автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Обработка изображения радужной оболочки глаза в системе идентификации личности

На правах рукописи

ХЕБАЙШИ МОХА МЕД АХМЕД

ОБРАБОТКА ИЗОБРАЖЕНИЯ РАДУЖНОЙ ОБОЛОЧКИ ГЛАЗА В СИСТЕМЕ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ

Специальность: 05.13.01 - Системный анализ, управление и обработка информации (промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Владимир 2003

Работа выполнена на кафедре «Вычислительная техника» Владимирского государственного университета

Научный руководитель:

Официальные оппоненты:

кандидат технических наук, доцент ЖИРКОВ Владислав Федорович

доктор технических наук, профессор БЕРНЮКОВ Арнольд Константинович кандидат технических наук ДОЛИНИН Александр Геннадьевич

Ведущая организация:

Московский государственный институт электроники и математики (МГИЭМ)

Защита состоится «_» сентября 2003г. В_часов на заседании

диссертационного совета Д.212.025.01 Владимирского государственного университета по адресу : 600000, г. Владимир, ул. Горького, д. 87, ауд. 211-1 (тел. (0922)279986)

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан «_» августа 2003 г.

Ученый секретарь диссертационного совета доктор технических наук,

профессор Р.И Макаров

Коктролыг; 4 зггзепп

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Потребность в высоко достоверной аутентификации личности существует с тех пор, как появилось организованное общество. Р1Ы-коды, пароли, идентификационные фотографии, магнитные кредитные карты и подписи стали неотъемлемой частью жизни современного общества. Однако, только с появлением компьютеров стала возможной автоматическая идентификация личности. Хотя РШ-коды, ключи и пароли достаточны для обеспечения невысокого уровня безопасности, они по своей сути уязвимы для взлома. Высокая безопасность может быть обеспечена только с иомощыо использования биометрических признаков (отпечатков пальцев, ДНК, черт лица и т.н.).

Одной из недовно появившихся перспективных технологий идентификации является распознавание по радужке глаза . Человеческая радужка имеет специфическую структуру и содержит много текстурной информации. Пространственные структуры, наблюдаемые в радужке, уникальны для каждого индивида. Индивидуальные различия проявляются в процессе анатомического развития. В частности, в биомедицинской литературе предполагается, радужка также индивидуальна как и рисунок сосудов сетчатки. Однако изображение радужки может быть получено более простыми средствами, чем изображение сетчатки. В сравнении с другими биометрическими объектами (такими как лицо, отпечатки пальцев, голос и т.д.), идентификация по радужке более стабильна и надежна. Поскольку радужка открьпа, идентификация по радужке неинвазивна, что является очень важным фактором для практических применений.

Перспективы идентификации по радужке не имеют границ. Существует много идей, касающихся применения этой технологии в различных областях. Сканирование ряпу-ж-к-и мджрт ы^шшлавянп как

РОС. НАЦИОНАЛЬНАЯ

БИБЛИОТЕКА } С.Петербу

ОЭ 300'

для обеспечения безопасности, так и для аутентификации. Распознавание по радужке может бьпь использовано как средство ограничения доступа в рабочее пространство. Сканирование радужки заменяет (или дополняет) пароли. Вместо запоминания нескольких паролей, человек может использовать радужку для входа в компьютерную систему. Он может периодически выполнять сканирование радужки для подтверждения аутентичности пользователя. Сканирование радужки может быть использовано в контрольно-пропускной системе на предприятии. Другое применение - противоугонные устройства автомобилей. Это сделает ненужными ключи. Сканирование радужки может найти широкое применение в тюрьмах и больницах для идентификации личности. Для массового распространения таких систем необходимо решить проблемы, среди которых следует назвать высокую надежность распознавания, простоту реализации, удобство применения и доступную цену. Нет сомнений, что в ближайшее время такие системы получат чрезвычайно широкое распространение.

Целью диссертационном работы . является разработка методов и алгоритмов распознавания изображения радужки глаза и создание прототипа эффективной системы идентификации личности.

Эффективность определяется быстродействием, вероятностью ошибок, стоимостью технических средств, надежностью.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Анализ существующих алгоритмов обработки изображения радужной оболочки глаза.

2. Анализ существующих систем признаков для идентификации по радужке.

3. Разработка новых эффективных алгоритмов обработки изображения радужной оболочки.

4. Разработка новой эффективной системы признаков радужной оболочки.

5. Разработка алгоритма распознавания личности в пространстве информативных признаков.

6. Сравнительное экспериментальное исследование известных и новых методов и алгоритмов идентификации личности по изображению радужной оболочки.

Научная новизна работы. Научная новизна диссертации состоит в следующем:

1. Разработан быстродействующий алгоритм многомасштабного анализа изображения для выделения радужной оболочки глаза, позволяющий эффективно обнаружить и провести нормализацию входного изображения.

2. Новая система признаков радужной оболочки глаза, построенная на основе знаков отклика БоО-фильтра в узлах ортогональной сетки, имеющая большую вычислительную эффективность по сравнению с известными решениями, основанными на фильтрах Габора.

3. Алгоритм идентификации личности в пространстве признаков радужной оболочки, основанный на вычислении расстояний Хэмминга, устойчивый к повороту изображения при наклоне головы в определенных пределах.

4. Сравнительные результаты экспериментальных исследований существующих и новых методов и алгоритмов идентификации личности по изображению радужной оболочки глаза.

5. Методика оптимизации параметров фильтров в алгоритме выделения признаков и разделяющей границы для принятия решения, основанная на теории статистических решений, применение которой позволяет повысить надежность распознавания.

Практическая ценность работы. Практическая значимость работы заключается в том, что предложены методики и алгоритмы для эффективно! о решения задач идентификации личности по изображению раду ясной оболочки глаза, построен действующий прототип системы, на котором эта эффективность была подтверждена и который может быть использован в качестве базы для дальнейшего развития в этой области.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на 5-ой международной научно-технической конференции ФРЭМЭ'2002 (г. Владимир), на LVIII научной сессии посвященной дню радио (г. Москва 2003), на III Международной научно-практической конференции (г. Новочеркасск 2003), на V Международной научно-техническая конференция. «Перспективные технологии в средствах передачи информации», 1-4 июля 2003г, г. Владимир.

На защиту выносится.

1. Алгоритм локализации радужной оболочки на изображении, имеющий высокое быстродействие и точность за счет многомасштабного анализа изображения.

2. Новая система признаков радужной оболочки глаза, построенная на основе знаков отклика DoG-фильтра в узлах ортогональной сетки, обладающая разделяющей способностью близкой к известным системам, но имеющая большую вычислительную эффективность.

