Made available in DSpace on 2014-06-12T16:00:39Z (GMT). No. of bitstreams: 2 arquivo6835_1.pdf: 2219164 bytes, checksum: 8fb0724b72c8498e6e1a173381013aae (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Os recentes avanços da tecnologia de informação e o crescimento dos requisitos de segurança têm impulsionado o aprimoramento dos métodos de identificação pessoal. Os métodos de identificação tradicionais baseados em posse (cartões, chaves, entre outros objetos) ou conhecimento (login e senha, por exemplo) apresentam alguns incovenientes, considerando que os objetos podem ser perdidos, roubados ou falsificados e que nomes de usuários e senhas podem ser esquecidos ou até adivinhados. O desenvolvimento dos métodos biométricos de identificação pessoal surgem como uma alternativa para superar estas limitações. Nestes métodos, a associação da identidade passa a ser baseada em características próprias e inerentes a cada pessoa. Estas características representam o que indivíduo é ou como ele realiza alguma ação, e não um objeto que o indivíduo possui ou algo que ele precise lembrar. Desta maneira, as características biométricas não podem ser esquecidas ou compartilhadas e dificilmente são copiadas ou modificadas. Dentre todos os métodos biométricos, os sistemas baseados no reconhecimento de íris vêm ganhando destaque em virtude de ser considerado como uma das modalidades biométricas mais precisas. Uma de suas etapas mais críticas é a etapa de segmentação, na qual, a região da íris é localizada e extraída a partir de uma imagem do olho previamente coletada, para que os modelos biométricos posteriormente gerados contenham apenas informações de íris. Uma representação errônea da região de íris corromperá o modelo biométrico, resultando em baixas taxas de reconhecimento. Essa etapa é, geralmente, subdividida em duas: segmentação de pupila e segmentação de íris, assumindo que a partir da segmentação da pupila, a segmentação da íris torna-se menos complexa, devido, em parte, à área de busca pela íris ser reduzida aos arredores da pupila. Usualmente, as técnicas de segmentação de pupila são baseadas na detecção de círculos, porém, é comum a pupila apresentar-se com um formato irregular em imagens do olho, principalmente, devido a problemas durante a etapa de aquisição da imagem. Nesta dissertação é proposta uma nova técnica baseada na utilização de uma rede neural batch-SOM (BSOM) modificada para o problema de segmentação de pupila que, diferente de outras técnicas, pode assumir qualquer formato, ajustando-se de maneira mais precisa às fronteiras da pupila. Nesta dissertação, também foram sugeridos um método, baseado no algoritmo K-means, para inicializar a rede neural e um método de ajuste do contorno obtido pela rede BSOM. Os resultados finais alcançados mostraram-se excelentes para as bases CasiaIris-V3 Interval, CasiaIris-V4 Syn e MMU1