İRİS TANIMA
Emrah METE, Erkan HASPULAT
Yrd.Doç.Dr. Songül ALBAYRAK
Yıldız Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü
ÖZETÇE
Bir insanı sayısal ortamda isabetli bir şekilde tanımlayabilme ihtiyacı gün geçtikçe çok büyük bir önem kazanmaktadır. İnsan vücudunda birden çok ayırt edici özellik bulunduğundan, bu işi gerçekleştirebilmek için biyometrik sistemler genellikle daha güvenilir bir yol sunmaktadır. Biyometrik sistemler kullanılarak insan vücudundaki belirli bir özellik sayısal ortama aktarılıp çeşitli metodlar üzerinde kullanılabilir hale gelmektedir. İnsan gözünde bulunan iris, bu benzersiz özeliklerden biridir. İnsan irisini tanımlama ve sınıflandırma işini gerçekleştirebilen bir metod, isabetli tanımlama amacına uygun olabilir.
Bu çalışmada bir iris veritabanı kullanılarak bu işi gerçekleştiren bir metod aranmıştır. Görüntü işleme ve veri madenciliği teknikleri kullanılmıştır. Sonuçları görsel olarak gözlemlemek adına örnek bir uygulama geliştirilmiştir.
İRİS TANIMA
İris Tanıma insan gözündeki benzersiz iris dokusundan faydalanarak kişileri dijital ortamda birbirinden ayırt etmeyi sağlayan bir biyometrik tanıma sistemidir.
İris dokusu her insanda farklıdır ve çevresel faktörlerden en az etkilenen biyometrik özelliktir. Çevresel faktörler iris dokusuna zarar vermez veya değiştirmez.
İnsanlara ait iris dokusu her iki göz içinde birbirinden farklıdır. Bu eşsiz özellikleri ile iris tanıma diğer biyometrik tanıma sistemlerinden daha güvenlidir.
AMAÇLAR
UBIRIS İRİS VERİTABANI
UBIRIS iris veritabanı toplam 241 farklı kişinin sağ ve sol gözlerinden alınan beşer fotoğraftan oluşmuş bir iris veritabanıdır. Görüntüler iki farklı oturumda çekilmiştir. Görüntülerde genel olarak gürültüler ve ışık yasımaları vardır. Bu koşullarda sınıflandırma ve iris tanıma başarısını olumsuz yönde etkiliyen faktörlerdir.
İRİS TANIMA FAZLARI
BÖLÜTLEME (Segmentation)
Sisteme verilen göz görüntüsünün göz bebeği ve iris kısımlarının saptanma işlemi iris bölütleme fazında gerçeklenmektedir.
Bölütleme işlemi yapılırken “Daugman Integro Differantial Operator”ünden faydalanılmıştır.Bunun yanı sıra eşikleme (thresholding), bağlı bileşenleri etiketleme (connected component labeling) görüntü işleme yöntemleri bu fazda gerçeklenmiştir.
NORMALİZASYON
Normalizasyon fazında iris ve göz bebeği bulunmuş iris görüntüsünün özellik çıkarımının gerçekleştirilebilmesi için polar formdan kartezyen forma aktarımı gerçekleştirilmiştir.
Bu aşamada iris dokusunu belirginleştirmek için ayrıca Histogram Eşleme yöntemi de uygulanmıştır.
ÖZELLİK ÇIKARTMA (FEATURE EXTRACTION)
Özellik çıkarımı normalize edilmiş iris dokusundaki irise ait ayırt edici özellikleri belirlemeyi sağlayan aşamadır.
Bu aşamada “2D Dual Tree Complex Wavelet Transform” kullanılmıştır. Bu faz sonucunda irise ait elimizde 5400 complex sayıdan meydana gelmiş bir özellik vektörü elde edilmiştir. Daha sonra “Phase Quadrant Demodulation” işlemi yapılarak 10800 bit uzunluğunda binary iris kod elde edilmiştir.
EŞLEŞTİRME (MATCHING)
Test görüntüsü olarak verilen irise ait iris kodunun, tüm veri tabanındaki irislere ait iris kodlar ile karşılaştırılması ve belirlenen sınıflandırıcı aracılığı ile sınıfının belirlenmesi fazıdır.
Sınıflandırıcı olarak “K-Nearest Neighbour” kullanılmıştır. Program içerisinde ve testlerde K değerleri 1 ve 3 alınmıştır. İris kodlarının birbirlerine uzaklıkları “Hamming Distance” yöntemi ile hesaplanmıştır.
UBIRIS’deki tüm sınıflara ait resimler teste tabii tutulup her sınıfa ait başarı yüzdeleri hesaplanıp veri tabanına kayıt edilmiştir.
Geliştirilen arayüz sayesinde veri tabanı içerisinden seçilen herhangi bir iris görüntüsünün sınıflandırma işlemi yapılıp sonuçları kullanıcıya gösterilebilmektedir.
UYGULAMA PROGRAMI ARAYÜZÜ
