Penelitian ini memfokuskan pada authentikasi iris dengan kasus adanya sakit mata. Terdapat perpedaan antara mata normal dan sakit,
misalanya jika mata sakit dengan uveitis anterior tidak menglingkar dan dapat menyebabkan prubahan pada asitektur iris atau atrofi. Dalam
penelitian ini ada dua faktor yang dianggap memisahkan antara mata yang sakit dan normal, yaitu :
- Untuk melokalisasi boundary pupil atau boundary iris sebagai lingkaran, radiusnya harus berada dalam kisaran tertentu. Dalam
database yang ditentukan, kisaran nilai radius iris adalah 90-150 pixel, sedangkan rentang radius pupil yaitu 28-75 pixel.
- Pupil selalu berada di daerah iris, maka batas pupil harus berada dalam batas iri untuk mata normal. Sementara pada mata yang sakit,
batas pupil dilokalisasi jauh dari daerah iris. Ini memberikan bukti bahwa enhancement/peningkatan harus dilakukan sebelum tahap iris
localization terutama untuk kasus mata sakit.
Jika telah diambil keputusan bahwa mata sakit maka prosedur langsung berlanjut menuju proses peningkatan/enhancement. Proses
peningkatan dapat membantu untuk melokalisasi boundary pupil. Proses peningkatan diterapkan melalui langkah-langkah berikut :
- Menentukan batas boundary iris yang menutupi area dalam pupil.
- Mengubah ukuran gambar mata untuk mengisolasi gambar iris.
- Mengatus intensitas gambar iris sesuai dengan cahaya yang terjadi.
- Menyesuaikan nilai ambang/treshold untuk membuat binary image.
- Diskriminasikan pupil yang tidak teratur dengan menentukan titik minimum pada setiap sumbu/axis.
- Round area pupil yang tidak beraturan dengan bentuk persegi panjang.
- Hitung pusat persegi panjang sesuai dengan langkah sebelumnya.
- Gambarlah sebuah lingkaran di sekitar pupil untuk melinkari pupil.
- Perbaharui gambar iris ke posisi yang sama dengan gambar asli.
- Bandingkan gambar yang diproses dengan gambar yang disimpan pada database untuk mengidentifikasi orang tersebut.
5. Penemuan/Hasil
Hammping distance digunakan untuk mengukur fraction pada disagreeing bit yang dihasilkan dari perbandingan bit-by-bit dua wilayah
yang diminati. Hasil yang diperoleh menunjukan bahwa kriteria dipilih menjadi 0.40 yang berarti bahwa keputusan yang cocok tidak pernah
dinyatakan antara dua kode iris jika melebihi 40% dari bit yang tidak setuju. Dengan menerapkan pendekatan ini menyebabkan penurunan
yang signifikan dalam nilai Hamming distance.
Penelitian ini mempelajari efek mata yang sakit pada proses iris recognition. Selain itu proses perawatan dan peningkatan dimasukkan
dalam pendekatan keseluruhan untuk menyiapkan gambar iris yang memadai untuk diproses. Hasil yang diperoleh menunjukka bahwa
kinerja pengakuan dari pendekatan yang diterapkan adalah 90%. Hasil percobaan menunjukkan bahwa metode yang diusulkan adalah
pendekatan yang efektif dalam pengenalan iris.
6. Batasan/Gap (future research)
-
An Enhanced Iris Recognition And Authentication System Using Energy Measure [3]
Author : Habibah Adamu Biu, Rashid Husain, Abubakar S. Magaji
Keywords— Local Image Properties, Authentication Enhancement, Iris Authentication, Local Image, Iris Recognition, Binary Bit Sequence
1. Topik
Iris recognition dan authentikasi dengan menggunakan mengukur energi : mean energy dan maximum energy yang masuk ke mata dengan
nilai ambang batas yang diadopsi. Pada jurnal ini ditambahkan mengapa menggunakan iris dari semua biometric yang dapat digunakan
untuk proses authentication.
