چکیده:ارائه روشی برای تشخیص هویت بر مبنای ویژگی بعد فراکتال مقدمه: از دیرباز تاکنون تکنیک‌های متعددی برای شناسایی افراد به وجود آمده است. در این میان سیستم‌های تشخیص هویت مبتنی بر بیومتریک از صحت و اطمینان بیشتری برخوردارند. این سیستم‌ها باید به گونه‌ای طرح‌ریزی شوند تا بتوانند بر اساس ویژگی‌های رفتاری و فیزیکی افراد نسبت به شناسایی مطمئن آنها اقدام کنند. از آنجائیکه روش‌های نسبتا جدیدی مانند رگ‌های انگشت نسبت به روش‌های سنتی بیومتریک (مانند اثرانگشت و عنبیه) مزایایی مانند ماندگاری بالا، کاربرپسند بودن و ریسک کم در جعل دارند، استفاده از آن می‌تواند کارایی بهتری ارائه دهد.مواد و روش‌ها: سیستم تشخیص هویت پیشنهادی متشکل از سه بخش اصلی است که عبارتند از : اعمال ماسک بر تصویر، استخراج و تطبیق بردار ویژگی‌ها. مهم‌ترین بخش در هر سیستم تشخیص هویت بیومتریکی استخراج ویژگی‌هایی منحصربفرد می‌باشد، که در این پژوهش از فراکتال‌ها و روش‌های محاسبه بعد آن (مانند روش جعبه شماری افتراقی، اعمال شیفت جعبه شماری افتراقی، جعبه شماری افتراقی نسبی و مالتی فراکتال) برای این منظور استفاده شده است. دو پایگاه داده‌‌‌ی SDUMLA_HMT و FV_USM که شامل تصاویر رگ انگشتان سبابه، حلقه و راهنما از هر دو دست افراد (زن و مرد) می باشد، جهت اعمال روش پیشنهادی بکار رفته است. تمامی نتایج بر روی نرم‌افزار متلب نسخه 2010 تهیه شده‌اند.نتایج: تمامی پارامترهای کارایی روش پیشنهادی با روش‌های موجود در زمینه‌ی تشخیص هویت مبنی بر مدل فراکتالی و غیر فراکتالی مقایسه شده‌اند. درصد نرخ خطای نسبی بر روی پایگاه‌های تصاویر مذکور برابر با 0.07% و 0.1% ، همچنین میزان نرخ موفقیت کلی سیستم برابر با 99.85% و نرخ خطاهای FAR وFRR به ترتیب برابر با 0.02% و 0.1% بدست آمده‌اتد.بحث: یافته‌های ما به روش استخراج ویژگی‌های تصاویر بیومتریکی با بکارگیری مفهوم بعد فراکتال اشاره دارد، که در مقایسه با روش‌های موجود، نتایج بهتری ارائه می‌دهد. لازم به ذکر است که روش پیشنهادی با روشی کاملا جدید بهبود داده شده که در مطالعات دیگر محققان مشاهده نشده است.کلمات کلیدی: بیومتریک، رگ انگشت، شناسایی افراد، بعد فراکتال، استخراج ویژگی.فهرست مطالبعنوان صفحهفصل اول: مقدمه1-1- مقدمه‌ای بر تشخیص هویت.. 21-2- مقدمه‌ای بر فراکتال و بعد آن.. 41-3- اهداف و ساختار پایان‌نامه.. 5فصل دوم: ادبیات موضوع2-1- مقدمه.. 82-2- فناوری بیومتریک.. 92-2-1- سیستم‌های تشخیص هویت.. 92-2-1-1- مبتنی بر توکن.. 92-2-1-2- مبتنی بر دانش خصوصی.. 102-2-1-3- مبتنی بر بیومتریک.. 102-2-2- مفهوم بیومتریک.. 102-2-3- نمای سیستم بیومتریک.. 112-2-4- پارامترهای مهم در سیستم‌های بیومتریک.. 