ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال

فرمت فایل اصلی : doc قابل ویرایش با نرم افزار ورد

تعداد صفحات: 166

1-1- مقدمه‌ای بر تشخیص هویت

افراد در زندگی روزمره‌ی خود با توجه به ویژگی‌های چهره، صدا و حتی نحوه راه رفتن اطرافیان می‌توانند دوستان و آشنایان خود را بشناسند. در واقع همه‌ی افراد ویژگی‌های خاص و منحصربفردی دارند که موجب تمایز آن‌ها از دیگران می‌شود. این ویژگی‌ها و مطالعه آن‌ها موجب پدید آمدن شاخه‌ای از علم به نام علم بیومتریک یا زیست سنجی شده‌ است. علم بیومتریک پیشینه‌ی طولانی در احراز هویت افراد دارد. در دورانی که هنوز رایانه‌ اختراع نشده بود و ابزارهای خودکار توسعه‌یافته‌ی امروزی وجود نداشت علم بیومتریک با شیوه‌های سنتی و غیرخودکار بکار می‌رفت. طی سال‌های متمادی از مدارکی مانند شناسنامه و کارت شناسایی به عنوان سندی برای شناسایی افراد استفاده می‌شد. به دنبال گسترده‌شدن دنیای مجازی و ابزارهای الکترونیکی استفاده از رمزها و کدهای دیجیتالی برای انجام امور مختلف جایگاه ویژه‌ای پیدا کرده است. پیشرفت‌های سریع و فراگیر‌شدن ابزارها از سویی و تمایل افراد به دنیای مجازی از سوی دیگر موجب شده است تا امنیت در سیستم‌های مختلف اهمیت بالایی پیدا کند. استفاده از رمزهای عبور در کنار مزیت‌های کاربرد آن، با چالش‌هایی مانند امکان فراموش یا فاش شدن روبرو هستند. از این رو علم بیومتریک دریچه‌ی تازه‌ای به دنیای امن و مطئمن گشوده است که در آن به احراز هویت افراد با شیوه‌های سریع و کم‌خطر می‌پردازد که نه قابل سرقت هستند و نه فراموش می‌شوند. منظور از احراز هویت، تایید صحت و درستی داده و اطلاعات است که به طور کلی با روش‌های مختلفی صورت می‌گیرد که عبارتند از:
1- احراز هویت مبنی بر مدارک، اسناد و یا ابزاری که فرد به همراه دارد (مبتنی بر توکن).
2- احراز هویت مبنی بر اطلاعاتی که افراد از آن آگاه هستند (مبتنی بر دانش خصوصی).
3- احراز هویت فرد، مبنی بر آنچه هست (مبتنی بر بیومتریک).
عوامل بیومتریک در دو دسته‌ی کلی عوامل رفتاری و عوامل فیزیکی دسته‌بندی می‌شود. دسته‌ی اول شامل ویژگی‌هایی مانند الگوی ضربات صفحه‌کلید، الگوی صدا، نحوه‌ی راه رفتن و … بوده و در دسته‌ی دوم ویژگی‌هایی مانند اسکن صورت، اسکن عنبیه، الگوی ضربان قلب و … بررسی می‌شوند. نتایج حاکی از آن است که عوامل فیزیکی کارایی بهتری نسبت به عوامل رفتاری از خود نشان داده‌اند. عامل بیومتریک باید به گونه‌ای باشد که تحت شرایط زیست‌محیطی و با گذر عمر تغییر نکند. از طرفی باید قابل استفاده برای عموم افراد باشد. یکی از پارامترهای مهم در سیستم‌های تشخیص هویت میزان کارایی عامل بیومتریک از نظر سرعت، هزینه و دقت است. هر چه با سرعت و دقت بالاتر و هزینه‌ی کم‌تری بتوان فرآیند شناسایی را انجام داد می‌توان گفت عامل بیومتریک مناسب و مؤثرتر از عوامل دیگر است. در واقع یک سیستم بیومتریک با اندازه‌گیری عوامل بیومتریکی به تشخیص الگوها می‌پردازد. فرآیند تشخیص هویت مراحل کلی اکتساب تصویر، استخراج ویژگی و تطبیق و تصمیم‌گیری را شامل می‌شود. مهم‌ترین بخش در این فرآیند استخراج ویژگی‌های مؤثر و مناسب است که توسط عملیات پردازش تصویر و روابط ریاضی انجام می‌شود. با استفاده از ویژگی‌های استخراج شده از الگوها، بردار ویژگی‌ها تولید می‌شود که برای تطبیق و تصمیم‌گیری در پایگاه داده‌ای ذخیره می‌شوند. البته روش‌های متعددی برای استخراج ویژگی بیان شده است که یکی از آنها با تکیه بر محاسبه‌ی بعد فراکتال تصاویر به این عمل می‌پردازد. از آنجائیکه در این پژوهش با راهبردی مبتنی بر فراکتال اقدام به استخراج ویژگی شده است در ادامه شرح مختصری از فراکتال و بعد آن بیان می‌شود.

