چکيده

تشخيص مرزهاي عنبيه در تصوير چشم در سامانههاي تشخيص هويت با استفاده از ماسک لاپلاسين و تبديل هاف هاتف مهرابيان دانشگاه تهران h.mehrabian@ece.ut.ac.ir احمد پورصابري دانشگاه تهران a.poursaberi@ece.ut.ac.ir بابک نجار اعرابي دانشگاه تهران araabi@ut.ac.ir ١- مقدمه چکيده عمل تشخيص هويت شامل چهار مرحله است که به ترتيب عبارتند از: قطعهبندي نرمالسازي استخراج ويژگي و تطابق. قطعهبندي به عنوان اولين مرحله سامانه تشخيص هويت داراي اهميت زيادي است که در صورت عدم انجام دقيق ا ن چهار نوع نويز ناشي از مژهها پلکها انعکاسات و مردمک به سيستم اضافه شده و کارا يي سيستم پايين ميا يد. در اين مقاله روش جديدي براي شناسايي مرزهاي داخلي و خارجي عنبيه - مرز عنبيه با مردمک و مرز عنبيه با صلبيه - اراي ه شده است. در اين روش از ماسک لاپلاسين براي تقويت مرز خارجي عنبيه که در حالت عادي به خوبي قابل تشخيص نيست و از لبهياب Canny و تبديل هاف براي پيدا کردن دايرههاي داخلي و خارجي عنبيه استفاده شده است. اين روش در مقايسه با روشهاي موجود جداسازي عنبيه داراي دقت نسبتا بالاتري بوده و همچنين از لحاظ زمان پردازش نيز با روشهاي خوب موجود, برابري ميکند. واژهه يا کليدي: تشخيص هويت عنبيه ماسک لاپلاسين تبديل هاف لبهياب Canny امروزه نياز به سيستمهاي تشخيص هويت افراد با دقت و قابليت اطمينان بالا در حال گسترش است. پيشرفتهاي اخير در زمينه تکنولوژي اطلاعات و بينايي ماشين و نيز نياز روزافزون به امنيت, باعث شده است که پيشرفتهاي سريعي در زمينه تشخيص هويت افراد به صورت هوشمند و بر مبناي بيومتريکها بدست ا يد. بيومتريک, علمي است که به اندازهگيري ويژگيهاي فيزيولوژيکي و يا رفتاري افراد براي تشخيص و يا تاي يد هويت ا نها ميپردازد. در بين انواع مختلف روشهاي بيومتريک بيومتريک عنبيه بهعنوان دقيقترين و قابل اطمينانترين روش موجود مطرح ميباشد. اين بيومتريک به تحليل الگوهاي موجود در بافت عنبيه که مردمک را احاطه کردهاند ميپردازد [1]. عنبيه انسان ساختاري پيچيده و غيرعادي دارد که باعث ميشود اطلاعات خيلي زيادي در بافت ا ن براي انجام عمل تشخيص هويت وجود داشته باشد. بافت عنبيه در دوران جنيني و در سالهاي ا غازين تولد کامل ميشود و پس از ا ن تا ا خر عمر شخص بدون تغيير باقي ميماند. اين بافت در داخل چشم قرار داشته و اندامي محافظت شده ميباشد و به همين دليل تاثيرات محيطي روي ا ن خيلي کم است. به علاوه از بيرون نيز قابل