132-2-5- خصوصیت یک سیستم بیومتریک.. 142-2-6- انواع روش‌های بیومتریک.. 162-2-6-1- بیومتریک اثر انگشت.. 162-2-6-2- بیومتریک عنبیه.. 172-2-6-3- بیومتریک تشخیص چهره.. 192-2-6-4- بیومتریک هندسه‌ی دست و انگشت.. 202-2-6-5- بیومتریک صدا.. 212-2-6-6- بیومتریک اثر کف دست.. 212-2-6-7- بیومتریک رگ انگشت.. 222-3- عملیات کلی در سیستم تشخیص هویت.. 242-3-1- اکتساب تصویر FV.. 252-3-2- پیش‌پردازش تصویر.. 272-3-2-1- برش ناحیه مطلوب ROI بر اساس موقعیت نوک انگشت.. 272-3-2-2- برش ناحیه مطلوب ROI بر اساس پنجره W... 292-3-2-3- نرمال‌سازی و بهبود کنتراست تصویر FV.. 302-3-3- بررسی چند روش استخراج ویژگی به منظور تشخیص هویت.. 322-3-3-1- استخراج ویژگی با فیلتر گابور.. 322-3-3-2- استخراج ویژگی FV با تکنیک Blanket352-3-3-3- Lacunarity بر اساس تکنیک Blanket372-3-3-4- الگوریتم PCA.. 382-3-3-5- الگوریتم ICA.. 402-3-3-6- تبدیل فوریه.. 442-3-3-7- کد سوبل.. 452-3-3-8- استخراج ویژگی با روش SIFT.. 462-3-4- تشخیص و تطبیق الگو.. 472-3-4-1- تشخیص و کلاس‌بندی براساس میزان شباهت کسینوسی.. 472-3-4-2- تطبیق با استفاده از تکنیک Blanket و Lacunarity. 492-4- فراکتال‌ها و ویژگی‌های آن.. 502-4-1- پیدایش فراکتال‌ها.. 512-4-2- مفهوم فراکتال.. 522-4-3- خصوصیات اشکال فراکتال.. 532-4-4- هندسه‌ی فراکتال.. 542-4-4-1- ایده‌ی خود متشابهی و تاریخچه‌ی آن.. 542-4-5- انواع فراکتال‌ها.. 562-4-6- تولید فراکتال‌ها.. 572-4-6-1- فراکتالهای تولید شده توسط تبدیلات تکراری IFS. 572-4-6-2- تولید فراکتال‌ها توسط چندجمله‌های مختلط به عنوان تابع اولیه.. 602-4-6-3- تولید فراکتال‌ها توسط L-System.. 622-4-6-4- فراکتالهای تصادفی.. 632-5- جمع بندی.. 64فصل سوم: روش های محاسبه بعد فراکتال3-1- مقدمه.. 683-2- بعد فراکتال و نحوه‌ی محاسبهی آن.. 693-2-1- بعد هاسدورف.. 703-2-2- بعد جعبه‌شماری(BC).. 733-2-2-1- محاسبه بعد جعبه شماری برای تصاویر با سطح خاکستری 753-2-3- بعد همبستگی.. 763-2-4- بعد رنی.. 773-2-5- بعد بسته‌‌ای.. 783-3- روش‌های محاسبه بعد جعبه شماری تصاویر خاکستری.. 783-3-1- روش DBC.. 793-3-1-1- مروری بر اشکالات روش DBC.. 803-3-2- روش اصلاح شده DBC (Li’s DBC).. 833-3-2-1- اصلاحیه‌ی اول انتخاب عرض جعبه843-3-2-2- اصلاحیه‌ی دوم محاسبهی حداقل تعداد جعبه‌ها.. 853-3-2-3- اصلاحیه‌ی سوم پارتیشن‌بندی سطح شدت تصویر.. 853-3-3- روش SDBC.. 863-3-4- روش RDBC.. 873-3-5- روش liu’s DBC.. 883-3-5-1- اصلاح مکانیزم BC.. 883-3-5-2- انتقال بلوک‌های جعبه در تصویر.. 