3. Алгоритм идентификации личности в пространстве признаков радужной оболочки, основанный на вычислении расстояний Хэмминга, устойчивый к повороту изображения при наклоне головы в определенных пределах.

4. Сравнительные результаты экспериментальных исследований существующих и новых методов и алгоритмов идентификации личности по изображению радужной оболочки глаза.

5. Методика выбора параметров алгоритмов выделения признаков и распознавания изображения радужной оболочки, основанная на статистических данных.

6. Программно-аппаратная система поддержки экспериментальных исследований методов и алгоритмов идентификации личности по изображению радужной оболочки.

Публикации. По теме диссертации опубликовано 7 печатных работ.

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения , списка литературы и приложений. Общий объем работы 120 страниц, 34 рисунков и 8 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы исследования, формулируется цель и основные задачи исследования, а также содержатся сведения о практической значимости результатов диссертационной работы.

Первая глава посвящена анализу свойств изображений радужных оболочек. Проводится обзор литературных данных по методам идентификации на основе изображения радужной оболочки. Определены требования к качеству цифрового изображения, поступающего на вход системы. Схема алгоритма обработки изображения глаза в системе идентификации личности по изображению радужки приведена на рис. 1.

В первой главе определены критерии качества работы системы на различных этапах. Выявлены недостатки существующих алгоритмов и намечены пути повышения эффективности системы идентификации личности.

Во в юрой главе рассмотрены предварительные этапы обработки изображения радужной оболочки в системе идентификации личности.

(а)

(б)

Рис. 1. Схемы алгоритмов работы системы:

(а) - регистрация (Я) человека в системе идентификации личности,

(б) - идентификация (I) человека в системе идентификации личности.

Первая задача - определение радужки на входном изображении (Рис. 2.) и отыскание ее внутренней и внешней границ (локализация).

Выделение внешней границы выполняется (при различных масштабах изображения) путем максимизации суммы градиентов яркости в направлении перпендикулярном к границе радужки.

max(„ V)|G„ (r)* — <f y^ds | m

где J(x,y)— изображение глаза , г - радиус окружности по которой выполняется интегрирование, (лг0о'0)-координаты центра, ds - элементарная дуга, GCT(r) - гауссов фильтр с масштабным параметром а, * — операция свертки. Оператор является детектором размытых круговых перепадов с параметром размытия а. Оператор осуществляет итеративный поиск максимума контурного интеграла градиента в направлении радиуса окружности в пространстве трех параметров (х0,у„,г), определяющих путь интегрирования.

Схема предложенного алгоритма многомасштабной обработки изображения с последовательным уточнением приведена на рис. 3.

Предложенный алгоритм позволяет определить координаты центров и радиусы радужки и зрачка с точностью до одного пикселя при невысоких вычислительных затратах даже для изображений с большим разрешением. Размер радужки одного и того же человека может меняться из-за изменений условий съемки. В определенных пределах может меняться и освещенность радужки. Деформация текстуры радужки и изменение условий освещения влияет на распознавание. Для обеспечения более эффективного распознавания необходимо привести изображение к нормальным условиям. Геометрические искажения исправляются путем отображения кольца радужки в прямоугольную область постоянного размера.

Для компенсации изменения условий освещения выполняется преобразование яркости и кошраста, описываемое следующей формулой

4.x,у)' = * 128 j + Ш, (2)

1 M-lN-l

где /(л% у) - исходное изображение, 7=-£

MN г=0 ,=„

| ] 4/-1ЛМ

М, N -размеры изображения , а, = -.

у Лй^ — 1 1в0 ув0

Рис. 3. Схема интегрально-дифференциального алгоритма локализации радужной оболочки с последовательным уточнением.

В третьей главе работы проведен анализ различных текстурных признаков, применимых для информативного описания структуры радужной оболочки. Признаки должны обладать определенным набором качеств. В этот набор входят вычислительная эффективность, устойчивость к воздействию шума, нечувствительность к локальным изменениям яркости и контраста, высокая разделяющая способность. Перечисленными качествами обладают различные полосовые фильтры. Ранее были разработаны системы идентификации, основанные на применении фильтров Габора .

Комплексные вейвлеты Габора определяются следующим образом:

ц/{х,у,(00,(9) =

~^(4(м;озе+.умп в)' ^ (-л в ьусоьв)1)

к'

-У 2 як

¿(сОнХсовО+ш^уя'тв _ 2

где и'0- круговая частота, в - ориентация вейвлета, к - константа (к для полосы частот в одну октаву и к и 2,5 для полосы частот в 1,5 октавы).

В качестве признаков возможно использовать грубо квантованные значения фаз фильтров Габора в определенных точках изображения:

где Ч'(х,у) = 1(х,у)*у/(х,у,(о0,в) - свертка фильтра Габора У с изображением 1, (/',)) - позиция в которой определяется пара битов кода. На рис. 4а представлена схема получения квантованных фаз, на рис. 46 - исходное изображение и его код. Использование фазовой информации исключает вредное влияние изменения условий освещения.

Фильтры Габора содержат ряд параметров. Выбор части этих параметров не описан в опубликованных работах. В работе проведено статистическое исследование признаков на основе фаз фильтров Габора, в ходе которого определены оптимальные значения для центральной частоты и ориентации фильтров.

0, если Яе, |т [ 4» (;,у)] < О,

I, если Яе , 1т ( ¥ ((,.;)] £ 0,

(4)

(а)

(б)

Рис.4 . Определение кода радужки

В работе проведено детальное исследование признаков, основанных на фильтрах Габора. Полученные при моделировании результаты использованы для оценки эффективности новых методик и алгоритмов, предложенных в диссертации. Предложена также методика оптимизация выбора параметров фильтра, описанная в главе 5.

В диссертационной работе предложена система признаков на основе ОоО-фильгра.

Данный фильтр также является полосовым, но в отличие от фильтра Габора для вычисления отклика Оов-фильгра существуют эффективные рекурсивные алгоритмы.

Проведенные статистические исследования, позволяют выбрать оптимальные параметры ОоО-фильтров.

В четвертой главе рассмотрены вопросы управления работой распознающей системы.

В качестве меры сходства двух радужек используется расстояние Хемминга между И-разрядными бинарными кодами идентифицируемой (I) радужки и регистрированными (Я) значениями кодов, хранимых в базе

ОоС(х, у) = g{x, у, а) - g(x, у, 1.6 а),

(5)

где

данных: НЩ1С„1Сц)= п ® 1С,

1 £

где /С/./Сд-коды радужек, 1Сп, 1СШ -/-ыйбит кода 1СА.

Принятие решения основано на статистической теории, иллюстрируемой рис. 5.