دسترسي است و مي توان به راحتي از ا ن تصويربرداري کرد. اين ويژگيها موجب شدهاند که بافت عنبيه بهعنوان يک بيومتريک ايدها ل در نظر گرفته شود. ناحيه حلقوي عنبيه با تبديل مختصات دايروي به کارتزين به يک نوار نگاشته شده و با استفاده از لبهياب Canny و تبديل هاف خطي, مرزها بدست ميا يند. ٣- قطعهبندي ۲- مروري بر روشه يا روشه يا موجود مختلفي براي شناسايي مرزهاي عنبيه پيشنهاد شده که برخي از ا نها را در اين بخش معرفي ميکنيم. داگمن در روش خود [,3] از عملگر انتگرل-ديفرانسيل براي تشخيص مرزهاي عنبيه استفاده کرده و پلکهاي بالا و پايين را توسط دو کمان جدا ميکند. روش انتگرال-ديفرانسيل را ميتوان به صورت تغييرات تبديل هاف در نظر گرفت زيرا از مشتق اول تصوير براي جستجو استفاده ميکند. اين روش در صورتي که تصوير اوليه داراي نويز باشد مانند نويز ناشي از انعکاسات ممکن است جواب نادرستي بدهد چون به صورت محلي کار ميکند. به علاوه زمان زيادي براي پيدا کردن مرزها لازم دارد. وايلدز [4] عمل قطعهبندي را با استفاده از عملگر هيستوگرام و فيلتر کردن, انجام داده و براي پيدا کردن لبهه يا پلکها ا نها را با سهميه يا افقي مدلسازي ميکند. نويزهاي ناشي از مردمک و مژهها در اين روش در نظر گرفته نشدهاند. تيسه [5] روشي را براي قطعهبندي تصوير چشم برمبناي عملگرهاي انتگرال-ديفرانسيل و تبديل هاف اراي ه کرده و با اين کار زمان محاسباتي روش داگمن را کاهش داده و احتمال قرار گرفتن مرکز خارج از تصوير چشم را از بين برده است. در اين روش نيز نويزهاي ناشي از مردمک و مژهها در نظر گرفته نشدهاند. ما [6] در روش خود از فيلتر کردن پيدا کردن نقا ط لبه و تبديل هاف براي قطعهبندي استفاده کرده است. در اين روش نويز ناشي از مردمک و مژهها نيز در نظر گرفته شده است. کنگ و ژانگ [7] روشي را براي شناسايي مژهها اراي ه کردهاند. در اين روش مژهه يا از فيلترهاي گابور يکبعدي و مژهه يا قابل جداسازي با استفاده به هم چسبيده با استفاده از واريانس شدت نور شناسايي ميشوند. سپس تصاوير گرفته شده از عنبيه معمولا فقط شامل ناحيه عنبيه نبوده و در ا نها مردمک پلکها مژهها و انعکاسات نيز ديده ميشوند (نمونهاي از اين تصاوير در شکل نشان داده شده است). شکل ١: نمونهاي از تصاوير چشم در پايگاه تصاوير CASIA براي سهولت پردازشه يا بعدي ابتدا بايد تصاوير اوليه عنبيه قطعهبندي شوند. براي يک سيستم تشخيص هويت با استفاده از تصاوير عنبيه تشخيص نويزها و قطعهبندي دقيق تصوير عنبيه از اهميت ويژه ا ي برخوردار است زيرا موفقيت سيستم در مراحل بعدي به دقت انجام اين مرحله بستگي دارد. در روش اراي ه شده, هدف مشخص کردن دو مرز عنبيه يعني مرز داخلي عنبيه با مردمک و مرز خارجي ا ن با صلبيه و مشخص کردن پلکها و همچنين جدا کردن مژهها ميباشد. روش اراي ه شده شامل چهار مرحله زير است: پيدا کردن مرز بين مردمک و عنبيه جدا کردن مژهها جدا کردن پلکها و نواحي مسدود شده از عنبيه توسط ا نها پيدا کردن مرز خارجي عنبيه يا مرز بين صلبيه و عنبيه عنبيه را ميتوان به صورت دو دايره متداخل و غير هممرکز در نظر گرفت که پلکها و مژههاي بالا و پايين چشم ا ن را مسدود کردهاند. در اين مرحله, مختصات مرکزهاي دو دايره به همراه شعاع ا نها مشخص ميشوند.