893-3-5-3- انتخاب مناسب اندازه‌ی جعبه.. 903-4- اعمال روش‌های محاسبه بعد فراکتال بر تصاویر خاکستری و مقایسهی آنها 913-4-1- اعمال روش‌های محاسبه بعد فراکتال بر روی تصاویر با ناهمواری مشابه.. 913-4-2- اعمال روش‌های محاسبه بعد فراکتال بر روی تصاویر با سطح خاکستری شارپی.. 923-4-3- اعمال روش‌های محاسبه بعد فراکتال بر روی تصاویر بافت طبیعی 943-5- جمع‌بندی.. 96فصل چهارم: روش پیشنهادی4-1- مقدمه.. 984-2- اعمال ماسک بر تصاویر FV.. 984-2-1- تصویر افقی و عمودیهموارسازیشده.. 994-2-2- تصویر با سطح خاکستری کم‌ارزش.. 1004-2-3- تصویر با سطح خاکستری پر ارزش.. 1014-2-4- ماسک سوبل عمودی و افقی.. 1014-2-5- بعد مالتی فراکتال تصویر اصلی.. 1034-2-6- محاسبهی بعد مالتی فراکتال توسط روش RDBC.. 1034-3- روش پیشنهادی.. 1044-3-1- فلوچارت روش پیشنهادی.. 1054-3-2- اعمال ماسک بر تصویر.. 1064-3-3- استخراج ویژگی.. 1074-3-4- تطبیق و تصمیم‌گیری.. 1084-4- بهبود روش پیشنهادی.. 1094-5- جمع بندی.. 111فصل پنجم: نتایج وبحث5-1- مقدمه.. 1145-2- معرفی پایگاه‌های تصاویر استفاده شده در پژوهش.. 1145-3- بررسی پارامترهای کارایی روش پیشنهادی.. 1165-4- مقایسه با روش‌های موجود.. 1215-5- جمع بندی.. 122فصل ششم: نتیجه گیری و کارهای آینده6-1- نتیجه‌گیری.. 1266-2- کارهای آینده.. 127 فهرست اشکالعنوان صفحهشکل 2-1: انواع روش‌های بیومتریک شامل ویژگی‌های فیزیکی، رفتاری و شیمیایی 11شکل 2-2: عملیات مختلف در یک سیستم بیومتریک.. 12شکل 2-3: مراحل اکتساب تصویرFV .. 26شکل 2-4: یافتنلبه‌های انگشت، (a) بعد از اعمال لبه یابcanny ، (b) بعد از اعمال canny و برچسب گذاری اجزاء متصل.. 27شکل 2-5: اعمال تراز چرخشی بر تصاویر FV با چرخش انگشت .. 28شکل 2-6: یافتن ناحیه مطلوب ROI، (a) ویژگی‌های هندسی انگشت، (b) ویژگی‌های رگ انگشت.. 29شکل 2-7: برش ناحیه مطلوب ROI با پنجرهW.. 30شکل 2-8: اعمال ماسک بر تصویر FV برای بهبود کیفیت آن .. 30شکل 2-9: سگمنت بندی تصویرFV.. 31شکل 2-10: بردارهای پایه تولید شده با روش PCA.. 38شکل2‑11: پیاده سازی ICA بر سیستم تشخیص بیومتریک .. 41شکل2-12: عملگر سوبل 3×3 در 0، 45، 90 و 135 درجه .. 45شکل 2-13: بانک فیلتر گابور زوج - متقارن با 4 مقیاس و 8 کانال 49شکل 2-14: اعمال بانک فیلتر گابور زوج-متقارن با 4 مقیاس .. 49شکل 2-15: داده های محلی در کادر قرمز رنگ برای آنالیز ویژگی‌های FV 49شکل 2-16: تولید اشکال فراکتالی مانند برف دانه کخ از طریق مولد 58شکل 2-17: تولید مثلث سرپینسکی از طریق سیتم تکراری IFS.. 59شکل 2-18: رسم مثلث سرپینسکی با تئوری آشوب در 4 مرحله .. 60شکل 2-19: نمایش فرآیند تکرار برای تولید فراکتال توسط چند جمله‌ای‌های مختلط .. 60شکل2-20: مجموعه‌ی ژولیا.. 61شکل 2-21: متداول‌ترین شکل مجموعه مندلبروت .. 