{"title":"Prepoznavanje šarenice s pomočjo nevronskih mrež","authors":"Uroš Polanc, Borut Batagelj","doi":"10.18690/978-961-286-337-1.8","DOIUrl":null,"url":null,"abstract":"1 Uvod 1 1.1 O tematiki . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Struktura naloge . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.3 Anatomija človeškega očesa . . . . . . . . . . . . . . . . . . . 2 1.4 Podatkovna baza slik očesa . . . . . . . . . . . . . . . . . . . . 5 2 Načini prepoznavanja 7 3 Segmentacija 9 3.1 Segmentacija zenice . . . . . . . . . . . . . . . . . . . . . . . . 9 3.2 Segmentacija šarenice . . . . . . . . . . . . . . . . . . . . . . . 15 4 Normalizacija 19 4.1 Daugmanov model normalizacije . . . . . . . . . . . . . . . . . 19 4.2 Predelani model P. E. Merlotija . . . . . . . . . . . . . . . . . 20 5 Metode izbolǰsave slike in ekstrakcije značilk 23 5.1 Metoda izravnave histograma . . . . . . . . . . . . . . . . . . 25 5.2 Gaborjev filter . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 5.3 Analiza neodvisnih komponent . . . . . . . . . . . . . . . . . . 28 5.4 Linearna diskriminantna analiza . . . . . . . . . . . . . . . . . 29 6 Nevronska mreža 31 6.1 Nevron . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 6.2 Aktivacijske funkcije . . . . . . . . . . . . . . . . . . . . . . . 33 6.3 Učenje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 6.4 Mreža učenja vektorskih kvantizacij . . . . . . . . . . . . . . . 37 6.5 Kaskadno usmerjena mreža . . . . . . . . . . . . . . . . . . . . 37 6.6 Mreža za prepoznavanje vzorcev . . . . . . . . . . . . . . . . . 38 6.7 Konvolucijska nevronska mreža . . . . . . . . . . . . . . . . . 38 7 Rezultati 41 7.1 Rezultati segmentacije in normalizacije . . . . . . . . . . . . . 42 7.2 Rezultati klasičnih nevronskih mrež . . . . . . . . . . . . . . . 45 7.3 Rezultati konvolucijskih nevronskih mrež . . . . . . . . . . . . 52 8 Sklep 57 Literatura 61 Seznam uporabljenih kratic Kratica Angleško Slovensko CE cross entropy križna entropija CNN convolutional neural network konvolucijska nevronska mreža DWT discrete wavelet transform diskretna valčna transformacija ELU exponential linear unit eksponentna linearna enota FAR false acceptance rate stopnja napačna odobritve FRR false rejection rate stopnja napačna zavrnitve ICA independent component analysis analiza neodvisnih komponent LDA linear discriminant analysis linearna diskriminantna analiza MSE mean square error povprečna kvadratna napaka NIR near infrared blizu infrardečega PCA principal component analysis analiza glavnih komponent RELU rectified linear unit popravljena linearna enota SVD singular value decomposition razcep po singularnih vrednostih","PeriodicalId":376989,"journal":{"name":"ROSUS 2020 - Računalniška obdelava slik in njena uporaba v Sloveniji 2020: Zbornik 15. strokovne konference","volume":"4 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-03-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"ROSUS 2020 - Računalniška obdelava slik in njena uporaba v Sloveniji 2020: Zbornik 15. strokovne konference","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18690/978-961-286-337-1.8","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
摘要