1-2- مقدمه‌ای بر فراکتال و بعد آن

پدیده‌های طبیعی پیرامون ما مانند شکل ابرها، شبکه‌ی رودخانه‌ها، پشته‌های شن و … همگی دارای ساختاری تکراری و پرهرج‌ و مرج هستند. مطالعه‌ی این ساختارها و کشف الگوهای تکرارشونده و روابط ریاضی آنها موجب پدیدآمدن هندسه‌ی فراکتالی شده است. فراکتال یا برخال اولین بار توسط دانشمند انگلیسی به نام مندلبروت کشف و معرفی شد. اساساً فراکتال متشکل از زیرمجموعه‌هایی است که در جزء شبیه کل هستند. این ویژگی را خودمتشابهی می‌نامند که درجه‌ی خودمتشابهی در اشکال مختلف، متفاوت است. به دلیل داشتن این ویژگی، شیء فراکتال از دور و نزدیک یکسان به نظر می‌رسد. به عنوان مثال اگر یک قطعه‌ از برگ سرخس بریده و با مقیاسی بزرگنمایی شود نهایتاً نشان‌دهنده‌ی تمام ویژگی‌ها و جزئیات شکل اولیه‌‌ خود خواهد بود. دلیل این امر گسترش جزئیات شیء در همه‌ی ابعاد و جهات است که از آن به خودمتشابهی عینی یا کامل یاد می‌شود. احجامی مانند مکعب‌ها و استوانه‌ها در هندسه‌ی اقلیدسی می‌گنجند. این اشکال از قوانین خاص و روابط ریاضی پیروی می‌کنند که توسط آنها نمی‌توان به بررسی و توصیف اشکال فراکتالی پرداخت. به عبارتی دیگر هندسه‌ی اقلیدسی در بیان ویژگی‌ها و بررسی خواص فراکتال‌ها ناتوان است. از اینرو هندسه‌ی فراکتالی پدید آمد تا بتواند این کمبود را جبران کند. تمامی احجام در هندسه‌ی اقلیدسی بعدی صحیح دارند، مثلاً خط دارای بعد یک، صفحه دارای بعد دو و مکعب دارای بعد سه می‌باشد. این در حالیست که نمی‌توان برای شیء فراکتالی بعدی صحیح تعیین کرد بلکه آنها بعدی غیرصحیح و اعشاری دارند. به عنوان نمونه مثلث سرپینسکی دارای بعدی برابر با 58/1 می‌باشد که از نظر هندسی یعنی میان خط و صفحه قرار دارد (میزان پیچیدگی‌های آن بین خط و صفحه است). منظور از بعد، بیان میزان پیچیدگی‌های و ناهمواری‌ها در یک شیء است. حتی می‌توان با محاسبه‌ی بعد فراکتال مجموعه‌ای از داده‌ها، رفتار آنها را در آینده پیش‌بینی کرد. مانند کاربرد فراکتال‌ها در بررسی سری‌های زمانی و پیش‌بینی بازار بورس. به طور کلی در هندسه‌ی فراکتالی، هر شیئی که دارای ویژگی‌های خودمتشابهی، بعد اعشاری و پیچیدگی در مقیاس خرد باشد فراکتال شناخته می‌شود. روش‌های متعددی برای محاسبه‌ی بعد فراکتال بیان شده است که از معروف‌ترین و پرکاربردترین آنها می‌توان بعد جعبه‌شماری افتراقی را نام برد. روش‌های بعد جعبه‌شماری افتراقی نسبی، بعد جعبه‌شماری با اعمال شیفت و … به عنوان روش‌های اصلاحی بیان‌ شده‌اند. پژوهش حاضر با استفاده از این روش‌ها به محاسبه‌ی بعد تصاویر، جهت تشخیص هویت می‌پردازد.