61شکل 2-22: توابع مختلط و تولید مجموعه‌های مندلبروت.. 62شکل 2-23: تولید برفدانه کخ چهاروجهی با L-system... 63شکل 2-24: نمونه‌ای از فراکتالهای تصادفیبا خودمتشابهی آماری.. 64شکل 3-1: کوچک کردن اجسام اقلیدسی با مقیاس 1/r. 71شکل 3-2: محاسبهی بعد هاسدورف برای فراکتال vicsek.. 72شکل 3-3: مجموعه کانتور.. 72شکل 3-4: نحوه محاسبه بعد جعبه شماری برف دانه کخ.. 74شکل 3-5: نمودار مربوط به برف دانه کخ.. 75شکل 3-6: (a) ستونی از جعبه‌ها بر روی بلوکی از تصویر (s=s=3)، (b) پیکسل A بیشترین و B کم‌ترین سطح خاکستریرا دارد (L=3,K=2).. 80شکل 3-7: شیفت دادن سطوح خاکستری در جهت z.. 81شکل 3-8: رفع مشکل بیش‌شماری: (a) شیفت سطوح خاکستری ،(b) روشscanning 82شکل 3-9: پارتیشن بندی تصویر با بلوک‌های مشترک در پیکسل‌های مرزی 86شکل 3-10: انتقال بلوک‌های تصویر در روش liu’s DBC.. 90شکل 3-11: تولید تصویر Kام با افزایش سطح خاکستری هر پیکسل از تصویر شماره 1 به میزان ، .. 91شکل 3-12: نتایج روش‌ها بعد از اعمال بر تصاویر خاکستری شیفت داده شده 92شکل 3-13: تصاویری با سطح خاکستری شارپی در مرز بلوک‌ها... 93شکل 3-14: نتایج اعمال روش‌ها بر تصاویر با سطح خاکستری شارپی.. 93شکل 3-15: مجموعه‌ی 16 تایی از تصاویر بافت طبیعی با ابعاد 640×640 از آلبوم brodatz.. 94شکل 3-16: مقادیر FD به دست آمده از هر روش بعد از اعمال بر تصاویر شکل (3-16).. 95شکل 3-17: مقادیرخطای برازش شده از هر روش بعد از اعمال بر تصاویر شکل (3-16) .. 95شکل 4-1: اعمال ماسک هموارساز افقی و عمودی.. 100شکل 4-2: تصویر با سطح خاکستری پر ارزش و کم ارزش.. 101شکل 4-3: ماسک sobel عمودی و افقی برای تصاویر FV عمودی.. 102شکل 4-4: ماسک sobel عمودی و افقی برای تصاویرFV افقی.. 102شکل 4-5: فلوچارت روش پیشنهادی.. 106شکل 4-6: نمای کلی روش پیشنهادی.. 107شکل 4-7: تبدیل تصویر اصلی با ابعاد M×M به 4 تصویر با ابعاد M/2×M/2 110شکل 4-8: نمای کلی روش پیشنهادی بعد از بهبود آن.. 111شکل 5-1: تصاویر و دستگاه تصویر برداری FV.. 115شکل 5-2: تأثیر روش پیشنهادی بهبود یافته در کاهش خطا.. 119شکل 5-3: محاسبه مقدار EER در محل تلاقی دو نمودار FAR و FRR.. 120شکل 5-4: ترسیم ساختار شبکه رگ‌ها برای استخراج ویژگی.. 121 فهرست جداولعنوان صفحهجدول2-1: مقایسهی روش‌های بیومتریک متداول.. 15جدول 2-2: مزایا و معایب بیومتریک اثر انگشت.. 17جدول 2-3: مزایا و معایب بیومتریک عنبیه.. 18جدول 2-4: مزایا و معایب بیومتریک تشخیص چهره.. 20جدول2-5: مزایا و معایب بیومتریک صدا.. 21جدول 2‑6: نرخ تشخیص PCA با استفاده از سه نوع طبقه بند .. 