Análise discriminante da fractalidade em imagens de íris
Carregando...
Arquivos
Citações na Scopus
Tipo de produção
Dissertação
Data
2010
Autores
Correa, Leandro
Orientador
Thomaz, C. E.
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
CORREA, Leandro. Análise discriminante da fractalidade em imagens de íris. 2010. 92 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário da Fei, São Bernardo do Campo, 2010 Disponível em: . Acesso em: 8 jun. 2010.
Texto completo (DOI)
Palavras-chave
Reconhecimento de padrões óticos,Íris (olho),Discriminante fractal
Resumo
O reconhecimento automático de pessoas tem recebido extensa atenção devido à confiabilidade fornecida pelo uso da biometria. Dentre as diversas estruturas do corpo humano utilizadas em sistemas de identificação de pessoas, a íris é considerada a estrutura mais confiável devido à riqueza de características singulares presentes em suas imagens. Este trabalho tem como objetivo analisar a quantidade de informação redundante existente em imagens de íris em tons de cinza e, posteriormente, realizar uma análise discriminante dessa informação redundante para verificar se o comportamento fractal existente neste tipo de imagem pode caracterizar melhor a diferença entre íris de sujeitos distintos. Três tipos de texturas de imagens de íris normalizadas e equalizadas foram comparados: a textura da intensidade dos pixels (comumente utilizada) e outros tipos de texturas resultantes do cálculo de assinaturas fractais realizados pelos métodos denominados Covering Blanket e Área de Superfície de Prisma Triangular. pasra esta comparação, 130 classes de imagens de íris foram analisadas, onde cada classe foi representada por 5 amostras, totalizando 650 imagens retiradas do banco de imagens UBIRIS (v.1), disponível para uso acadêmico e citado na literatura afim. Utilizando a distância de Bhattacharyya e o classificador de distância Euclidiana, verificou-se que as intensidades dos pixels equalizados indicam uma melhor caracterização discriminante das imagens se comparados com os métodos de extrações fractais citados, sem a necessidade de utilização de todos os componentes principais possíveis e, consequentemente, com boa redução de dimensionalidade. Portanto, os resultados desse trabalho indicam que a fractalidade das imagens de íris, embora quantificável por métodos fractais distintos, não implica necessariamente em uma maior redução de dimensioanlidade das imagens (possível devido à auto-similaridade existente) e nem em uma extração de características mais discriminate que os métodos empregados hoje em dia para reconhecimento de íris.
The automatic recognition of people has received extensive attention because of reliability provided by the use of biometrics. Among the various structures of the human body used in systems for identification of subjects, the iris is considered the more reliable structure due to the wealth of unique features present in the images. This paper aims to analyze the amount of redundant information existent in grayscale images of iris and then perform a discriminant analysis of such redundant information to determine whether the fractal behavior inherent to these images can better characterize the difference between iris of distinct subjects. Three types of textures of normalized iris images have been compared and equalized: the texture of pixels intensities (commonly used) and two types of textures resulting from the calculation of fractal signatures made by the methods called Covering Blanket and Surface Area of Triangular Prism. For this comparison, 130 classes of iris images were analyzed, where each class was represented by 5 samples, totaling 650 images from the iris database called UBIRIS (v.1), available for academic use and commoly cited in the literature. Using the Bhattacharyya distance and the Euclidean distance classifier, it was found that hte intensities of the pixels equalized indicate a better discriminates characteristics of images when compared with the methods of fractal extraction implemented, using less principal components, and therefore, providing better dimensionality reduction as well. Therefore, the results of this study indicate that the fractal dimension of iris, although a characteristic behavior of such images, does not necessarily imply in a further reduction of dimensionality of these images and neither on a better discriminate separation of subjects than the methods used nowadays for iris recognition.
The automatic recognition of people has received extensive attention because of reliability provided by the use of biometrics. Among the various structures of the human body used in systems for identification of subjects, the iris is considered the more reliable structure due to the wealth of unique features present in the images. This paper aims to analyze the amount of redundant information existent in grayscale images of iris and then perform a discriminant analysis of such redundant information to determine whether the fractal behavior inherent to these images can better characterize the difference between iris of distinct subjects. Three types of textures of normalized iris images have been compared and equalized: the texture of pixels intensities (commonly used) and two types of textures resulting from the calculation of fractal signatures made by the methods called Covering Blanket and Surface Area of Triangular Prism. For this comparison, 130 classes of iris images were analyzed, where each class was represented by 5 samples, totaling 650 images from the iris database called UBIRIS (v.1), available for academic use and commoly cited in the literature. Using the Bhattacharyya distance and the Euclidean distance classifier, it was found that hte intensities of the pixels equalized indicate a better discriminates characteristics of images when compared with the methods of fractal extraction implemented, using less principal components, and therefore, providing better dimensionality reduction as well. Therefore, the results of this study indicate that the fractal dimension of iris, although a characteristic behavior of such images, does not necessarily imply in a further reduction of dimensionality of these images and neither on a better discriminate separation of subjects than the methods used nowadays for iris recognition.