臺灣博碩士論文加值系統

個人身份辨識問題日益重要，生物特徵辨識系統相較於感應讀卡式的身份辨識系統更加安全、更不容易偽造，許多研究顯示生物紋理特徵具有高度獨特性，其中眼部的生物紋理特徵具有高度保護性，受到眼皮的保護，不易受外在因素影響。血管圖案將是獨一無二的遺傳和發育成分都決定了它們結構，此外，鞏膜血管紋路也可以使用可見光波長照明獲得非侵入性。因此，可以使用鞏膜中的血管圖案在可見光波長下的作為身分辨識之用。

本論文提出一套運用於高解析度攝影相關裝置之快速鞏膜血管特徵的身份辨識系統，擷取眼睛區域後開始做身份辨識。本系統首先透過改良式Daugman演算法，在虹膜定位上更加快速、精確；接著建立在虹膜圓上，透過色彩學快速進行鞏膜分割，在良好的環境下，分割邊界與實際眼眶相符、並且快速，如此一來能降低眼眶邊界或者是睫毛被誤認為血管紋路的可能性；進行紋理增強後，採取密度取樣、建立特徵點，在每個特徵點鄰域擷取高維度特徵向量(SIFT)，進行最後匹配動作；另外，在特徵匹配進行時，以特徵點數量較少為基準、當作匹配數量比較的依據，以及最後加入RANSAC演算法與跟透視變換去進一步篩選匹配對，使得最終的匹配對能夠符合空間上的對應關係，讓準確率大大提升。

使用雙核心的桌上型電腦單執行序進行軟體實作，平均每次身份辨識處理時間不到1秒，在高解析度影像以及良好的拍攝環境下，鞏膜身份辨識正確率可達96%以上，不論是錯誤接受率(FAR)與錯誤拒絕率(FRR)都可以低於3%以下。

論文摘要 (i)
Abstract(ii)
目錄(iii)
圖目錄(vi)
表目錄(viii)
第一章 緒論(1)
1.1 研究動機與目的(1)
1.2 系統架構(2)
1.3 論文架構(3)
第二章 預備知識與相關研究(4)
2.1 預備知識(4)
2.1.1 連通區域標記(Connect Components Labeling,CCL):(4)
2.1.2 數學形態學（Mathematical morphology）:(8)
2.1.3 區域生長(Flood Fill):(10)
2.1.4 直方圖等化(Histogram Equalizer)(11)
2.2 相關研究(14)
2.2.1 背景分割(14)
2.2.2 血管紋路(14)
2.2.3 實驗資料庫(15)
第三章 演算法流程(17)
3.1 虹膜分割(18)
3.1.1 去除影像的反光(18)
3.1.2 Daugmans integro-differential演算法找虹膜(21)
3.2 鞏膜分割(Sclera Segmentation)(26)
3.2.1 轉換成HSV色彩空間，使用“飽和度(S)”的空間(26)
3.2.2 灰階形態學，平滑眼白區域(27)
3.2.3 二值化(27)
3.2.4 找尋輪廓(27)
3.2.5 凸包(28)
3.2.6 選取鞏膜輪廓(29)
3.2.7 製成鞏膜遮罩(30)
3.3 特徵強化(30)
3.3.1 限制對比度自適應式直方圖等化(CLAHE)(30)
3.3.2 賈柏濾波器(Gabor filter)(31)
3.4 特徵萃取(Feature extraction)(32)
3.4.1 特徵點選取(33)
3.4.2 建構描述子(35)
3.5 特徵匹配(Feature match)(36)
3.5.1 K-d tree建立(37)
3.5.2 K-d tree搜尋最近鄰域法(39)
3.6 RANSAC增進匹配效果(41)
3.6.1 選取基底(42)
3.6.2 計算變換矩陣(42)
3.6.3 計算內群(43)
3.6.4 反覆迭代(43)
第四章 實驗數據結果與分析討論(45)
4.1 虹膜定位(46)
4.2 眼白分割(47)
4.3 灰階與Gabor filter(49)
4.4 匹配結果(52)
4.5 執行速度(55)
4.6 其他技術與系統之比較(55)
第五章 結論與未來工作(57)
5.1 結論(57)
5.2 未來工作(57)
參考文獻 (58)

