دانلود مقاله ترجمه شده فشرده سازی تصویر Iris با استفاده از رمزگذاری تبدیل موجک – ۲۰۱۵ IEEE

فشرده سازی تصویر Iris با استفاده از رمزگذاری تبدیل موجک

Iris Image Compression using Wavelets Transform Coding

چکیده

۱- مقدمه

۲- کارهای مرتبط

۳- فشرده سازی تصویر

A- تبدیل HAAR

B- موجک درخت صفر تعبیه شده (EZW)

C- موجک درخت در امتداد جهت فضایی (STW)

D- پارتیشن بندی مجموعه در درختان سلسله مراتبی (SPIHT)

۴- فلودیاگرام روش پیشنهادی

۵- نتایج شبیه سازی

A- پایگاه داده CASIA و MMU

۶- نتیجه گیری

چکیده

سیستم بازشناسی عنبیه برای احراز وتصدیق هویت، یکی از دقیقترین و پذیرفته شده ترین بیومتریک ها در جهان می باشد. سیستم عنبیه قابل حمل بکاررفته دراپلیکیشن های اجرای قانون، به سرعت رو به افزایش بوده است. اما این وسیله قابل حمل نیازمند کانال ارتباط پهنای باند محدود برای ارسال کد یا تصویر عنبیه می باشد. هرچند رزولوشن کامل تصویر عنبیه برای بازشناسی درست فرد ، و به حداقل رساندن زمان در کانالی با پهنای باند محدود جهت شناسایی اضطراری ترجیح داده می شود، اما باید از فشرده سازی تصویر برای به حداقل رساندن اندازه تصویر استفاده نمود. این مقاله اثرات فشرده سازی را به ویژه برای تصویر عنبیه براساس تصویر تبدیل شده موجک با استفاده ازموجک درخت درجهت فضایی (STW) ، موجک درخت صفر تعبیه شده (EZW) و پارتیشن بندی مجموعه در درختان سلسله مراتبی (SPIHT) مورد پژوهش قرار داده و بدین طریق مناسب ترین فشرده سازی تصویر را شناسایی می کند. در این مقاله، از روش تبدیل موجک Haar برای فشرده سازی و تجزیه تصویر با تغییر سطح تجزیه استفاده شده است. نتایج بدست آمده برحسب نسبت پیک سیگنال به نویز (PSNR)، میانگین مربعات خطا(MSE)، نسبت بیت در هر پیکسل (BPP)، و نسبت فشرده سازی (CR) مورد بررسی قرار گرفته است. به وضوح این گونه استنباط شده است که تبدیل موجک در فشرده سازی تصویر موثرتر عمل می کند، زیرا عملکرد بازشناسی در حداقل سطح ممکن متاثر واقع شده و کاربرد تبدیل Haar در سطح ایده آل مناسب می باشد. از پایگاه داده عنبیه CASIA ، MMU برای این منظور استفاده شده است.

۶- نتیجه گیری

نشان داده شده است که STW به خاطر نسبت فشرده سازی بالایش، برای فشرده سازی تصاویر عنبیه مناسب می باشد. در نتیجه فشرده سازی، امنیت سیستم های بازشناسی عنبیه را کاهش نمی دهد، بلکه فقط راحتی کاربر را کاهش می دهد. این مقاله اثرات فشرده سازی تصاویر عنبیه را مورد پژوهش قرار داده است، در حالیکه سیستم بازشناسی از الگوریتم بازشناسی عنبیه تجاری به همراه رمزگذاری تبدیل موجک با استفاده از تکنیک های SPIHT، STW و EZW استفاده کرده است. عملکرد تطبیقی به کاهش نویز بدون از دست دادن قابل توجه بافت نسبت داده می شود. همچنین اطمینان حاصل شده است که الگوریتم های تطبیق عنبیه با تکنیک های فشرده سازی تصاویر، تخریب نمی شوند. درنتیجه اندازه بزرگ پایگاه داده عنبیه را می توان به اندازه کوچکی کاهش داد که با یک وسیله قابل حمل می توان به آن رسیدگی نمود و بر تطبیق تاثیرکمی اعمال نمود.

Abstract

Iris recognition system for identity authentication and verification is one of the most precise and accepted biometrics in the world. Portable iris system mostly used in law enforcement applications, has been increasing more rapidly. The portable device, however, requires a narrow-bandwidth communication channel to transmit iris code or iris image. Though a full resolution of iris image is preferred for accurate recognition of individual, to minimize time in a narrowbandwidth channel for emergency identification, image compression should be used to minimize the size of image. This paper has investigated the effects of compression particularly for iris image based on wavelet transformed image, using Spatialorientation tree wavelet (STW), Embedded Zero tree Wavelet (EZW) and Set Partitioning in hierarchical trees (SPIHT), to identify the most suitable image compression. In this paper, Haar wavelet transform is utilized for image compression and image decomposition, by varying the decomposition level. The results have been examined in terms of Peak signal to noise ratio (PSNR), Mean square Error (MSE), Bit per Pixel Ratio (BPP) and Compression ratio (CR). It has been evidently found that wavelet transform is more effective in the image compression, as recognition performance is minimally affected and the use of Haar transform is ideally suited. CASIA, MMU iris database have been used for this purpose.

VI- CONCLUSION

STW has been shown that it is well suited for iris image compression for its high compression ratio. Consequently, compression does not decrease the security of iris recognition systems, but “only” reduces user convenience. This paper has investigated the effects of iris image compression while the recognition system is used a commercial iris recognition algorithm along with wavelet transform coding by applying SPIHT, STW and EZW technique. The matching performance is attributed to noise reduction without a significant loss of texture. It has also been ensured that the iris-matching algorithms are not degraded by image compression techniques. As a result large size of iris database can be reduced to small size that can be handled in a portable device and minimally affected the matching purpose.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

فشرده سازی تصویر Iris با استفاده از رمزگذاری تبدیل موجک

Iris Image Compression using Wavelets Transform Coding