ب( ۳---۳- حذف ٣-١- تعريف لبه مرز, مانند سايه يک واقعيت فيزيکي نيست و عبارت است از جايي که تصوير تمام يا شروع ميشود. لبه را ميتوان بهعنوان جايي که صفحههاي عمودي و افقي جسم به هم ميرسند در نظر گرفت يا ميتوان ا ن را به صورت چيزي که بين پنجره روشن و تاريک شب وجود دارد تصور کرد. به زبان سادهتر لبه داراي ضخامت نيست. در موارد خاص يک الگوريتم پيدا کردن لبه ميتواند از ويژگيهاي خود تصوير استفاده کند. بهعنوان مثال لبهيابي که مرزهاي به شکل خط راست را پيدا ميکند ميتواند براي تشخيص اجسامي مانند ساختمانها کارايي خوبي داشته باشد. ---۳ لبهياب Canny الگوريتم لبهياب تضعيف نويز Canny از سه قسمت اصلي تشکيل شده است: پيدا کردن نقاطي که ميتوانند بهعنوان لبه در نظر گرفته شوند. ---۳- نويز حذف نقاطي که احتمال لبه بودن ا نها کم است. در مساي ل پيدا کردن لبه نويز موجب خراب شدن لبهها ميشود و باعث ميگردد که نقاط لبه به خوبي تشخيص داده نشوند. يکي از روشهايي که براي مقابله با اين مشکل بهکار ميرود کانوالو کردن تصوير با يک پنجره گوسي دوبعدي است. اين کار, نويز را تضعيف کرده ولي از طرف ديگر خود تصوير را نيز تحت تاثير قرار داده و لبهها را مات ميکند. ۲---۳- استخراج نقاط لبه پس از حذف نويز تقريب اوليهاي از نقاطي که ميتوانند بهعنوان لبه در نظر گرفته شوند زده ميشود. در اين مرحله از گراديان تصوير استفاده ميشود و نقاطي که گراديان در ا نها بيشينه است (بصورت محلي) بهعنوان لبه انتخاب ميشوند. اين کار مرحله دوم الگوريتم Canny را تشکيل ميدهد. مرحله ا خر الگوريتم حذف نقاطي است که در مرحله قبل بهعنوان لبه پيدا شده بودند ولي در واقع جزء نقاط لبه نيستند. اين مرحله ضروري است زيرا فيلتر کردن تصوير نويزي بصورتي که در مرحله اول توضيح داده شد, بطور کامل ا نها را حذف نميکند و براي پيدا کردن مرز بايد اين کار را با Scale هاي مختلف انجام داد. حذف کردن نقاط لبهاي که اندازه بردار گراديان ا نها کمتر از حد ا ستانه است ممکن است باعث از دست رفتن نقاط لبه شود. براي اجتناب از اين امر,l τ در نظر گرفته ميشود و دو حد ا ستانه τh نقاط لبه بصورت زير انتخاب ميشوند. x, τh < I( است بهعنوان لبه ابتدا نقطه (y (,x که در ا ن (y انتخاب شده, سپس نقاطي از اطراف اين نقطه که براي ا نها 'y τl < )I 'x, است نيز بهعنوان نقطه لبه انتخاب ميشوند. ) -۲--۳ لبهياب Sobel اين لبهياب از ترکيب يک تابع مشتقگير و يک تابع نرمساز گوسي بدست مي ا يد. اين لبهياب به دو صورت افقي و عمودي عمل ميکند که بستگي به جهت قسمت مشتق گير ا ن دارد. اي ن لبهياب جزء ضعيفترين لبهيابها است و فقط لبههايي که تغييرات شدت نور در ا نها زياد باشد را ميتواند تشخيص دهد. لبهياب 1-1 - 1-1 فلا( Sobel افقي و عمودي در شکل ۲ نشان داده شدهاند. 1 1 ( -1 - -1 ( شکل ٢: الف)لبهياب Sobel افقي ب) لبهياب ٣-١-٣- ماسک يا عملگر لاپلاسين Sobel عمودي عملگر لاپلاسين از مشتق دوم تصوير استفاده ميکند و مستقل از جهت مرزهاست به همين دليل اين عملگر يک مقدار اسکالر است و نه يک بردار. اين عملگر بصورت زير تعريف ميشود: f ( xy) f ( x, y) f( x, y), = + x y () 1