40جدول 2‑7: نرخ تشخیص چارچوبهای I و IIICA با استفاده از سه نوع طبقه بند 43جدول 2-8: نرخ تأیید PCA و دو چارچوب ICA.. 44جدول 2-9: مقایسهی خودمتشابهی در طبیعت و اشکال فراکتالی.. 56جدول2-10: قواعد روش L-system... 62جدول 3-1: تعداد کپی‌های اشکال خط، مربع و مکعب با مقیاس 1/r. 71جدول 3-2: محاسبه FDها و خطاهای برازش شده‌ی تصاویر(3-16) با روش‌های مختلف 95جدول4-1: نمونه ای از بردار ویژگی برای چند تصویرFV.. 108جدول 5-1: مقایسه انگشت‌های مختلف از دست چپ و راست پایگاه داده SDUMLA_HMT.. 117جدول 5-2: مقایسه انگشت‌های مختلف از دست چپ و راست در پایگاه داده FV_USM 118جدول 5-3: مقایسه انگشت‌های مختلف پایگاه داده SDUMLA_HMT با بهبود روش پیشنهادی.. 118جدول 5-4: مقایسه انگشت‌های مختلف در پایگاه داده FV_USM با بهبود روش پیشنهادی.. 118جدول 5-5: پارامترهای FAR،RR ، EER و TSR برای تصاویر FV.. 120جدول 5-6: پارامترهای FAR ،FRR ، EER و TSR برای تصاویر کف دست 120جدول 5-7: مقایسه روش پیشنهادی با روش‌های دیگر از منظر دقت، سرعت و تعداد نمونه‌ها.. 122 فهرست علائم و اختصاراتAADAverage Absolute DeviationAGVaverage gray valueBmpBitmapBCBox CountingCCDConventional charged –couple deviceD-SDempster–ShaferDBCDifferential Box-CountingEEREqual Error RateFRRFalse Acceptance RateFMRFalse Match RateFNMRFalse Non Match RateFRRFalse Rejection RateFVFinger VeinFVCodeFinger Vein CodeICAIndependent Component AnalysisIFSIterate Fractal SystemsLEDsLight-emitting diodesNIRNear InfraredPCAPrinciple Component AnalysisPNNProbabilistic Neural NetworkROCReceiver Operating CharacteristicROIRegion Of InterestRDBCRelative Differential Box-CountingSIFTScale Invariant Feature TransformSBCScanning Box CountingSDBCShifting Differential Box-CountingTSRTotal Success Rate فصل اول مقدمه1-1- مقدمه‌ای بر تشخیص هویت افراد در زندگی روزمره‌ی خود با توجه به ویژگی‌های چهره، صدا و حتی نحوه راه رفتن اطرافیان می‌توانند دوستان و آشنایان خود را بشناسند. در واقع همه‌ی افراد ویژگی‌های خاص و منحصربفردی دارند که موجب تمایز آنها از دیگران می‌شود. این ویژگی‌ها و مطالعه آنها موجب پدید آمدن شاخه‌ای از علم به نام علم بیومتریک یا زیست سنجی شده است. علم بیومتریک پیشینه‌ی طولانی در احراز هویت افراد دارد. در دورانی که هنوز رایانه اختراع نشده بود و ابزارهای خودکار توسعه‌یافته‌ی امروزی وجود نداشت علم بیومتریک با شیوه‌های سنتی و غیرخودکار بکار می‌رفت. طی سال‌های متمادی از مدارکی مانند شناسنامه و کارت شناسایی به عنوان سندی برای شناسایی افراد استفاده می‌شد. به دنبال گسترده‌شدن دنیای مجازی و ابزارهای