[1] 林紀瑋"影像處理的13堂課",博碩,台灣,2011
[2] 演算法筆記, Flood Fill Algorithm, "http://acm.nudt.edu.cn/~twcourse/ConnectedComponentLabeling.html#a1"
[3] 演算法筆記,Convex Hull,
"http://www.csie.ntnu.edu.tw/~u91029/ConvexHull.html"
[4] 維基百科, Algorithm Implementation/Geometry/Convex hull/Monotone chain, "https://en.wikibooks.org/wiki/Algorithm_Implementation/Geometry/Convex_hull/Monotone_chain"
[5] 維基百科, Adaptive histogram equalization, "https://en.wikipedia.org/wiki/Adaptive_histogram_equalization#Contrast_Limited_AHE"
[6] SIFT算法詳解, "https://translate.google.com.tw/?hl=zh-TW#en/zh-TW/SIFT%E7%AE%97%E6%B3%95%E8%AF%A6%E8%A7%A3"
[7] 漫談計算機視覺經典算法-KD-Tree, "http://www.lai18.com/content/1431803.html"
[8] 維基百科, kd-tree, "https://en.wikipedia.org/wiki/K-d_tree"
[9] Rafael C. Gonzalez,Richard E. Woods, "Degital Image Processing"
[10]P.Peterlin,Morphological Operations,
"http://www.inf.u-szeged.hu/ssip/1996/morpho/morphology.html"
[11]N.L. Thomas, Y. Du, and Z. Zhou, "A new approach for sclera vein recognition," SPIE Defen. Security Sens., Art ID 770805, 2010.
[12]M. H. Khosravi and R. Safabakhsh, "Human eye sclera detection and tracking using a modified time-adaptive self-organizing map," Pattern Recognit., vol. 41, no. 8, pp. 2571-2593, 2008.
[13]Marius Muja and David G. Lowe: "Scalable Nearest Neighbor Algorithms for High Dimensional Data". Pattern Analysis and Machine Intelligence, Vol. 36, 2014.
[14]Zhi Zhou ,Eliza Yingzi Du, N. Luke Thomas, Edward J. Delp,"A New Human Identification Method: Sclera Recognition" , IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans, Vol.42, no.3, pp.571-583, November 2011.
[15]Y. Lin, E. Y. Du, Z. Zhou, and N. L. Thomas, "An efficient parallel approach for sclera vein recognition," IEEE Trans, Inf. Forensics Security, vol. 9, no. 2, pp. 147-157, Feb. 2014.
[16]K. Oh and K.-A. Toh, "Extracting sclera features for cancelable identity verification," 5th IAPR Int. Conf. Biometrics, New Delhi, India, pp. 245-250, 2012.
[17]David G. Lowe, "Distinctive image features from scale-invariant keypoints," International Journal of Computer Vision, Vol. 60,no. 2, pp. 91-110, 2004.
[18]Zuiderveld, Karel. "Contrast Limited Adaptive Histograph Equalization." Graphic Gems IV. San Diego: Academic Press Professional, pp. 474–485, 1994.
[19]Libor Masek, Peter Kovesi. “MATLAB Source Code for a Biometric Identification System Based on Iris Patterns.” The School of Computer Science and Software Engineering, The University of Western Australia, 2003.
[20]R. Derakhshani, A. Ross, and S. Crihalmeaun, "A new biometric modality based on conjunctival vasculature," Artif. Neural Netw. Eng., pp. 1-8, 2006.
[21]Wojciech, Kamil ,Mariusz , Małgorzata “ iris finder – program for reliable iris localisation in images taken under visible light ” Journal of medical informatics & technologies, pp.125-136 2006.
[22]J.G. Daugman, “High confidence visual recognition of persons by a test of statistical independence” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.15, pp. 1148 – 1161, Nov 1993.
[23]T.Pavlidis, “ Algorithms for Graphics and Image Processing”,Computer Science Press, Rockville,Maryland,1982.
[24]S. Alkassar, W. L. Woo, S. S. Dlay, J. A. Chambers, “Robust Sclera Recognition System With Novel Sclera Segmentation and Validation Techniques” IEEE Transactions on Systems, Vol.47, pp. 474 – 486, 2017.
[25]Das. U. Pal, M. A. F. Ballester, and M. Blumenstein, "Sclera recognition using dense-SIFT," 13th Int. Conf. Intell. Syst. Design Appl, Bangi, Malaysia, pp. 74-79, 2013.
[26]H. Proenca and L. A. Alexandre, "UBIRIS:A noisy iris image database," in Image Analysis and Processing-ICIAP. Berlin, Germany: Springer, pp. 970-977., 2005.
[27] VLfeat, "http://www.vlfeat.org/index.html"
[28] OpenCV, "http://opencv.org/"