در صورت يکه عمل مشتقگير ي را در دو جهت قطري نيز انجام دهيم عملگر لاپلاسين به شکل زير خواهد بود: f ( x y) f ( x, y) f( x, y) f( x, y) f( x, y), = + + + x x y y x y ( ) و از ديدگاه فيلتري, ماسک نشان دهنده ا ن بصورت شکل ۳ ميباشد: -۸ شکل ٣: ماسک لاپلاسين بکار رفته در الگوريتم حساسيت عملگر لاپلاسين به نويز خيلي زياد است زيرا با نقا ط عبور از صفر ارتباط دارد و اين در حالي است که در بيشتر موارد سيگنال نويز نيز داراي مقادير کوچک و نزديک صفر است. به همين دليل ابتدا يک فيلتر پايينگذر به تصوير اعمال ميشود تا اثر نويز را کاهش دهد و سپس عملگر لاپلاسين اعمال مي شود. که بيشترين تعداد نقاط لبه روي ا ن قرار دارند را بهعنوان دايره مورد نظر انتخاب ميکنيم. مشکل تبديل هاف, سرعت پايين ا ن است زيرا همه پارامترها را بايد در بازههاي مشخصي تغيير دهيم و در صورتيکه تعداد پارامترها زياد باشند زمان زيادي براي حل معادله لازم خواهد بود. ۳-۳- مشخص کردن مرز داخلي عنبيه براي مشخص کردن مرز داخلي يا مرز عنبيه با مردمک از لبهياب Sobel و تبديل هاف استفاده ميکنيم. شدت نور ناحيه داخلي مردمک با نواحي خارجي ا ن اختلاف زيادي دارد و مردمک نسبت به عنبيه تيرهتر است. به همين دليل ميتوان نقاط مربوط به مرز عنبيه با مردمک را با استفاده از لبهياب Sobel که توضيح داده شد مشخص کرد. خروجي اعمال لبهياب چشم در شکل ۴ نشان داده شده است. Sobel به يک تصوير ۲-۳- تبديل هاف دايروي تبديل هاف, الگوريتمي است که با استفاده از ا ن ميتوان اشکال مشخصي را در تصوير شناسايي و جدا کرد. براي پيدا کردن ي ک شکل خاص با تبديل هاف لازم است که ا ن شکل داراي فرم پارامتري مشخصي باشد به همين دليل از تبديل هاف معمولا براي پيدا کردن اشکالي مثل خط دايره و سهمي استفاده ميشود. براي پيدا کردن دايره در تصوير ابتدا با استفاده از ي ک الگوريتم لبهياب نقاط لبه تصوير را پيدا ميکنيم سپس معادله دايره را به فرم پارامتري در نظر ميگيريم که معادله ۳ نشان داده شده است. ( x a) + ( y b) = r ( 3) اين معادله داراي سه مجهول است که عبارتند از زوج a,b) ( که مختصات مرکز دايرهاند و r که اندازه شعاع دايره است. براي حل معادله ا ن را به فضاي پارامترهاي ا ن که فضايي سهبعدي است منتقل ميکنيم. سپس با قرار دادن مقادير مختلف به جاي,b ( a, تعداد نقاط لبه را که روي دايرهاي که با هر پارامترهاي (r دسته از پارامترها بدست ميا يد ميشماريم و پارامترهاي دايرهاي شکل ۴: نقاط لبه بدست ا مده براي تصوير چشم با استفاده از لبهياب.Sobel قسمت نشان داده شده مرز مردمک را مشخص ميکند. مشاهده ميشود که اين مرز تقريبا بطور کامل تشخيص داده شده است پس از مشخص شدن نقاط لبه با استفاده از تبديل هاف دايروي مرکز و شعاع دايره مردمک را بدست م ي ا وريم. در شکل ۵ مرز داخلي عنبيه که با اين روش بدست ا مده است براي چند تصوير چشم نشان داده شده است. شکل ۵: مرکز و شعاع بدست ا مده براي مرز داخلي عنبيه براي چند تصوير چشم

