Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-07-23T13:37:24Z No. of bitstreams: 1 Dissertação - Volnei da Silva Klehm.pdf: 16125840 bytes, checksum: c35ee4884abb69923aca15bc534eb348 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-23T15:43:55Z (GMT) No. of bitstreams: 1 Dissertação - Volnei da Silva Klehm.pdf: 16125840 bytes, checksum: c35ee4884abb69923aca15bc534eb348 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-23T15:41:48Z (GMT) No. of bitstreams: 1 Dissertação - Volnei da Silva Klehm.pdf: 16125840 bytes, checksum: c35ee4884abb69923aca15bc534eb348 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-07-23T15:46:34Z (GMT) No. of bitstreams: 1 Dissertação - Volnei da Silva Klehm.pdf: 16125840 bytes, checksum: c35ee4884abb69923aca15bc534eb348 (MD5) / Made available in DSpace on 2015-07-23T15:46:34Z (GMT). No. of bitstreams: 1 Dissertação - Volnei da Silva Klehm.pdf: 16125840 bytes, checksum: c35ee4884abb69923aca15bc534eb348 (MD5) Previous issue date: 2013-07-10 / Não informada / Naturally, patterns that we wish to recognize occurs in several manners. As example, considering the ordinary human iris, it is often to this pattern to manifest different aspects. When acquired one iris can present, in relation to the original pattern, rotation, translation, lighting distortions or mixed noise. Thus, in some cases, it is necessary to the recognition method to have versatility enough to identify such unexpected forms of pattern occurrences that we wish to recognize. In our particular case, filters for correlation with broader flexibility than the standard SDF and MACE filters, for example, are necessary. A consolidated way to express the variation of a data set can be obtained using the method of Principal Component Analysis (PCA) [1, 2]. The PCA optimally represents a dataset and this fact makes it interesting for combination among ordinary correlation filter design and one possible approach consists of the modification of the design of correlation filters to use principal components as their own detection target. In this dissertation, it is proposed to modify the design of correlation filters SDF and MACE to use Principal Component Analysis to represent the set of occurrences of the pattern of interest. One benefit of this approach resides in the fact that PCA incorporate the changes in the set data providing as a result, more flexible filters. Thus, filters designed in this way would succeed in detecting patterns with small distortions translations and rotations. To validate the proposed method, a recognition system that uses the default human iris was designed and, for this purpose, one consolidate database is used. / Naturalmente, os padrões os quais desejamos reconhecer, ocorrem nas mais diversas formas. Por exemplo, supondo como padrão a íris humana, é natural que este padrão seja adquirido de algumas maneiras possíveis. Quando adquirida a íris pode estar, em relação ao padrão original, com rotação, translação, com efeitos de iluminação ou misturadas a ruídos. Dessa forma, em alguns casos, é necessário que o método de reconhecimento tenha versatilidade suficiente para identificar tais formas não esperadas da ocorrência do padrão os quais desejamos reconhecer. Em nosso caso particular, por exemplo, precisamos de filtros de correlação com flexibilidade mais ampla que os filtros SDF e MACE. Uma forma consolidada de expressar a variação de um conjunto de dados pode ser obtida utilizando-se o método por Análise de Componentes Principais (PCA) [1, 2]. A PCA representa de forma ótima um conjunto de dados e esse fato a torna interessante para combinação com o projeto de filtros e uma possível abordagem consiste em sua modificação para que as próprias componentes principais sejam usadas como padrões alvo. Nesta dissertação, é proposta a modificação do projeto de filtros de correlação SDF e MACE de modo a se utilizar a Análise de Componentes Principais para representar o conjunto das ocorrências do padrão de interesse. Um dos benefícios desta abordagem, reside no fato da PCA incorporar as variações presentes no conjunto de dados proporcionando, como resultado, filtros mais flexíveis. Assim, filtros projetados desta forma teriam sucesso na detecção de padrões com pequenas distorções, translações e rotações. Para validar o método proposto, projetamos um sistema de reconhecimento que utiliza como padrão a íris humana e, para tal, uma base de dados consolidada é utilizada.