Geri Dön

Özellik çıkarma ve sınıflandırma algoritmaları kullanılarak iris tanıma

Iris recognition using feature extraction and classification algorithms

PDF İndir

  1. Tez No: 510990
  2. Yazar: KORAY POLAT
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BAHATTİN KARAKAYA, DR. ÖĞR. ÜYESİ ABDURRAHİM AKGÜNDOĞDU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 54

Özet

Biyometrik tanıma sistemleri ile karşılaştırıldığında iris tanıma, iris yapısının benzersiz oluşu ve yapısını yaşlanmaya karşı koruması sebepleriyle tercih edilir. Bununla birlikte, düşük kaliteli iris görüntüleri, değişen aydınlatma koşullarında görüntü elde edilmesi, göz kapağının ve iris bölgesindeki kirpiklerin gürültü etkisi genel olarak iris tanıma sistemlerinin performansını olumsuz yönde etkilemektedir. Bu yazıda, göz görüntülerinde eliptik maske ile segmentasyon için yeni bir yöntem sunulmaktadır. Önerilen segmentasyon yönteminden sonra çıkarılan özellik vektörlerine 2 boyutlu ayrık dalgacık dönüşümü (2B-DD) uygulanır. MATLAB kullanılarak çıkarılan özellikler daha sonra WEKA (Makine öğrenmesi amacıyla Waikato üniversitesinde geliştirilmiş yazılım) platformunda eğitilmiş ve test edilmiştir. Yapay sinir ağları (YSA) sınıflamasının performansı, farklı makine öğrenme algoritmaları ve literatürde farklı özellik çıkarma yöntemleri ile karşılaştırılmıştır. Çalışma CASIA Thousand veritabanında uygulanmış ve rasgele seçilmiş 10 sınıf ile % 90.00 tanıma oranı elde edilmiştir. Her sınıftan 20 resim, tüm sınıflardan toplam 200 resim olarak gerçekleştirilmiştir. Bu resimlerin %70'i eğitim verileri ve %30'u test verileri olarak sınıflandırılmaktadır. 2B-DD (2 boyutlu ayrık dalgacık dönüşümü) ile çıkarılan özelliklere polinomsal çekirdek ön işlem adımı uygulanır. Deneysel sonuçlar önerilen yöntemin başarılı olduğunu ve diğer yöntemlere göre tercih edilebilir olduğunu göstermektedir.

Özet (Çeviri)

The iris is preferred as a biometric property comparing other biometrics by courtesy of its stability and uniqueness. However, low-quality iris images, acquisition under varying lighting conditions, noise effect of eyelid and eyelashes on iris area have a negative impact on the performance of iris recognition systems in general. This paper presents a novel method for segmentation through an elliptic mask on eye images. The feature extraction is applied through 2 Dimensional Discrete Wavelet Transform after proposed segmentation method. The features extracted using MATLAB are then trained and tested on WEKA platform. The performance of Artifical Neural Network classification is compared with different machine learning algorithms as well as different feature extraction methods in the literature. The work is applied on CASIA Thousand database and %90.00 recognition rate is achieved with randomly selected 10 classes. Twenty pictures are used from each of the classes as a total of 200 pictures from all classes. 70 percent of these pictures are classified as training data and 30 percent of them as test data. PolyKernel preprocess step is applied to the pictures that are feature extracted by 2D DWT. The experimental results show that proposed method is a success and preferable to compare other states of the art methods.

Benzer Tezler

  1. Tez No

    541786

    Deep convolutional neural network based unconstrained ear recognition

    Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma

    FEVZİYE İREM EYİOKUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAZIM KEMAL EKENEL

  2. Tez No

    559079

    Güncel makine öğrenmesi teknikleri ile iris görüntülerinden cinsiyet analizi

    Gender analiysis on iris images using novel machine learning techniques

    TUĞBA AÇIL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YAKUP KUTLU

  3. Tez No

    824873

    Sinyal ayrıştırma teknikleri ve derin öğrenme modeli kullanılarak eeg sinyallerinden zihinsel iş yükünün otomatik tespiti

    Automatic detection of mental workload from eeg signals using signal discrimination techniques and deep learning model

    HÜSEYİN CAN AY

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilim ve TeknolojiKütahya Dumlupınar Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞÜKRÜ KİTİŞ

  4. Tez No

    892154

    Condition monitoring and fault detection for electrical power systems using signal processing and machine learning techniques

    Sı̇nyal ı̇şleme ve makı̇ne öğrenme teknı̇klerı̇ kullanılarak elektrı̇k güç sı̇stemleri ı̇çı̇n durum ı̇zleme ve arıza belirleme

    YASMIN NASSER MOHAMED

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAHİN SERHAT ŞEKER

  5. Tez No

    405889

    Konuşan parmaklar

    Speaking fingers

    ZEKERİYA KATILMIŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İLHAMİ MUHARREM ORAK

    DOÇ. DR. ALPASLAN DUYSAK

Geri Dön