Pengenalan biometri iris terhadap kompresi JPEG

Algoritma yang dikembangkan untuk mengidentifikasi orang dengan data gambar iris telah diuji dalam banyak percobaan lapangan dan laboratorium. Makalah ini menganalisis beberapa parameter citra iris yang digunakan untuk mengenali manusia. Sistem pengenalan iris, yang diterapkan berdasarkan segmentasi, normalisasi, pengkodean, dan pencocokan juga dijelaskan dalam makalah ini. Modul segmentasi Circle Hough Transform digunakan untuk menemukan batas dalam dan luar iris. Percobaan ini dilakukan dengan menggunakan database iris CASIA v1 dengan gambar skala abu-abu. Bentuk, intensitas, dan informasi lokasi untuk melokalisasi pupil atau iris dan menormalkan area iris dengan segmentasi iris dengan membuka bungkus lingkaran menjadi bidang persegi panjang. Area yang dinormalisasi akan digunakan untuk mengekstraksi fitur dengan menggunakan Gray Level Co-occurance Matriks (GLCM) dan filter Gabor, fitur ini dibandingkan tingkat akurasi untuk pengenalan dengan menggunakan klasifikasi Support Vector Machines (SVM) dan Naive Bayes. Hasil uji kompresi JPEG dengan fitur gabor menghasilkan nilai terbaik pada 20% kompresi, dengan nilai 88, 46%. Proses klasifikasi bahwa metode SVM harus memiliki akurasi pengenalan tertinggi dibandingkan dengan Naive Bayes classifier. Kemudian untuk Hamming distance digunakan untuk klasifikasi templat iris, dan dua templat ditemukan cocok, dengan hasil uji 182 gambar iris, 171 dapat dikenali dengan benar dan 11 gambar tidak dikenali dengan benar