Рис. 5. Условные плотности распределения вероятностей значений РХ Вероятность принятия ошибочного решения складывается из двух

1 г

вероятностей Рц= Р^ц + Р/д, где ^АК =

С о

Выбор порогового значения С расстояния Хэмминга (РХ) производится на основе критерия Неймана-Пирсона из уравнения С

\р\т(х)с1х = ] Р1Атлх =о.001, (7)

0

или на основе критерия Байеса (функции минимального среднего риска).

При вводе идентифицируемого изображения радужки неизбежно возникают искажения, вызванные изменением условий освещения (изменения яркости и контраста), поворотом головы, что сопровождается поворотом полученного изображения и его деформацией вдоль осей координат, изменением расстояния до камеры. Алгоритмы принятия решений должны быть устойчивыми к этим искажениям, разумеется, в определенных пределах. Выбором системы признаков и нормализацией изображения радужки удалось компенсировать возможные искажения, кроме искажений поворота. Существующие алгорит мы сопоставления информации о структуре радужной оболочки с эталоном чувствительны к боковому наклону головы в процессе съемки.

Предлагается методика, позволяющая добиться устойчивости к повороту входного изображения. Она предусматривает изменение процедуры регистрации и новый алгоритм идентификации.

При регистрации нового пользователя методика предусматривает создание из полученного входного изображения нескольких копий, повернутых в обе стороны на разные фиксированные углы. Для каждого такого изображения вычисляется код и все они помещаются в базу данных. При идентификации код входного изображения будет сравниваться с кодами всех копий эталонов, а решение о совпадении двух радужек принимается по минимальному расстоянию между ними.

На рис. 5 левая кривая соответствует правильной аутентификации, правая - нарушителям. Каждая из них отображает данные, усредненные но всем экспериментам. Порог С выбирается одинаковым для всех радужек. Если НО< С, фиксируется совпадение, иначе - несовпадение.

Предлагается повысить вероятность правильного решения путем определения индивидуального порога для каждой радужки из базы эталонов. Определение индивидуального порога происходит в измененной процедуре регистрации. Машинными методами моделируется ввод большого числа измененных радужек, а обработанные данные могут быть представлены на графике, аналогичном рис.5, но обе кривые соответствуют не всем, а единственному классу. Полученное по результатам моделирования значение порога сохраняется в базе данных вместе с кодом и используется в процедуре идентификации.

Дальнейшее уменьшение вероятности ошибки достигается путем оптимизации параметров фильтров, используемых для получения признаков радужки. Оптимальные парамефы фильтров получают, сохраняют и используют в процедурах регистрации и идентификации аналогично индивидуальным порогам.

В пи ron главе приводится описание аппаратных, средств и программного обеспечения созданной системы идентификации личности и поддержки экспериментов, а также результаты экспериментов, обосновывающие и подтверждающие эффективность предложенных в работе решений.

При моделировании искаженные изображения получаются из имеющихся изображений радужек. Модель искажений представлена на рис.6.

1

>

, )

Поворот на растижение с коэф. kx,kv

а°

Првобр. яркости и коитрасти

добавления гауссова шума

Рис. 6. Модель искажений Параметры а,кх,ку, коэффициенты контрастирования, изменения

яркости определяются псевдослучайными величинами с нормальным законом распределения. На основе обработки полученного множества изображений были оценены характеристики известных и новых методов и алгоритмов идентификации личности по изображению радужки глаза.

На рис. 7 представлены значения показателя разделяющей спобобности системы признаков радужной оболочки в зависимости от параметров алгоритма выделения признаков. Критерий разделимости (с!) определяется по

к -Ы

формуле: (8)

где /./] и //2- математические ожидания, а и &2 - среднеквадратичные отклонения.

На рис. 8 представлены графики нормированных частот расстояния Хэмминга для одинаковых и различных радужек при оптимальных значениях параметров алгоритмов выделения признаков.

Р 2

* Я 1 §

& 3

• * 1

Б с

а о

|1.82

ВТ

Фильтр Габора 1^86

1.15

0.45

Ж

х 2 5-|

>х ь || ^

3.05-

1.41

16

Оов - Фильтр 2.24

2.05

1.71

<т

Рис. 7. Критерий разделяющей способности систем признаков

0 35

0 1 02 03 04 05 06 07 08 09

,__„_НР____,

Г™Аутентичны —Неаутентичны I

Р=8, с! =1.86 (Габор)

01 02 03 04 05 06 07 08 0£

__НО___

Аутентичны —Неаутентичны]

<Х=5, с! =2.24 (Оой)

Рис. 8. Графики нормированных частот расстояния Хэмминга

Сравнительное экспериментальное исследование показало: Наилучшей разделяющей способностью обладают фильтр Габора ^=8) и ИоО-фильтр (8!вта=5). ОоС-фильгр при (8'|§ша=5) обеспечивает лучший критерий разделимости.

ВЫВОДЫ ПО РАБОТЕ

1. В работе проведен анализ биометрических методов идентификации, обоснована актуальность исследований в области разработки эффективной системы для идентификации личности по радужной оболочке.

2. Определены основные направления исследований:

- Выбор эффективных систем признаков для описания изображения радужки глаза.

- Совершенствование методик и алгоритмов локализации, нормализации, выделения признаков и распознавания.

3. Предложен и исследован новый интегрально-дифференциальный алгоритм определения границ радужной оболочки с последовательным уточнением и определением области поиска центра зрачка путем порогового

ограничения. Разработанный алгоритм требует меньших вычислительных затрат при сохранении высокой точности.

4. Исследованы текстурные признаки на основе фазы отклика вейвлета Габора. Предложены и исследованы новые признаки на основе знаков отклика Оов-фильтра. Фильтр Габора уступает в вычислительной эффективности ОоО-фильтру. Поэтому система признаков на основе ОоО-фильтра является более эффективной, знаки отклика Оов-фильтра несут информацию о локальной структуре изображения и не чувствительны к изменениям яркости и контраста. Перечисленные свойства позволяют заключить, что использование знаков отклика ОоО-фильтра в качестве признаков текстуры радужки является перспективным.

5. Предложены и исследована методика оценки вероятности ошибки системы путем моделирования потока входных изображений радужки, получаемых из одного изображения применением оператора искажений, и статистической обработкой результатов распознавания.

6. Предложен и исследован алгоритм компенсации ошибки, возникающей в процессе идентификации при повороте входного изображения.

7. Предложена и исследована методика оптимизации параметров алгоритмов распознавания, основанная на статистическом моделировании. Разработаны алгоритмы регистрации и идентификации, в которых эти параметры используются совместно с признаками входного изображения, что позволило снизить вероятность ошибки. В качестве таких параметров использовались параметры фильтров и порог принятия решения.

