Representação e classificação de texturas da íris baseado na análise discriminante de Fisher bi-dimensional

Detalhes bibliográficos
Ano de defesa: 2011
Autor(a) principal: Assunção, Eduardo Timóteo de
Outros Autores: http://lattes.cnpq.br/7673635321127274
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Amazonas
Faculdade de Tecnologia
BR
UFAM
Programa de Pós-graduação em Engenharia Elétrica
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://tede.ufam.edu.br/handle/tede/3303
Resumo: Os recentes avanços da tecnologia da informação e os crescentes requisitos de segurança têm levado ao rápido desenvolvimento de técnicas inteligentes de autenticação de pessoas baseado em reconhecimento biométrico. Nesse trabalho empregam-se imagens da íris da base de dados UBIRIS como medidas biométricas no cenário de verificação de indivíduos. A literatura exibe uma grande variedade de métodos de extração de características aplicados no processo de reconhecimento de imagens de íris, entre os quais, os métodos baseados em subespaço. O objetivo da análise em subespaço é encontrar uma base de vetores que reduza a dimensão do espaço e, em alguns deles, que também otimize a separação das classes. Dos métodos baseados em subespaço, os mais conhecidos são Análise de Componentes Principais (PCA), Análise Discriminante de Fisher (FDA) e Análise de Componentes Independentes (ICA). Nesse trabalho empregam-se as extensões do método FDA, denominados D FDA 2 (2 ) e DiaFDA+2FDA, na etapa de extração de características. Na etapa de classificação foi empregado o classificador vizinho mais próximo com a métrica da distância Euclidiana. Os resultados mostraram que os métodos têm um bom desempenho, com destaque para o grande poder de compressão. Os métodos chegaram a reduzir uma matriz de dimensão 200 92 para 5 5, alcançando uma área sobre a curva ROC (AUC) de 0,99.