۴-۳- جدا کردن مژهها يکي از نويزهايي که باعث خراب شدن بافت عنبيه ميشود و حذف ا ن براي قطعهبندي دقيق و نيز انجام عمل شناسايي با استفاده از تصاوير عنبيه حاي ز اهميت است نويز ناشي از مژهها ميباشد. براي جدا کردن مژهها, از شکل خاص ا نها استفاده ميکنيم. مژه اندامي باريک و دراز است که ضخامت ا ن حدود يک يا دو پيکسل ميباشد. با توجه به اينکه مژهها معمولا تيره هستند و شدت نور ا نها نسبت به ناحيهاي از عنبيه که ا نها را پوشانده کمتر ميباشد نقاطي از تصوير که اختلاف شدت نور ا نها هم با ميانگين ۵ پيکسل سمت راست و هم با ۵ پيکسل سمت چپ زياد باشد را بهعنوان نقطهاي از يک مژه در نظر ميگيريم. نتيجه اعمال اين روش به چند تصوير چشم در شکل ۶ نشان داده شده است. اين روش قسمتهايي از عنبيه که توسط مژهها پوشانده شدهاند را به خوبي و با سرعت بالا جدا ميکند. توجه به اينکه مرز مردمک قبلا بدست ا مده است ميتوان اي ن نقاط را حذف کرد. نقاط لبه ديگري که ممکن است در ناحيه بين دو پلک وجود داشته باشند مژهها هستند که اين نقاط نيز قبلا بدست ا مده و به راحتي قابل حذف هستند. پس از حذف نقا ط لبه اضافي, با حرکت در امتداد عمودي به طرف بالا و پاي ني نسبت به مرکز مردمک از هر پلک ۵۰ نقطه را انتخاب کرده و با استفاده از روش حداقل مربعات خطا معادله درجه دومي را از ا نها عبور ميدهيم. معادلهاي که با روش حداقل مربعات خطا از چند نقطه عبور داده ميشود کمترين فاصله را از همه نقاطي که منحني بايد از ا نها عبور کند دارد. مرزهاي بدست ا مده با اين روش براي چند نمونه تصوير چشم در شکل ۷ نشان داده شدهاند. با توجه به اينکه فقط قسمتي از اين منحنيها که بالا و پاي ني ناحيه عنبيه قرار دارند براي ما مهم ميباشند بيشتر نقاط را از اين قسمت انتخاب ميکنيم. اين روش فقط در مورد برخي از تصاوير که طرحه يا لبهياب زيادي در بافت عنبيه دارند و لبهه يا اين طرحها با Sobel تشخيص داده ميشوند ممکن است که جواب نادرستي بدهد. همانطور که در شکل ۷ مشاهده ميشود اي ن روش پلکها را با دقت بالا شناسايي ميکند. اين مرزها علاوه بر اينکه نواحي مسدود شده عنبيه را مشخص ميکنند در پيدا کردن مرز خارجي نيز مورد استفاده قرار ميگيرند. شکل ۶: در اين شکل مژههاي شناسايي شده با رنگ سفيد نشان مشخص است. همانطور که مشاهده ميشود بيشتر مژهها تشخيص داده شدهاند ٣-٥- مشخص کردن پلکها همانطور که در شکل مشاهده ميشود پلکها را ميتوان به صورت دو سهمي در نظر گرفت و براي مشخص کردن ا نها ميتوان نقاط لبه مربوطه را پيدا کرده و با استفاده از تبديل هاف سهموي مشخصات سهمي را بدست ا ورد. و يل چون حل معادله بدست ا مده که داراي ۴ پارامتر است خيلي وقتگير ميباشد و در سامانههاي بيومتريک سرعت پاسخدهي پارامتر مهمي است هر پلک را با يک معادله درجه دوم تقريب مي زنيم. براي