
Biometrics is a general term used for computer-controlled, automated and smart systems developed to identify the user by recognizing the physical and behavioral characteristics. In this thesis, an identity verification system implemented with iris recognition method, which is a sub-branch of biometric systems. Iris recognition systems consist of successive stages. Images taken from Casia Iris database were used in the scope of the thesis. In the method, the iris picture is taken from the database and blurred by applying the median filter. Then the pupil boundaries are determined. In the next step, the iris region is determined by the Circular Hough Transform Method and the iris region is separated from the rest of the image. Later, a transition was made from Cartesian coordinate to polar coordinate. In this way, the iris image is transformed into a rectangular form in matrix format. All images converted to polar coordinates were resized as 256x64 pixels and all images were standardized. After going through the preprocessing stages, the images brought to standard dimensions in two-dimensional matrix format were normalized and then the distinctive features of the iris were clarified by enriching the images with the K-Singular Value Decomposition (K-SVD) dictionary learning method over the separated iris region. By this means, comparison is made on iris images with the feature vectors obtained by using Structural Similarity Analysis (SSIM), Hamming Distance (HD), Euclidian Distance (ED) and Mean Squared Error (MSE) and verification and diagnosis systems are established. Segmentation errors, iris recognition success percentages and error percentages were examined in comparison with the literature, and the proposed method presented competitive successes with the methods in the literature. The method developed within the scope of the thesis using Euclidean Distance has shown 99.86% success. While the false acceptance rate was 0%, the false rejection rate was 0.0014.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Çeviri dersinde yapılaşma (uygulama sorunları-yöntem önerileri)
Strukturierung im übersetzungsunterricht (probleme der praxis-vorschlage zur methodik)
A. TURGAY KURULTAY
Doktora
Türkçe
1989
Eğitim ve Öğretimİstanbul ÜniversitesiAlman Dili ve Edebiyatı Bilim Dalı
PROF.DR. ŞARA SAYIN
- Manisa yöresinde demir eksikliği anemi prevalansı ve demir eksikliği anemisinde tarama testi olarak rutin hemogram, RDW ve ferritinin kullanımı
The prevalance of iron deficieny anemia in Manisa and using of hemogram, RDW and ferritin for searcing of iron deficiency anemia
VİLDAN ÜRK TAŞYENEN
Tıpta Uzmanlık
Türkçe
2006
Çocuk Sağlığı ve HastalıklarıCelal Bayar ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF.DR. ALİ ONAĞ
- Das Leseverstehen allgemein und lim deutsch als Fremdsprache-unterricht
Başlık çevirisi yok
SERPİL BAL