8. Разработана интегрированная программная система для проведения экспериментов по проверке всех рассмотренных методик и алгоритмов, на основе которых работает система идентификации личности по радужке глаза. С ее помощью выполнено исследование эффективности различных фильтров н основанных на них систем признаков, проведено статистическое

моделирование, определены оптимальные значения параметров алгоритмов

распознавания, оценены ресурсы, требуемые для реализации системы.

ПУБЛИКАЦИИ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ

1. Хебайши М.А., Жирков В.Ф. Биометрическая идентификация личности. Доклады V Международная научно-техническая Конференция, ФРЭМЭ'2002, 25-28 июня, В л ГУ, стр. 131-132.

2. Хебайши М.А., Жирков В.Ф. Идентификация Личности По Радужке Глаза, Доклады V Международная научно-техническая конференция, ФРЭМЭ'2002, 25-28 Июня, ВлГУ, стр. 133 - 134.

3. М. A. Hebaishy, V. F. Zhirkov. Texture Analysis of the Human Iris for High Authentication. Сборник научных статей, данные, информация и их обработка, Москва, Горячая линия-Телеком 2002 г., стр. 116-120.

4. М. A. Hebaishy , V. F. Zhirkov, Recognizing Persons By Their Iris Patterns. Материалы III Международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике», ЮРГТУ, Новочеркасск, 2003. Часть 3, стр. 12-14.

5. М. А. Hebaishy, V. F. Zhirkov. Decidability Of Iris-Based Personal Identification. Материалы III Международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике», ЮРГТУ, Новочеркасск, 2003. Часть 3, стр. 8-12.

6. Хебайши М. А., Жирков В. Ф., Сушкова Л. Т. Обработка изображения радужки глаза в системе идентификации личности. Труды LVII1 научной сессии, посвященной Дню радио, РНТО РЭС им. Попова, Москва, 2003. Том 2, стр. 148-151.

7. М. Хебайши, К.В. Новиков, В.Ф. Жирков. Исследование фазовых признаков

изображения радужки глаза. Материалы конференции V Международная научно-техническая конференция «Перспективные технологии в средс!вах передачи информации», 1-4 июля 2003г, Владимир, стр. 206-208.

ЛР № 020275. Подписано в печать 18.08.03. Формат 60x84/16. Бумага для множит, техники. Гарнитура Тайме. Печать офсетная. Усл. печ. л. 1,16. Уч.-изд. л. 1,24. Тираж 100 экз.

Заказ АМ~£ООЪГ. Редакционно-издательский комплекс Владимирского государственного университета. 600000, Владимир, ул. Горького, 87.

ВВЕДЕНИЕ.

ГЛАВА 1. БИОМЕТРИЧЕСКАЯ ИДЕНТИФИКАЦИЯ ЛИЧНОСТИ.

1.1. Сравнение биометрических технологий.

1.2. Особенности радужной оболочки глаза.

1.3 Анатомия и физиология радужной оболочки.

1.3.1. Анатомия радужки.

1.3.2. Биомикроскопическая характеристика радужки.

1.4. Биометрические системы для идентификации личности по радужной оболочке глаза.

1.5. Выводы.

ГЛАВА 2. АНАЛИЗ МЕТОДОВ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЯ РАДУЖНОЙ ОБОЛОЧКИ ГЛАЗА.

2.1. Требования к изображению радужки.

2.2. Получение Изображения Радужки Глаза.

2.3. Обработка изображения радужки.

2.3.1. Локализация радужки глаза.

0 2.3.2. Нормализация изображения радужки.

2.3.3. Улучшение изображения радужки и подавление шумов.

2.4. Выводы.

ГЛАВА 3. ПРИМЕНЕНИЕ ТЕКСТУРНОГО АНАЛИЗА РАДУЖНОЙ ОБОЛОЧКИ ДЛЯ ЭФФЕКТИВНОЙ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ.

3.1. Текстурные признаки радужки.

3.2. Фазовые текстурные признаки изображения.

3.3. Текстурные признаки на основе DoG-фильтра.

3.4. Выводы.

ГЛАВА 4. ПРИНЯТИЕ РЕШЕНИЙ В СИСТЕМЕ ИДЕНТИФИКАЦИИ

ЛИЧНОСТИ ПО ИЗОБРАЖЕНИЮ РАДУЖНОЙ ОБОЛОЧКИ Глаза.

4.1. Коды радужек и их сравнение.

4.2. Принятие решения в системе.

4.2.1. Принятие решения при идентификации личности.

4.2.2. Принятие решения при проверке аутентичности.

4.3. Выводы.

ГЛАВА 5. ЭКСПЕРИМЕНТАЛЬНАЯ СИСТЕМА ИДЕНТИФИКАЦИИ < ЛИЧНОСТИ ПО ИЗОБРАЖЕНИЮ РАДУЖНОЙ ОБОЛОЧКИ.

5.1. Аппаратное обеспечение экспериментальной системы.

5.2. Программное обеспечение экспериментальной системы.

5.3. Выбор параметров фильтров.

5.4. Результаты экспериментальных исследований чувствительности.

5.5. Оценка достоверности полученных результатов.

5.6. Выводы.

ПУБЛИКАЦИИ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ.

Актуальность

Потребность в достоверной аутентификации личности существует с тех пор, как появилось организованное общество. PIN-коды, пароли, идентификационные фотографии, магнитные кредитные карты и подписи стали неотъемлемой частью жизни современного общества. Однако только с появлением компьютеров стала возможной автоматическая идентификация личности. Хотя PIN-коды, ключи и пароли достаточны для обеспечения невысокого уровня безопасности, они по своей сути уязвимы для взлома. Высокая безопасность может быть обеспечена только с помощью использования биометрических признаков (отпечатков пальцев, ДНК, черт лица и т.п.)[31].

Один из самых ранних надежных биометрических методов - распознавание отпечатков пальцев. Системы автоматической идентификации, основанные на отпечатках пальцев, были коммерчески доступны с ранних 1960-ых. Но до сих пор эти системы используются в правоохранительных приложениях для поиска преступников. Биометрическая технология сейчас стала доступна в других приложениях: в правительственном и коммерческом секторах[41].

В дополнение к технологии распознавания отпечатков пальцев, появляются другие. Новые биометрические приложения используют лицо (в видимом и инфракрасном диапазонах), кисть, палец, радужку, сетчатку, подпись и распознавание голоса. Исследования других характеристик, таких как ухо, запах, клавиатурный почерк и походка продолжаются.

