Made available in DSpace on 2015-04-22T22:00:53Z (GMT). No. of bitstreams: 1
Dissertacao_Eduardo.pdf: 1434945 bytes, checksum: 3f5239d301bf43836793637602c9c301 (MD5)
Previous issue date: 2011-03-24 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The recent advances of information technology and the growing security requirements have led to the fast development of intelligent person authentification techniques based on biometric recognition. In this work iris images, from UBIRIS data base, are applied as
biometric measurements in the verification scenery. The literature shows a large variety of feature extraction methods applied to the iris images recognition process. In this work we apply two methods based on subspace. The aim of subspace methods is to find feature vectors
which reduces the space dimension while also optimizes the class separation. Some of the most known subspace methods are Principal Components Analysis (PCA), Liner
Discriminant Analysis (LDA), and Independent Component Analysis (ICA). In this work we employ two extensions of FDA, i.e., D FDA 2 (2 ) and DiaLDA+2FDA for feature extraction. During the classification phase it was applied the nearest neighbor classifier with the Euclidean distance. The results showed that the methods have a good performance, with emphasis on dimension reduction. The methods compress a 200 92 matrix dimension in a 5 5matrix, with an AUC of 0.99. / Os recentes avanços da tecnologia da informação e os crescentes requisitos de segurança têm levado ao rápido desenvolvimento de técnicas inteligentes de autenticação de pessoas baseado em reconhecimento biométrico. Nesse trabalho empregam-se imagens da íris da base de dados UBIRIS como medidas biométricas no cenário de verificação de indivíduos. A literatura exibe uma grande variedade de métodos de extração de características aplicados no processo de reconhecimento de imagens de íris, entre os quais, os métodos baseados em subespaço. O objetivo da análise em subespaço é encontrar uma base de vetores que reduza a dimensão do espaço e, em alguns deles, que também otimize a separação das classes. Dos métodos baseados em subespaço, os mais conhecidos são Análise de Componentes Principais (PCA),
Análise Discriminante de Fisher (FDA) e Análise de Componentes Independentes (ICA). Nesse trabalho empregam-se as extensões do método FDA, denominados D FDA 2 (2 ) e DiaFDA+2FDA, na etapa de extração de características. Na etapa de classificação foi
empregado o classificador vizinho mais próximo com a métrica da distância Euclidiana. Os resultados mostraram que os métodos têm um bom desempenho, com destaque para o grande poder de compressão. Os métodos chegaram a reduzir uma matriz de dimensão 200 92 para
5 5, alcançando uma área sobre a curva ROC (AUC) de 0,99.
| Identifer | oai:union.ndltd.org:IBICT/oai:http://localhost:tede/3303 |
| Date | 24 March 2011 |
| Creators | Assunção, Eduardo Timóteo de |
| Contributors | Pereira, José Raimundo Gomes |
| Publisher | Universidade Federal do Amazonas, Programa de Pós-graduação em Engenharia Elétrica, UFAM, BR, Faculdade de Tecnologia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFAM, instname:Universidade Federal do Amazonas, instacron:UFAM |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | -161377036298529205, 600 |
Page generated in 0.0027 seconds