Görüntü İşleme Teknikleri Kullanılarak İris Tanıma

Abstract

İris tanıma sistemi yüksek güvenilirlik özelliğinden dolayı özellikle güvenlik alanında çok önemli bir yer edinmiştir. Bir çok araştırmacı sistemin verimliliğini artırmak için iris tanıma sistemine dair öneriler sunmaktadır. Bu tezde ise, iris tanıma sisteminde yüksek performansa ulaşmak için yöntemler önerilmektedir. Bu önerilen sistemde, üç öznitelik çıkarımı yaklaşımı Histogram of Oriented Gradient (HOG) (Yönlü Gradyan Histogramı), Gray Level Co-Occurence Matrix (GLCM) (Gri Düzey Eşdizimlilik Matrisi) ve Local Binary Pattern (LBP) (Yerel İkili Model) iris görüntüsünden özellik çıkarmak için kullanılmıştır. Öte yandan, K-Nearest Neigbors (KNN) (K-En Yakın Komşular) ve Support Vector Machine (SVM) (Destek Vektör Makinesi) ise sınıflandırma aşamasında kullanılmıştır. Iris görüntüsü özellikleri çıkarma aşamasından önce bir kaç aşamadan geçer. Bunların birincisi, tüm görüntülerin yeniden boyutlandırmasını içeren ön-işleme aşaması; ikincisi ise göz görüntüsünde iris bölgesini belirleyen bölütleme aşamasıdır. Son aşama ise, iris bölgesini spesifik boyutlu uygun şekle çeviren normalizasyon evresidir. Önerilen yöntemler, iki iris veritabanında (UPOL ve IITD) test edilmiştir. Bununla birlikte, önerilen sistem HOG+KNN metodu kullandığı zaman % 100'e varan tanıma oranına ulaşmıştır. Anahtar kelimeler: İris tanıma, Yönlü Gradyan Histogramı, Gri Düzey Eşdizimlilik Matrisi, Yerel İkili Model.

Iris recognition system has become very important, especially in the field of security, because it provides high reliability. Many researchers have suggested new methods to iris recognition system in order to increase the efficiency of the system. In this thesis, various methods have been proposed to achieve high performance in iris recognition. In the proposed system, three feature extraction approaches, Histogram of Oriented Gradient (HOG), Gray Level Co-Occurrence Matrix (GLCM) and Local Binary Pattern (LBP) are used to extract the features from iris image. On other hand, two classifiers; KNearest Neighbors (KNN) and Support Vector Machine (SVM) are used in the classification stage. The iris image passes through several stages before extracting features stage; first, pre-processing stage which includes image resizing that unifies all images' size, second, segmentation stage which determines the iris region in eye image, finally, normalization stage which converts the iris region to suitable shape with specific dimensions. The proposed methods have been applied on two iris databases, UPOL and IITD. However, the proposed system achieved recognition rate of 100% when HOG+KNN method is used. Keywords: Iris Recognition; Histogram of Oriented Gradient; Gray Level Co- Occurrence Matrix; Local Binary Pattern.