Одной из недавно проявившихся перспективных технологий идентификации является распознавание по радужке глаза. Человеческая радужка имеет специфическую структуру и содержит много текстурной информации. Пространственные структуры, наблюдаемые в радужке, уникальны для каждого индивида. Индивидуальные различия появляются в процессе анатомического развития. В частности, в биомедицинской литературе предполагается, что радужка также индивидуальна, как и рисунок сосудов сетчатки. Однако изображение радужки может быть получено более простыми средствами, чем изображение сетчатки. В сравнении с другими биометрическими объектами (такими как лицо, отпечатки пальцев, голос и т.д.), идентификация по радужке более стабильна и надежна. Поскольку радужка открыта, идентификация по радужке неинвазивна, что является очень важным фактором для практических применений [50, 51].

Перспективы идентификации по радужке не имеют границ. Существует много идей, касающихся применения этой технологии в различных областях. Сканирование радужки может быть использовано в следующих приложениях:

• вход в компьютерную систему (радужка является паролем);

• пограничный контроль (радужка как паспорт);

• оплата за телефонный звонок без наличных, карточек и pin-кода;

• пассажирский транспорт;

• контроль доступа (в дом, офис, лабораторию и т.д.);

• водительские права и другие личные документы;

• аутентификация личности при предоставлении льгот;

• криминалистика;

• противоугонная система автомобиля;

• противодействие терроризму (например, мониторинг безопасности аэропортов);

• безопасность финансовых операций (электронная коммерция, банковские операции);

• интернет-безопасность (контроль доступа к информации);

• криптография с биометрическим ключом для шифрования/дешифрования сообщений.

Целью диссертационной работы является разработка и создание прототипа эффективной системы идентификации личности по изображению радужки глаза.

Эффективность определяется быстродействием, вероятностью ошибок, стоимостью технических средств, надежностью.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Анализ существующих алгоритмов обработки изображения радужной оболочки глаза.

2. Анализ существующих систем признаков радужки

3. Разработка новых эффективных алгоритмов обработки изображения радужной оболочки.

4. Разработка новой эффективной системы признаков радужной оболочки.

5. Разработка алгоритма распознавания личности в пространстве информативных признаков.

6. Сравнительное экспериментальное исследование известных и новых методов и алгоритмов идентификации личности по изображению радужной оболочки.

Научная новизна диссертации : Научная новизна диссертации состоит в следующем:

1. Выполнен аналитический обзор информации по всем аспектам построения систем идентификации человека, основанных на обработке изображения радужной оболочки глаза. Проведено моделирование и экспериментальное исследование известных алгоритмов обработки изображения радужной оболочки глаза и идентификации. Рассмотрены возможности их модернизации и настройки с целью повышения эффективности системы идентификации в целом.

2. Разработан быстродействующий алгоритм многомасштабного анализа изображения для выделения радужной оболочки глаза, позволяющий эффективно обнаружить и провести нормализацию входного изображения.

3. Показана возможность применения фазовой информации (без использования амплитуды), получаемой при разложении входного изображения по комплексным базисным функциям, в качестве признаков при решении задачи распознавания. ф 4. Исследована система признаков радужной оболочки глаза с использованием набора фильтров Габора, имеющих разные частоты и ориентации, позволяющая получить представление изображения радужки в виде локальных фаз комплексных вейвлетов.

5. Предложена методика определения эффективных параметров ^ распознавания, а также новый алгоритм регистрации в системе, позволяющий для каждого нового регистрируемого запоминать эти параметры и использовать их в дальнейшем в процедуре идентификации.

6. Предложена' система признаков радужной оболочки глаза, построенная на основе знаков отклика DoG-фильтра в узлах ортогональной сетки, обладающая

4» высокой разделяющей способностью, но имеющая большую вычислительную эффективность по сравнению с известными.

7. Разработан алгоритм идентификации личности в пространстве признаков радужной оболочки, устойчивый к повороту изображения, возникающему при возможном наклоне головы во время съемки. щ>

8. Предложена методика выбора параметров алгоритмов выделения признаков и распознавания изображения радужной оболочки, основанная на статистическом эксперименте.

Практическая ценность работы. Практическая значимость работы заключается в том, что предложены методики и алгоритмы для эффективного решения задач идентификации личности по изображению радужной оболочки глаза, построен действующий прототип системы, на котором эта эффективность была экспериментально подтверждена и который может быть использован в качестве базы для дальнейшего развития в этой области.

На защиту выносятся

1. Алгоритм локализации радужной оболочки на изображении, имеющий высокое быстродействие и точность за счет многомасштабного анализа изображения.

2. Новая система признаков радужной оболочки глаза, построенная на основе знаков отклика DoG-фильтра в узлах ортогональной сетки, обладающая

разделяющей способностью близкой к известным системам, но имеющая большую вычислительную эффективность.

3. Алгоритм идентификации личности в пространстве признаков радужной оболочки, основанный на вычислении расстояний Хэмминга, устойчивый к повороту изображения при наклоне головы в определенных пределах.

4. Сравнительные результаты экспериментальных исследований существующих и новых методов и алгоритмов идентификации личности по изображению радужной оболочки глаза.

5. Методика выбора параметров алгоритмов выделения признаков и ^ распознавания изображения радужной оболочки, основанная на статистических данных.

6. Программно-аппаратная система поддержки экспериментальных исследований методов и алгоритмов идентификации личности по изображению радужной оболочки.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на 5-ой международной научно-технической конференции ФРЭМЭ'2002 (г. Владимир), на LVIII научной сессии посвященной дню радио (г. Москва 2003), на III Международной научно-практической конференции (г. Новочеркасск 2003), на V Международной научно-техническая конференция. «Перспективные технологии в средствах передачи информации», 1-4 июля 2003г, г. Владимир.

Публикации. По теме диссертации были опубликованы 7 печатных работ.

Благодарности

Автор благодарит научного руководителя к.т.н., доцента Жиркова В. Ф. за оказанное внимание и научное руководство.

Структура и объем работы

Диссертационная работа состоит из введения, пяти глав, заключения , списка литературы и приложений. Общий объем работы 111 страниц, 48 рисунков и 7 таблиц.

5.6. Выводы

1. При экспериментах с фильтрами Габора с постоянными параметрами были получены следующие оптимальные параметры фильтра: соо=л/8; 6=0; количество блоков кода 32x4. При этом достигается значение критерия качества признаков d—1.99.

2. При экспериментах с DoG-фильтрами с постоянными параметрами были получены следующие оптимальные параметры фильтра: а=5; количество блоков кода 64x8. При этом достигается значение критерия качества признаков d= 2.20.

3. Признаки на основе DoG-фильтра обеспечивают несколько лучшее разделение классов, чем признаки на основе фильтров Габора.

5. Расстояние Хэмминга для кодов радужек на основе DoG-фильтра при используемых на практике значениях параметров имеют чувствительность к повороту изображения (наклону головы) близкую к чувствительности расстояния Хэмминга для кодов радужек на основе фильтров Габора.