1 引言 1 1.1 关于本专题 .. .. .. .. .. .. .. .. .. .. .. .. .. .1 1.2 任务结构 .. .. .. .. .. .. .. .. .. .. .. .1 1.3 人眼解剖图 .. .. .. .. .. .. .. .2 1.4 眼睛图像数据库 . .. .. .. .. .. .. .. .. .5 2 识别方法 7 3 分割 9 3.1 瞳孔分割 .. .. .. .. .. .. .. .. .. .. .9 3.2 虹膜分割 .. .. .. .. .. .. .. .. .. .. .15 4 归一化 . 19 4.1 道格曼归一化模型 .. .. .. .. .. .. .. .19 4.2 P.E. Merlotti 重新设计的模型 . .. .. .. .. .. .. .20 5 图像增强和特征提取方法 23 5.1 直方图均衡化方法 .. .. .. .. .. .. .. .25 5.2 Gabor 滤波器 .. .. .. .. .. .. .. .. .. .. .. .. .25 5.3 独立成分分析 .. .. .. .. .. .. .. .28 5.4 线性判别分析 . .. .. .. .. .. .. .29 6 神经网络 31 6.1 神经元 .. .. .. .. .. .. .. .. .. .. .. .. .. .. .32 6.2 激活函数 .. .. .. .. .. .. .. .. .. .. .33 6.3 学习 .. .. .. .. .. .. .. .. .. .. .. .. .. .. .35 6.4 矢量量化学习网络 .. .. .. .. .. .. .37 6.5 面向级联的网格 .. .. .. .. .. .. .. .. .37 6.6 模式识别网络 .. .. .. .. .. .. .. .38 6.7 卷积神经网络 . . .. .. .. .. .. .. .38 7 结果 41 7.1 分割和归一化结果 .. .. .. .. .. .42 7.2 经典神经网络的结果 .. .. .. .. .. .. .45 7.3 卷积神经网络的结果 .. .. .. .. .. .52 8 结论 57 参考文献 61 使用的缩写表 缩略语 英语 Slovensko CE 交叉熵 交叉熵 CNN 卷积神经网络 卷积神经网络 DWT 离散小波变换 离散小波变换 ELU 指数线性单元 指数线性单元 FAR 误差接受率 误差接受率 FRR 误差剔除率 误差剔除率独立分量分析 独立分量分析 LDA 线性判别分析 线性判别分析 MSE 均方误差 均方误差 NIR 近红外 近红外 PCA 主成分分析 主成分分析 RELU 整流线性单元 整流线性单元 SVD 奇异值分解 奇异值分解
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Prepoznavanje šarenice s pomočjo nevronskih mrež
1 Uvod 1 1.1 O tematiki . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Struktura naloge . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.3 Anatomija človeškega očesa . . . . . . . . . . . . . . . . . . . 2 1.4 Podatkovna baza slik očesa . . . . . . . . . . . . . . . . . . . . 5 2 Načini prepoznavanja 7 3 Segmentacija 9 3.1 Segmentacija zenice . . . . . . . . . . . . . . . . . . . . . . . . 9 3.2 Segmentacija šarenice . . . . . . . . . . . . . . . . . . . . . . . 15 4 Normalizacija 19 4.1 Daugmanov model normalizacije . . . . . . . . . . . . . . . . . 19 4.2 Predelani model P. E. Merlotija . . . . . . . . . . . . . . . . . 20 5 Metode izbolǰsave slike in ekstrakcije značilk 23 5.1 Metoda izravnave histograma . . . . . . . . . . . . . . . . . . 25 5.2 Gaborjev filter . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 5.3 Analiza neodvisnih komponent . . . . . . . . . . . . . . . . . . 28 5.4 Linearna diskriminantna analiza . . . . . . . . . . . . . . . . . 29 6 Nevronska mreža 31 6.1 Nevron . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 6.2 Aktivacijske funkcije . . . . . . . . . . . . . . . . . . . . . . . 33 6.3 Učenje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 6.4 Mreža učenja vektorskih kvantizacij . . . . . . . . . . . . . . . 37 6.5 Kaskadno usmerjena mreža . . . . . . . . . . . . . . . . . . . . 37 6.6 Mreža za prepoznavanje vzorcev . . . . . . . . . . . . . . . . . 38 6.7 Konvolucijska nevronska mreža . . . . . . . . . . . . . . . . . 38 7 Rezultati 41 7.1 Rezultati segmentacije in normalizacije . . . . . . . . . . . . . 42 7.2 Rezultati klasičnih nevronskih mrež . . . . . . . . . . . . . . . 45 7.3 Rezultati konvolucijskih nevronskih mrež . . . . . . . . . . . . 52 8 Sklep 57 Literatura 61 Seznam uporabljenih kratic Kratica Angleško Slovensko CE cross entropy križna entropija CNN convolutional neural network konvolucijska nevronska mreža DWT discrete wavelet transform diskretna valčna transformacija ELU exponential linear unit eksponentna linearna enota FAR false acceptance rate stopnja napačna odobritve FRR false rejection rate stopnja napačna zavrnitve ICA independent component analysis analiza neodvisnih komponent LDA linear discriminant analysis linearna diskriminantna analiza MSE mean square error povprečna kvadratna napaka NIR near infrared blizu infrardečega PCA principal component analysis analiza glavnih komponent RELU rectified linear unit popravljena linearna enota SVD singular value decomposition razcep po singularnih vrednostih