Genaue Segmentierung von Irisbildern

Ein biometrisches System ermöglicht die automatische Identifizierung einer Person auf der Grundlage eines einzigartigen Merkmals oder einer Eigenschaft, die die Person besitzt. Die Iriserkennung gilt als das zuverlässigste und genaueste biometrische Identifikationssystem, das es gibt. Es gibt viele Studien, die sich mit der Iriserkennung befassen. Allerdings können bei Irisbildern, die unter weniger schwierigen Bedingungen aufgenommen wurden, verschiedene negative Ergebnisse auftreten. Diese Arbeit soll die Leistung des Segmentierungsprozesses in Iriserkennungssystemen verbessern, um die Gesamtgenauigkeit zu erhöhen. Das Iriserkennungssystem besteht aus mehreren Stufen nach der Aufnahme des Irisbildes, der Segmentierung, der Normalisierung, der Merkmalsextraktion und dem Abgleich. Erstens umfasst die Segmentierungsstufe mehrere Schritte, nämlich die Vorverarbeitung, das abgeschnittene TV-Modell, die Kantendetektion, die Bestimmung der Koordinaten des Zentrums und des Radius der Pupille und der Iris, die Rauschentfernung und die Erkennung der Augenlider. Zweitens wird in der Normalisierungsphase das Gummibogenmodell von Daugman zur Normalisierung der Irisbilder verwendet. Drittens wurde die Merkmalsextraktion mit Hilfe von Local Binary Pattern (LBP) und Chunked Encoding durchgeführt und schließlich der Abgleich mit Hilfe der Hamming-Distanz.