6. Расстояние Хэмминга для кодов радужек на основе DoG-фильтра при ф, используемых на практике значениях параметров имеют несколько большую чувствительность к аддитивному гауссову шуму, чем расстояния Хэмминга для кодов радужек на основе фильтров Габора. Однако, при реальных значениях шума он не влияет существенно на качество распознавания.

7. Расстояние Хэмминга для кодов радужек на основе DoG-фильтра и Щ фильтров Габора практически нечувствительны к линейным преобразованиям яркости и контраста.

8. Полученные оценки качества признаков являются достоверными с точностью до двух знаков.

ЗАКЛЮЧЕНИЕ

Итоги исследований

В ходе исследований были получены следующие результаты:

1. В работе проведен анализ биометрических методов идентификации, обоснована актуальность исследований в области разработки эффективной системы для идентификации личности по радужной оболочке.

2. Определены основные направления исследований:

Выбор эффективных систем признаков для описания изображения радужки глаза.

- Совершенствование методик и алгоритмов локализации, нормализации, выделения признаков и распознавания.

3. Предложен и исследован новый интегрально-дифференциальный алгоритм определения границ радужной оболочки с последовательным уточнением и определением области поиска центра зрачка путем порогового ограничения. Разработанный алгоритм требует меньших вычислительных затрат при сохранении высокой точности.

4. Исследованы текстурные признаки на основе фазы отклика вейвлета Габора. Предложены и исследованы новые признаки на основе знаков отклика DoG-фильтра. Фильтр Габора уступает в вычислительной эффективности DoG-фильтру. Поэтому система признаков на основе DoG-фильтра является более эффективной, знаки отклика DoG-фильтра несут информацию о локальной структуре изображения и не чувствительны к изменениям яркости и контраста. Перечисленные свойства позволяют заключить, что использование знаков отклика DoG-фильтра в качестве признаков текстуры радужки является перспективным.

5. Предложены и исследована методика оценки вероятности ошибки системы путем моделирования потока входных изображений радужки, получаемых из одного изображения применением оператора искажений, и статистической обработкой результатов распознавания.

6. Предложен и исследован алгоритм компенсации ошибки, возникающей в процессе идентификации при повороте входного изображения.

7. Предложена и исследована методика оптимизации параметров алгоритмов распознавания, основанная на статистическом моделировании. Разработаны алгоритмы регистрации и идентификации, в которых эти параметры используются совместно с признаками входного изображения, что позволило снизить вероятность ошибки. В качестве таких параметров использовались параметры фильтров и порог принятия решения.

8. Разработана интегрированная программная система для проведения экспериментов по проверке всех рассмотренных методик и алгоритмов, на основе которых работает система идентификации личности по радужке глаза. С ее г помощью выполнено исследование эффективности различных фильтров и основанных на них систем признаков, проведено статистическое моделирование, определены оптимальные значения параметров алгоритмов распознавания, оценены ресурсы, требуемые для реализации системы.

ПУБЛИКАЦИИ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ

1. Хебайши М.А., Жирков В.Ф., "Биометрическая Идентификация Личности", 5 Международная Научно-Техническая Конференция, ФРЭМЭ'2002, 25-28 Июня»,Вл.Г.У., С стр. № 131-132.

2. Хебайши М.А., Жирков В.Ф., "Идентификация Личности По Радужке Глаза " , 5 Международная Научно-Техническая Конференция, ФРЭМЭ'2002, 2528 Июня, Вл.Г.У.,, С стр. № 133 - 134.

3. М. A. Hebaishy, V.F. Zhirkov, "Texture Analysis Of The Human Iris For High Authentication", Данные, Информация и Их Обработка , Москва, Горячая линия-Телеком 2002г, С стр. № 116-120.

4. М. A. Hebaishy, V.F. Zhirkov, " Recognizing Persons By Their Iris Patterns", Методы и алгоритмы прикладной математики в технике, медицине и экономике,Новочеркасск, III Международной научно-практической конференции,Часть 3 », Новочеркасск 2003, С стр. № 12-14.

5. М. A. Hebaishy , V.F. Zhirkov, "Decidability Of Iris-Based Personal Identification", Методы и алгоритмы прикладной математики в технике, медицине и экономике,Новочеркасск, III Международной научно-практической конференции,Часть 3 », Новочеркасск 2003, С стр. № 8-12.

6. Хебайши М. А., Жирков В. Ф., Сушкова Л. Т. , " Обработка изображения радужки глаза в системе идентификации личности" , LVIII Научная сессия посвященная дню радио» Труды ТОМ2,Москва-2003,С стр. № 148-151 .

7. М. Хебайши, К.В. Новиков, В.Ф. Жирков, « Исследование Фазовых Признаков Изображения Радужки Глаза », V Международная научно-техническая конференция. «Перспективные технологии в средствах передачи информации», 14 июля 2003г, Владимир.

1. Nancy Van Natta, Marketing,Ron McClure, OEM Sales. Biometric Solutions to Personal Identification. January, 19982. http://biolink.ru/ru/get71004002007239569

2. Dirk S., Scarlet S-G, Bruno S., Usability of Biometrics in Relation to Electronic Signatures, EU Study 502533/8, September 12th 2000.

3. A.K. Jain, R.M. Bolle, and S. Pankani, Eds, Biometrics Personal Identification in a networked Society. Norwell, MA: Kluwer, 1999.

4. Dr. Lawrence D. Nadel. Biometric Identification. 3 January 2001.

5. Sharath pankanti, Anil Jain. Biometrics: The Future of Identification. IBM T.J. Watson Research Center, Michigan State University. IEEE 2000.

6. Rudolf M. Bolle, Jonathan Connell, Sharathchandra Pankanti, Nalini K. Ratha, Andrew W. Senior. IBM research report, Biometrics 101// RC22481 (W0206-033) June 10, 2002

7. Chiara Braghin. Biometric Authentication. University of Helsinki, Dept. of Computer Science. 2000.9. http://www.retina.ru/retinopathial.html- 1

8. EyeSite , Introducing Iris Interpretation, a' la Rayid model nternational,PO Box 17367, Boulder CO 80308, USA . http://www.maleny.net.au/eyesite/intro.html

9. Micki Krause, Harold F. Tipton, Handbook of Information Security Management. ISBN: 0849399475.

10. Pratik Mehta . Final Project, Biometrics. CS 392

11. Florian Bauer. BIOMETRICS. Proseminar aus Informatik. „Grundlagen Wissenschaftlichen Arbeitens".WS 2001/02

12. James L. Cambier, PhD. Iridian Technologies, Inc. Iris Image Interchange Format. Ml/02-0249.

13. Flom, L., and Safir, A.,Iris Recognition System, U. S. Patent: 4,641,349,3 February 198722. http://www.cl.cam.ac.uk/users/jgd 1000/

14. T. Camus, Reliable and Fast Eye Finding in Close-up Images, Proceedings of the IEEE International Conference on Pattern Recognition, 2002.