الکترونیکی استفاده از رمزها و کدهای دیجیتالی برای انجام امور مختلف جایگاه ویژه‌ای پیدا کرده است. پیشرفت‌های سریع و فراگیر‌شدن ابزارها از سویی و تمایل افراد به دنیای مجازی از سوی دیگر موجب شده است تا امنیت در سیستم‌های مختلف اهمیت بالایی پیدا کند. استفاده از رمزهای عبور در کنار مزیت‌های کاربرد آن، با چالش‌هایی مانند امکان فراموش یا فاش شدن روبرو هستند. از این رو علم بیومتریک دریچه‌ی تازه‌ای به دنیای امن و مطئمن گشوده است که در آن به احراز هویت افراد با شیوه‌های سریع و کم‌خطر می‌پردازد که نه قابل سرقت هستند و نه فراموش می‌شوند. منظور از احراز هویت، تایید صحت و درستی داده و اطلاعات است که به طور کلی با روش‌های مختلفی صورت می‌گیرد که عبارتند از:1- احراز هویت مبنی بر مدارک، اسناد و یا ابزاری که فرد به همراه دارد (مبتنی بر توکن).2- احراز هویت مبنی بر اطلاعاتی که افراد از آن آگاه هستند (مبتنی بر دانش خصوصی).3- احراز هویت فرد، مبنی بر آنچه هست (مبتنی بر بیومتریک).عوامل بیومتریک در دو دسته‌ی کلی عوامل رفتاری و عوامل فیزیکی دسته‌بندی می‌شود. دسته‌ی اول شامل ویژگی‌هایی مانند الگوی ضربات صفحه‌کلید، الگوی صدا، نحوه‌ی راه رفتن و ... بوده و در دسته‌ی دوم ویژگی‌هایی مانند اسکن صورت، اسکن عنبیه، الگوی ضربان قلب و ... بررسی می‌شوند. نتایج حاکی از آن است که عوامل فیزیکی کارایی بهتری نسبت به عوامل رفتاری از خود نشان داده‌اند. عامل بیومتریک باید به گونه‌ای باشد که تحت شرایط زیست‌محیطی و با گذر عمر تغییر نکند. از طرفی باید قابل استفاده برای عموم افراد باشد. یکی از پارامترهای مهم در سیستم‌های تشخیص هویت میزان کارایی عامل بیومتریک از نظر سرعت، هزینه و دقت است. هر چه با سرعت و دقت بالاتر و هزینه‌ی کم‌تری بتوان فرآیند شناسایی را انجام داد می‌توان گفت عامل بیومتریک مناسب و مؤثرتر از عوامل دیگر است. در واقع یک سیستم بیومتریک با اندازه‌گیری عوامل بیومتریکی به تشخیص الگوها می‌پردازد. فرآیند تشخیص هویت مراحل کلی اکتساب تصویر، استخراج ویژگی و تطبیق و تصمیم‌گیری را شامل می‌شود. مهم‌ترین بخش در این فرآیند استخراج ویژگی‌های مؤثر و مناسب است که توسط عملیات پردازش تصویر و روابط ریاضی انجام می‌شود. با استفاده از ویژگی‌های استخراج شده از الگوها، بردار ویژگی‌ها تولید می‌شود که برای تطبیق و تصمیم‌گیری در پایگاه داده‌ای ذخیره می‌شوند. البته روش‌های متعددی برای استخراج ویژگی بیان شده است که یکی از آنها با تکیه بر محاسبهی بعد فراکتال تصاویر به این عمل می‌پردازد. از آنجائیکه در این پژوهش با راهبردی مبتنی بر فراکتال اقدام به استخراج ویژگی شده است در ادامه شرح مختصری از فراکتال و بعد آن بیان می‌شود.