Retina Identification Algorithm Based on Bifurcation Points and SURF Descriptor

خوارزمية تحديد شبكية العين استنادا الى نقاط التشعب والواصف SURF

Abstract

The recent advanced developments in the research have enabled the industries to
find more complex methodologies for personal authentication. Biometric authentication
has become more important because of the increasing activities of terrorists and hackers.
Retina biometric security system is one of the more authoritative security systems,
because no two people have the same retinal pattern. This research proposed an idea for
human identification model instituted on retinal images. Despite the images of digital
retina constantly sustain from distortion, the Speed Up Robust Features (SURF), that is
famed for its disparateness and invariability for gauge and turn over that is inserted to
retinal instituted consistency. To fix the hurdle, a new pre-processing technique instituted
on detecting the Bifurcation Points (BP) that are detected with the help of structure
process. By this BP, it is allocate the important points that are used in SURF descriptor
for more similarity transformation. In accordance with more transference by the repeated
of locative substance sleek technique, the issue of not useful SURF key points is reduced
significantly. Experiments display the results of the proposed model is around 98%
exact so it became outstanding to a mighty range against former systems.

لقد مكنت التطورات الأخيرة في البحث الى إيجاد منهجيات أكثر تعقيدا من أجل التوثيق الشخصي. وأصبحت المصادقة البيومترية أكثر أهمية بسبب تزايد أنشطة الإرهابيين والقراصنة. نظام الأمن لشبكية العين هي واحدة من أنظمة الأمن الأكثر موثوقية، لأنه لا يوجد شخصين لديهم نفس نمط الشبكية. اقترح هذا البحث فكرة عن نموذج تحديد الهوية البشرية على صور الشبكية. على الرغم من الصور من ان الشبكية الرقمية تتعرض للتشويه باستمرار، فان سرعة ميزات (SURF)، التي تشتهر بتباينها للقياس و التسليم، التي يتم إدراجها إلى الشبكية. لإصلاح هذه العقبة، اقترحت تقنية جديدة قبل المعالجة التي تكشف عن نقاط التشعب (BP) والتي بينت نتائجها تلك الفائدة. بواسطة هذا BP ، فإنه يتم تخصيص النقاط الهامة التي تستخدم في وصف (SURF) لمزيد من التشابه. وفقا لنتائج هذه التقنية، يتم تقليل مسألة النقاط الرئيسية غير المفيدة في (SURF) بشكل ملحوظ. التجارب عرضت نتائج النموذج المقترح والتي هي حوالي 98٪ لذلك أصبح تتقدم على مجموعة قوية من النظم السابقة.