15. Nancy Chacko, Clarence Mysen, Reena Singhal, A Study in Iris Recognition, 18-551 Final project, Spring 1999.

16. Shinyoung Lim, Kwanyong Lee, Okhwan Byeon, and Taiyun Kim, Efficient Iris Recognition through Improvement of Feature Vector And Classifier, ETRI Journal, Volume 23, Number2, June 2001.

17. RICHARD P. WILDES, Iris Recognition: An Emerging Biometric Technology, proceedings of the ieee, vol. 85, no. 9, September 1997.

18. John G. Daugman. High Confidence Visual Recognition of Persons By a Test of Statistical Independence, I.E.E.E. Trans, on Pattern Analysis and Machine Intelligence 15 (1993), pp. 1148-1161,

19. John G. Daugman PhD, OBE, High Confidence Recognition of Person by Their Iris Patterns. University of Cambridge, The Computer Laboratory, Cambridge CB2 3QG, U.K.

20. John G. Daugman, Biometric Personal Identification System Based on Iris Analysis. United States Patent No. 5. 291, 560 (issued March 1994), U.S. Government Printing Office, Washington DC. 1994.

21. Miltiades Leonidou, Iris recognition: Closer Than We Think, September 24,2002

22. John Daugman, PhD, OBE, How is Iris Recognition Work, University of Cambridge, The Computer Laboratory, Cambridge CB2 3QG, U.K.

23. Yong Zhu, Tieniu Tan, Yunhong Wang, Biometric Personal Identification Based on Iris Patterns, Chinese Academy of Sciences, China, January, 2002.

24. Christel- loic, Lionel MARTIN, Lionel TORRES, Michel ROBERT, Personal Identification Technique using Human Iris Recognition, Advanced system technology. Universite de Montpellier, UMR 5506, L.I.R.M.M., 161, rue Ada 34392 Montpellier, France

25. Iridian Technologies, Panasonic Authenticam Iris Recognition Camera, September 20, 2001

26. Byung-Gyu Kim, Hong-Seup and Dong-Jo Park, Development of Iris Recognition System for Intelligent Security System, Dept. Electrical Engineering & В SRC, KAIST.

27. Song Chun Zhu, Yingnian Wu, David Mumford, Filter, Rondom fields and Maximum Entropy, University of Michigan, Ann Arbor.

28. Ramchandra Manthalkar, P. K. Biswas and B. N. Chatterji, Rotation And Scale Invariant Texture Classification Usinggabor Wavelets. E & ECE Department, Indian Institute of Technology, Kharagpur, West Bengal, India PIN 721 302

29. Vincent Levesque, Texture Segmentation Using Gabor Filters, Center For Intelligent Machines, McGill University, December 6, 2000

30. NSFC, Invariant Texture Segmentation Via Circular Gabor Filters, Chinese Academy of Sciences.

31. Thomas P, William E, Dennis F Dunnyy, Gabor filter design for multiple texture segmentation. Department of Electrical' Engineering, University of North Carolina, October 1996, SPIE.

32. Peter Kalocsai, Hartmut Neven and Johannes Steffens, Statistical Analysis of Gabor-filter Representation, Proceedings of the Third IEEE International Conference on Automatic Face and Gesture Recognition, Nara, Japan, 360-365, 1998.

33. Li Ma, Yunhong Wang, Tieniu Tan, Iris Recognition Using Circular Symmetric Filters, National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences.

34. Daugman, J.G., Two-dimensional spectral analysis of cortical receptive field profiles. Vision Research 20(10), 1980, 847-856.

35. Daugman, J.G., Uncertainty relation for resolution in space, spatial frequency, and orientation optimized by two-dimensional visual cortical filters. J. Opt. Soc. Am. A 2, 1985, 1160-1169.

36. John Daugman, Iris Recognition -Update on Algorithms and Trials, The Computer Laboratory University of Cambridge.

37. Tai Sing Lee, Image representation using 2D Gabor wavelets, IEEE Transactions of pattern analysis and machine intelligence, Vol., No. 10 October 1996.

38. John Daugman, Demodulation by Complex-valued Wavelets for Stochastic Pattern Recognition, The Computer Laboratory, University of Cambridge, Cambridge, UK, January 14, 2003.

39. Orval E Phelps, Captain, USAF, Information Security: securing smart cards with iris Recognition, Department of the air force Air university, Air Force Institute Of Technology, March 2001.

40. John Daugman, Wavelet Demodulation codes for recognition of iris patterns by tests of statistical independence. The computer laboratory, university of Combridge, Combridge, UK. 2002

41. John Daugman, Wavelet Demodulation Codes, Statistical Independence, and Pattern Recognition. The computer laboratory, university of Combridge, Combridge, UK. 2002

42. Dave McMordie, Texture Analysis of The Human Iris For High Security Authentication, December 3,199756. http://www.iris-scan.com/iristechnology.htm

43. John Daugman, High Confidence visual Recognition of persons by a Test of statistical Independence, university of Combridge, L.E.E.E Trans. On Pattern analysis and machine Intelligence. 15 (1993).

44. John Daugman, Recognizing Persons by their Iris Patterns, March 27th,2002.

45. John Daugman, OBE, Personal Identification in Real-Time by Wavelet Analysis of Iris Patterns, The Computer Laboratory, University of Cambridge, UK ,

46. Daugman J and Downing С (2001), Epigenetic randomness, complexity, and singularity, Procedings of the Royal Society, B, 268, pp 1737 1740.

47. Byung-Gyu Kim, Hong-Seup and Dong-Jo Park, Development of Iris Recognition System for Intelligent Security System, Dept. Electrical Engineering & BSRC, KAIST.

48. J. Asmuth, G. Green, S. Hsu, R. Kolczynski, J. Matey and S. McBride, A machine vision system for iris recognition, Machine Vision and Applications 9, 1-8, 1996.

49. Larry Bliss, User Identification and Verification Iris Recognition, DCS860B Security, Prof. Bel Raggad, April 15, 2002

50. Daniel Sieberg, Iris recognition at airports uses eye-catching technology, July 24, 2000

51. Katie Collins, Iris Identification, October 16, 200066. http://www.nei.nih.gov/67. http://www.cim.mcgill.ca/~mcmordie/theory

52. Michael Geruso, Virginia Tech, An Analysis of the Use of Iris Recognition Systems in U.S. Travel Document Applications, July 29, 2002

53. John Daugman, The importance of being random: statistical principles of iris recognition. The Computer Laboratory, University of Cambridge, Cambridge CB3 0FD, UK, 21 December 200170. http://www.nature.eom/nsu/010809/010809-8.html

54. J. Asmuth, G. Green, S. Hsu, R. Kolczynski, J. Matey and S. McBride, A system for automated iris recognition, Proceedings of the IEEE Workshop on Applications of Computer Vision, 121-128, 1994.