اين کار ابتدا بايد چند نقطه از پلک را پيدا کنيم. همانطور که در شکل ۴ نشان داده شده است مرز پلکها با استفاده از لبهياب Sobel قابل تشخيص ميباشد زيرا تغييرات شدت نور در مرز پلکها نسبتا زياد است. در اين تصوير مشاهده ميشود که بين دو پلک فقط نقاط لبه مربوط به مردمک وجود دارند و با شکل ۷: مرزهاي بدست ا مده براي پلکها براي چند نمونه تصوير چشم مشاهده ميشود که پلکها به درستي تشخيص داده شدهاند ٣-٦- مشخص کردن مرز خارجي عنبيه مهمترين و مشکلترين قسمت مرحله قطعهبندي پيدا کردن مرز بين عنبيه و صلبيه است. زيرا اولا در اين ناحيه معمولا مرز مشخصي وجود نداشته و اختلاف شدت نور عنبيه و صلبيه در مرز خيلي کم است و ثانيا نقاط لبه ديگري در تصوير چشم وجود دارند که اختلاف شدت نور در ا نها خيلي بيشتر از مرز عنبيه و صلبيه است. در نتيجه الگوريتمهاي لبهياب که قادر به تشخيص لبههاي مربوط به مرز خارجي عنبيه هستند ا نها را نيز بهعنوان

ب( لبه شناسايي مي کنند که براي تشخيص دادن مرز خارجي عنبيه بايد اين نقاط را شناسايي و حذف کرد. در روش اراي ه شده ابتدا مرزهاي موجود تقويت شده و سپس نقاط لبه اضافي شناسايي و حذف ميگردند و در ا خر با تبديل هاف مرز خارجي عنبيه بدست ميا يد. براي تقويت لبههاي مربوط به مرز خارجي عنبيه ابتدا ماسک لاپلاسين را به تصوير چشم اعمال ميکنيم. با اعمال اين ماسک به تصوير ماتريسي با ابعاد خود تصوير به دست ميا يد که مقادير درايههاي ا ن در جاهايي که مرز مشخصي وجود دارد زياد است و در جاهايي که مرز کاملا واضحي وجود ندارد مثل مرز خارجي عنبيه کم است. با کم کردن اين ماتريس از مقادير شدت نور تصوير چشم لبهها تضعيف ميشوند. مرزهاي مشخصتر مانند پلکها و مژهها بيشتر از ساير نقاط تضعيف ميشوند در حالي که مرزهايي مانند مرز خارجي عنبيه تغيير زيادي نميکنند. پس از انجام اين کار با استفاده از لبهياب Canny نقاط لبه را پيدا ميکنيم. اعمال ماسک لاپلاسين و کم کردن ا ن از تصوير چشم باعث ميشود که حدود ا ستانه در الگوريتم Canny پايينتر بيايد و نقاط لبه مربوط به مرز خارجي عنبيه بهتر تشخيص داده شوند. نتايج انجام اين کار بر روي يک تصوير چشم در شکل ۸ نشان داده شده است. شکل ۸ -الف لبههاي بدست ا مده براي تصوير اصلي را نشان ميدهد و شکل ۸ -ب لبهها را پس از اعمال ماسک لاپلاسين نشان ميدهد. در اين تصاوير مشاهده ميشود که پس از اعمال روش نقاط لبه مربوط به مرز خارجي عنبيه به خوبي شناسايي شدهاند بهعلاوه قسمتي از نويزهاي مربوط به مژهها و طرحهاي داخل بافت عنبيه نيز حذف شدهاند. پس از مشخص کردن نقاط لبه تصوير بايد لبههاي اضافي پيدا و حذف شوند. اين کار با استفاده از مرزهاي پلکها و مردمک که در مراحل قبل تشخيص داده شدند انجام ميشود. همانطورکه در شکل ۸ -ب مشاهده ميشود علاوه بر لبههاي مربوط به عنبيه در بالا و پايين ا ن لبههاي ديگري نيز وجود دارند که متعلق به پلکها و مژهها ميباشند اين نواحي در اين شکل با شماره ۲ نشان داده شدهاند. ( فلا( ( شکل ٨: لبههاي بدست ا مده با الگوريتم Canny الف) قبل از اعمال ماسک لاپلاسين و ب) بعد از اعمال ماسک لاپلاسين با توجه به اينکه در مراحل قبل مرز پلکها بدست ا مده بود ميتوان نقاط لبهاي را که بين دو پلک نيستند حذف کرد. نقا ط لبه اضافي ديگري که در شکل ۸ -ب وجود دارند مربوط به مردمک هستند و با شماره ۳ نشان داده شدهاند. اين نقاط را با استفاده از مرز عنبيه که قبلا بدست ا مده بود ميتوان حذف کرد. در روش اراي ه شده سعي بر اين بوده است که مرزهايي را که در حالت عادي و با لبهيابها قابل تشخيص نيستند و در بسيا ير از تصاوير, مرز خارجي عنبيه نيز جزء اين دسته نقاط لبه است را شناسايي کرده و با اين کار مشکل کم بودن تغييرات شدت نور در مرز عنبيه را حل کنيم. با اين کار نقاط لبه ديگري نيز به تصوير اضافه ميشوند که متعلق به سايه گوشهه يا چشم است که در شکل ۸ -ب با شماره ۴ نشان داده شدهاند. اين نقاط لبه را بدين صورت از مرز عنبيه جدا ميکنيم که در مرز خارجي عنبيه شدت نور تصوير اصلي در راستاي شعاعي مردمک و به سمت خارج ا ن زياد ميشود در حالي که در مورد سايهها عکس اين مطلب صادق است و شدت نور تصوير در راستاي شعاعي مردمک در نقا ط خارج مرز بيشتر از نقاط داخل ا ن است.

شکل ۹: نقاط لبه باقي مانده پس از حذف لبههاي اضافي با استفاده از اين اختلاف سايهها را از مرز خارجي عنبيه جدا ميکنيم. در شکل ۹ نقاط لبه که پس از حذف لبههاي اضافي باقي ماندهاند نشان داده شده است. با توجه به اينکه در اين روش تقريبا همه لبههايي که مربوط به مرز خارجي عنبيه نيستند حذف ميشوند الگوريتم کارا يي مناسبي را در مورد تصاويري که قسمته يا زيادي از ناحيه عنبيه توسط پلکها و مژهها پوشانده شده است دارد و فقط کافي است که تعدادي از نقاط لبه مربوط به مرز عنبيه شناسايي شوند. در ا خر با استفاده از تبديل هاف دايروي مختصات مرکز و شعاع دايره مرز خارجي عنبيه بدست ميا يند. در شکل ۰ مرزهاي بدست ا مده براي يک تصوير چشم نشان داده شدهاند. همانطور که در اين شکل مشاهده ميشود مرزها با دقت شناسايي شدهاند. مزيت اين روش نسبت به ساير روشه يا موجود دقت بالاي ا ن در جدا کردن مرزها ميباشد. زيرا هم مژهها و هم پلکها و هم سايه گوشههاي چشم با دقت خوبي شناسايي شده و در نتيجه نويز ناشي از ا نها از ناحيه جستجو براي مرزها حذف شدهاند در حاليکه در بيشتر روشها مانند روش داگمن و بولز عمل قطعهبندي نسبت به اين نويزها به ويژه نويز ناشي از مژهها حساسند و در صورت انسداد بيش از حد ناحيه عنبيه قادر به تشخيص دقيق مرزها نيستند. ۴- نتايج تجربي در اين مطالعه از پايگاه تصاوير CASIA استفاده شده است که شامل ۷۵۶ تصوير از ۰۸ نفر است. اين تصاوير تحت نور مادون قرمز گرفته شدهاند و به همين دليل انعکاسات محيط در ا نها وجود ندارد. روش اراي ه شده تحت محيط MATLAB7 و با کامپيوتر PC پنتيوم RAM 56MB VI و CPU 1.8GHz انجام شده است. مرزهاي داخلي و خارجي عنبيه در اکثر تصاوير پايگاه تصاوير CASIA به