فهرست مطالب

عنوان صفحه
فصل اول: مقدمه
1-1- مقدمه‌ای بر تشخیص هویت
1-2- مقدمه‌ای بر فراکتال و بعد آن
1-3- اهداف و ساختار پروژه
فصل دوم: ادبیات موضوع
2-1- مقدمه
2-2- فناوری بیومتریک
2-2-1- سیستم‌های تشخیص هویت
2-2-1-1- مبتنی بر توکن
2-2-1-2- مبتنی بر دانش خصوصی
2-2-1-3- مبتنی بر بیومتریک
2-2-2- مفهوم بیومتریک
2-2-3- نمای سیستم بیومتریک
2-2-4- پارامترهای مهم در سیستم‌های بیومتریک
2-2-5- خصوصیت یک سیستم بیومتریک
2-2-6- انواع روش‌های بیومتریک
2-2-6-1- بیومتریک اثر انگشت
2-2-6-2- بیومتریک عنبیه
2-2-6-3- بیومتریک تشخیص چهره
2-2-6-4- بیومتریک هندسه‌ی دست و انگشت
2-2-6-5- بیومتریک صدا
2-2-6-6- بیومتریک اثر کف دست
2-2-6-7- بیومتریک رگ‌ انگشت
2-3- عملیات کلی در سیستم تشخیص هویت
2-3-1- اکتساب تصویر FV
2-3-2- پیش‌پردازش تصویر
2-3-2-1- برش ناحیه مطلوب ROI بر اساس موقعیت نوک انگشت
2-3-2-2- برش ناحیه مطلوب ROI بر اساس پنجره W
2-3-2-3- نرمال‌سازی و بهبود کنتراست تصویر FV
2-3-3- بررسی چند روش استخراج ویژگی به منظور تشخیص هویت
2-3-3-1- استخراج ویژگی با فیلتر گابور
2-3-3-2- استخراج ویژگی FV با تکنیک Blanket
2-3-3-3- Lacunarity بر اساس تکنیک Blanket
2-3-3-4- الگوریتم PCA
2-3-3-5- الگوریتم ICA
2-3-3-6- تبدیل فوریه
2-3-3-7- کد سوبل
2-3-3-8- استخراج ویژگی با روش SIFT
2-3-4- تشخیص و تطبیق الگو
2-3-4-1- تشخیص و کلاس‌بندی براساس میزان شباهت کسینوسی
2-3-4-2- تطبیق با استفاده از تکنیک Blanket و Lacunarity
2-4- فراکتال‌ها و ویژگی‌های آن
2-4-1- پیدایش فراکتال‌ها
2-4-2- مفهوم فراکتال
2-4-3- خصوصیات اشکال فراکتال
2-4-4- هندسه‌ی فراکتال
2-4-4-1- ایده‌ی خود متشابهی و تاریخچه‌ی آن
2-4-5- انواع فراکتال‌ها
2-4-6- تولید فراکتال‌ها
2-4-6-1- فراکتال‌های تولید شده توسط تبدیلات تکراری IFS
2-4-6-2- تولید فراکتال‌ها توسط چندجمله‌های مختلط به عنوان تابع اولیه
2-4-6-3- تولید فراکتال‌ها توسط L-System
2-4-6-4- فراکتال‌های تصادفی
2-5- جمع بندی
فصل سوم: روش های محاسبه بعد فراکتال
3-1- مقدمه
3-2- بعد فراکتال و نحوه‌ی محاسبه‌‌ی آن
3-2-1- بعد هاسدورف
3-2-2- بعد جعبه‌شماری(BC)
3-2-2-1- محاسبه بعد جعبه شماری برای تصاویر با سطح خاکستری
3-2-3- بعد همبستگی
3-2-4- بعد رنی
3-2-5- بعد بسته‌‌ای
3-3- روش‌های محاسبه بعد جعبه شماری تصاویر خاکستری
3-3-1- روش DBC
3-3-1-1- مروری بر اشکالات روش DBC
3-3-2- روش اصلاح شده DBC (LI’S DBC)
3-3-2-1- اصلاحیه‌ی اول انتخاب عرض جعبه
3-3-2-2- اصلاحیه‌ی دوم محاسبهی حداقل تعداد جعبه‌ها
3-3-2-3- اصلاحیه‌ی سوم پارتیشن‌بندی سطح شدت تصویر
3-3-3- روش SDBC
3-3-4- روش RDBC
3-3-5- روش LIU’S DBC
3-3-5-1- اصلاح مکانیزم BC
3-3-5-2- انتقال بلوک‌های جعبه در تصویر
3-3-5-3- انتخاب مناسب اندازه‌ی جعبه
3-4- اعمال روشهای محاسبه بعد فراکتال بر تصاویر خاکستری و مقایسه‌ی آنها
3-4-1- اعمال روشهای محاسبه بعد فراکتال بر روی تصاویر با ناهمواری مشابه
3-4-2- اعمال روشهای محاسبه بعد فراکتال بر روی تصاویر با سطح خاکستری شارپی
3-4-3- اعمال روشهای محاسبه بعد فراکتال بر روی تصاویر بافت طبیعی
3-5- جمع‌بندی
فصل چهارم: روش پیشنهادی
4-1- مقدمه
4-2- اعمال ماسک‌ بر تصاویر FV
4-2-1- تصویر افقی و عمودی هموارسازی شده
4-2-2- تصویر با سطح خاکستری کم‌ارزش
4-2-3- تصویر با سطح خاکستری پر ارزش
4-2-4- ماسک سوبل عمودی و افقی
4-2-5- بعد مالتی فراکتال تصویر اصلی
4-2-6- محاسبه‌ی بعد مالتی فراکتال توسط روش‌ RDBC
4-3- روش پیشنهادی
4-3-1- فلوچارت روش پیشنهادی
4-3-2- اعمال ماسک بر تصویر
4-3-3- استخراج ویژگی
4-3-4- تطبیق و تصمیم‌گیری
4-4- بهبود روش پیشنهادی
4-5- جمع بندی
فصل پنجم: نتایج وبحث
5-1- مقدمه
5-2- معرفی پایگاه‌های تصاویر استفاده شده در پژوهش
5-3- بررسی پارامترهای کارایی روش پیشنهادی
5-4- مقایسه با روش‌های موجود
5-5- جمع بندی
فصل ششم: نتیجه گیری و کارهای آینده
6-1- نتیجه‌گیری
6-2- کارهای آینده