55. John Daugman, Neural Image processing strategies applied in real-time pattern recognition, the computer laboratory, university of Cambridge, Cambridge CB2 3QG, UK, 1997

56. В.Ф. Жирков, M. Хебайши ,K.B. Новиков, Исследование Фазовых Признаков Изображения Радужки Глаза, V Международная научно-техническая конференция. «Перспективные технологии в средствах передачи информации», 14 июля 2003г, Владимир.

57. М. A. Hebaishy , V.F. Zhirkov, Texture Analysis Of The Human Iris For High Authentication, Данные, Информация и Их Обработка , Москва, Горячаялиния-Телеком 2002г, С стр. № 116-120.f

58. Хебайши М. А., Жирков В. Ф., Сушкова Л. Т., Обработка изображения радужки глаза в системе идентификации личности , LVIII Научная сессия посвященная дню радио» Труды ТОМ2,Москва-2003,С стр. № 148-151 .

59. John Daugman, Biometric Decision Landscapes, University of Cambridge, The Computer Laboratory.

60. Хебайши M.A., Жирков В.Ф., Биометрическая Идентификация Личности, 5 Международная Научно-Техническая Конференция, ФРЭМЭ'2002, 25-28 Июня»,Вл.Г.У., С стр. № 131-132.

61. Хебайши М.А., Жирков В.Ф., Идентификация Личности По Радужке Глаза, 5 Международная Научно-Техническая Конференция, ФРЭМЭ'2002, 25-Июня, Вл.Г.У.,, С стр. № 133 134.

62. Вентцель B.C., Овчаров JI.A. Теория вероятностей и ее инженерные приложения. М.: Наука. Гл. ред. Физ.-мат. Лит. - 1988

63. Горелик А. Л., Скрипкин В. А. Методы распознавания: Учеб. пособие для вузов. 3-е изд., перераб. и доп. - М.: Высш. шк., 1989. - 232 е.: ил.

64. Деденко Л.Г., Керженцев В.В. Математическая обработка и оформление ^ результатов эксперимента. М., Изд-во Моск. ун-та, 1977, 112 с., 13 ил.

65. Бутаков Е.А. и др. Обработка изображений на ЭВМ/ Е. А. Бутаков, В. И. Островский, И. Л. Фадеев. М.: Радио и связь, 1987. - 240 е.: ил.

66. Виттих В.А., Сергеев В.В., Сойфер В.А. Обработка изображений в системах научных исследований. М.: Наука, 1982. - 212 с.

67. Грузман И.С., Киричук B.C., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах: Учебное пособие.- Новосибисрк: Изд-во НГТУ, 2000. 168.

68. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов. — М.: Мир, 1988

69. Денисов Д.А. Компьютерные методы анализа видеоинформации:

70. Монография. Изд-во Краснояр. ун-та, 1993. 192 с.

71. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. М.: Наука, 1988

72. Марр Д. Зрение: информационный подход к изучению представления и обработки зрительных образов. М.: Радио и связь, 1987

73. Методы и алгоритмы цифровой обработки изображений / С.С. Садыков, М.Н. Маликов и др.; Под ред. С.С. Садыкова. Ташкент: НПО "Кибернетика" АН Руз, 1992.-296 с.

74. Морозов А. М., Кононов И. В. Оптические приборы М.: Высш. шк., 1987.- 111с.: ил.

75. Перов А.И., Соколов Г.Г. Алгоритм последовательного выделения контура объекта на двумерных цифровых изображениях// «Статистический синтез радиосистем», №3, 1998

76. ГТрэтт У. Цифровая обработка изображений: Пер. с англ. — М.: Мир,1982.

77. Садыков С.С., Кан В.Н., Самандаров И.Р. Методы выделения структурных признаков изображений, Ташкент: Фан, 1990. - 104с.: ил.

78. Ту Дж., Гонсалес Р. Принципы распознавания образов/ Пер. с англ.; Под. ред. Ю.И. Журавлева. -М.: Мир, 1980

79. Фор А. Восприятие и распознавание образов/ Пер. с фр. А. В. Серединского; под ред. Г. П. Катыса. М.: Машиностроение, 1989 г. - 272 е.: ил.

80. ЮЗ.Харатишвили Н.Г., Чхеидзе И.М., Ронсен Д., Инджия Ф.И. Пирамидальное кодирование изображений. -М.: Радио и связь, 1996. 192 е., ил.

81. Хорн Б.К.П. Зрение роботов. М.: Мир, 1989

82. Цифровая обработка сигналов и ее применения / Отв. ред. Л.П. Ярославский. М.: Наука, 1981. - 223 с.

83. Яншин В.В. Анализ и обработка изображений: принципы и алгоритмы, М.: Машиностроение, 1994. - 112с.: ил.

84. Ярославский Л.П. Введение в цифровую обработку изображений. М.: Сов. Радио, 1979чд'Г

85. УТВЕРЖДАЮ Проректор Владимрс: университета по у' связям д.т.н., пр1. АКТственногождунаояаным А.А. Кобзев 2003 г.

86. В лекционный курс «Цифровая обработка изображений» добавлен раздел «Фильтры Габора», в лекционном курсе «Распознавание образов» добавлен раздел «Кодирование изображений» и переработан раздел «Принятие решений».

87. По указанным дисциплинам поставлен цикл лабораторных работ по тематике «Идентификация личности по радужной оболочке глаза», подготовлены методические указания к ним, а именно:

88. Локализация радужки глаза на изображении.

89. Нормализация изображения радужки глаза.

90. Выделение текстурной информации из изображения радужки глаза и ее кодированиес помощью DoG-фильтра.

91. Принятие решения по идентификации личности по изображению радужки глаза.

92. Декан ФИПМ, к.т.н., доцент1. А.А. ГалкинiS.ol.o1.

93. К.т.н., доцейт) кафедры ВТ,

94. Зав. кафедрой ВТ, д.-р^., профессор1. В.Н. Ланцов1. В.Ф. Жирков

95. Д.т.н., проф^ребр кафедры РТиРС, А.К. Бернюков1. ГВЕРЖДАЮ111 1ла. 1^ода2003 г.1. ЗАКЛЮЧЕНИЕ о полезное1. Комиссия в составе:

96. Соловьев И. А./ / Седельников В.А./