درستي تشخيص داده شدند و فقط در بعضي از تصاوير که ناحيه عنبيه داراي انسداد بيش از حد بود و مژهها و پلکها قسمت زيادي از عنبيه را پوشانده بودند قسمتهاي کمي از ناحيه صلبيه نيز عنوان ناحيه عنبيه در نظر گرفته شدند. ابعاد تصاوير موجود در پايگاه تصاوير CASIA 8 3 بوده و زمان انجام عمل تشخيص مرزها با کامپيوتري که مشخصاتش قبلا ذکر شد براي هر تصوير برابر 1.7s ميباشد که با توجه به سيستم کامپيوتري استفاده شده و زمانهاي اراي ه شده براي ساير روشها, قابل قبول ميباشد. در شکل نمونههايي از مرزهاي بدست ا مده براي چند تصوير نشان داده شده است. ٥- نتيجهگيري در اين مقاله الگوريتمي براي تشخيص مرزهاي عنبيه با استفاده از ماسک لاپلاسين و لبهياب Canny و تبديل هاف اراي ه شد. در اين روش مرزها با دقت بالا شناسايي شدند و مشکل کم بودن تغييرات شدت نور در مرز خارجي عنبيه نسبت به ساير قسمتهاي چشم حل شد و نتايج اعمال اين روش به تصاوير پايگاه تصاوير CASIA نشان دهنده کارا يي و سرعت بالاي روش بود بهعلاوه مشکل انسداد بيش از حد عنبيه توسط پلکها و مژهها نيز تا حدودي حل شد. شکل ١٠: مرزهاي بدست ا مده براي يک تصوير چشم

[] J. Daugman. High confidence visual recognition of persons by a test of statistical independence. IEEE Trans.PAMI,15(11):1148 1161, November 1993. [3] J. Daugman. The importance of being random: Statistical principles of iris recognition. Pattern Recognition, 36():79 91, 3. [4] R.Wildes. Iris recognition: An emerging biometric technology. Proceedings of the IEEE, 85(9):1348 1363, September 1997. [5] C. Tisse, L.Martin, L. Torres, and M. Robert. Person identification technique using human iris recognition In Proceedings of ICVI, pages 94 99,. [6] L. Ma, T. Tan, Y. Wang, D. Zhang. Personal recognition based on iris texture analysis. IEEE Trans. PAMI, 5(1):1519 1533, 3. [7] W.Kong, D.Zhang. Accurate iris segmentation based on novel reflection and eyelash detection model. In Proceedings of ISIMVSP, pages63 66, 1. [8] J. Daugman., "How iris recognition works?", in Proceedings of International Conference on Image Processing, vol. 1, pp. -5, New York, Sep,. [9] E. Wolff, Anatomy of the eye and orbit, 7th edition. H. K. Lewis & Co. LTD, 1976. [1] H. Sung, J. Lim, J. Park, Y. Lee, Iris recognition using collarette boundary localization, in Proceedings of the 17th International Conference on Pattern Recognition, Cambridge, August, 4. شکل : مرزهاي بدست ا مده براي چند تصوير چشم با استفاده از الگوريتم اراي ه شده. همانطور که مشاهده ميشود مرزها با دقت خوبي شناسايي شدهاند. ٦- منابع و ما خذ [1] Liu, S. and Silverman, M., A practical guide to biometric security technology, IT Professional, vol. 3, pp. 7-3, 1.