Representação e classificação de texturas da íris baseado na análise discriminante de Fisher bi-dimensional
Ano de defesa: | 2011 |
---|---|
Autor(a) principal: | |
Outros Autores: | |
Orientador(a): | |
Banca de defesa: | |
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. |