2. Konsep
3. Metode
Ini berkaitan dengan semua metode yan digunakan untuk mencapai tujuan yang ditetapkan dari penelitian. Dibagi menjadi 3 bagian, yaitu :
- Iris Extraction
Gray scale digunakan untuk mengubah gambar warna menjadi warna monokromatik untuk mengurangi kompleksitas ruang dan
membuat prmrosesan lebih cepat dan setelah itu akan melewati median filter untuk mengurangi noise dan occlusion. Selain itu untuk
menemukan treshold, smooting, gradients value digunakan algoritma canny edge detection. Untuk deteksi didalam dan diluar radius
digunakan algoritma pupil detection untuk menemukan nilai dari kedua radius. Agar ekstraksi fitur dapat dilakukan pada gambar yang
blur maka digunakan teknik normalisasi untuk distorsi elastis dari iris yang harus dikurangi. Untuk melakukan ekstraksi fitur, iris harus
dinormalisasi untuk membedakan dua gambar iris dengan menggunakan algoritma conner detection. Daugman adalah algoritma
pengenalan iris yang paling banyak digunakan, algoritma ini diturunkan dari sifat-sifat geometric convex polyhedral cone yang tidak
bergantung pada pengetahuan sebelumnya. Pada penelitian sebelumnya, fitur biometrik digunakan untuk mengidentifikasi wajah, sidik
jari, suara, dll dari individu yang memiliki kesalahan/false report. Oleh akrena itu dalam sistem ini, iris digunakan dengan mengenerate
code.
Delapan (8) tahap ekstrasi fitur :
a. Yang pertama adalah scan mata, pada tahap ini dipilih gambar secara manual dan disimulasikan ke dalam sistem, dan gambar ini
merupakan gambar full color dari database UBIRIS.
b. Tahap kedua adalah gambar yang full color pada tahap 1 dikonversi ke gray scale.
c. Tahap ketiga dilakukan media filtering untuk mengurangi noise akibat konversi untuk mendapatkan gambar iris yang tepat untuk
proses otentikasi user.
d. Tahap keempat dilakukan deteksi pusat pupil, red circle adalah tempat pupil berada dan ini dilakukan untuk mendapatkan pupil
yang merupakan pusat mata dengan mengarahkan koordinat ke tengah.
e. Tahap kelima dilakukan deteksi tepi iris dan pupil dengan menggunakan canny edge detection.
f. Tahap keenam dilakukan deteksi radius pupil/iris untuk mengetahui dimana awal dan akhir pupil/iris yang digunakan untuk
perhitungan lebih lanjut.
g. Tahap ketujuh dilakukan iris localization, pada tahap ini merupakan tahap dimana iris diekstrasi.
h. Tahap kedepalan dilakukan iris unrolling, dimana semua tahap sebelumnya dilakukan secara sirkulasi, dan pada tahap ini
normalisasi iris dilakukan untuk memperbaiki iris ke ukuran tertentu (polar coordinate system) untuk menghindari penerimaan yang
salah atau false acceptence dari penyusup sistem.
- Energy Value Generation
- Iris Binary Bit Code Sequence
4. Konteks/Setting/Sample
Recognition of IRIS for Person Identification [4]
Author : C. Soma Sundar Reddy, K.Durga Sreenivas
Keywords— iris recognition, segmentation, feature vector, edge detection
1. Topik
Mengembangkan pengenalan iris untuk proses identifikasi orang
2. Konsep
Penulih memfokuskan penelitian ini pada tahapan segmentasi gambar dan ekstrasi fitur. Karena menurut penulis proses pengenalan iris
sangat tergantung pada segmentasi gambar, bahkan jika metode ekstraski fitur dilakukan dengan lebih efektif tidak akan dapat memperoleh
informasi yang berguna dari gambar iris yang tidak tersegmentasi dengan benar. Makalah ini mengusulkan pendekatan langsung untuk
segmentasi pola iris. Metode yang digunakan menentukan threshold secara global dan pusat pupil. Eksperiman yang dilakukan dengan
menggunakan gambar iris yang diperoleh dari basis data CASIA.
3. Metode
Iris recognition
4. Konteks/Setting/Sample
5. Penemuan/Hasil
6. Batasan/Gap (future research)
Iris Recognition for Security & Safety of Automobiles [5]
Author : Sintu Punnoose, J. Sam Jeba Kumar
Keywords— Iris Recognition System, Security, Biometrics, Image Processing, MATLAB
1. Topik
2. Konsep
3. Metode
4. Konteks/Setting/Sample
5. Penemuan/Hasil
6. Batasan/Gap (future research)
Iris Recognition from an Image at Lengthy Distance by using Deep Belief Neural Network (DBN) [6]
Author : Swati D. Shirke, C.Rajabhushanam
Keywords— Iris recognition, Deep Belief Network(DBN), Daugman’s rubber sheet model, Local Gradient pattern, biometrics. Back
Propagation Neural Network, Cronologival Neural Network
1. Topik
2. Konsep
3. Metode
4. Konteks/Setting/Sample
5. Penemuan/Hasil
6. Batasan/Gap (future research)
Iris Recognition Using Dual tree complex transform [7]
Author : Rehana Parwin, Swati Verma
Keywords— Biometric, Iris Recognition, DTCWT, Hamming Distance
1. Topik
2. Konsep
3. Metode
4. Konteks/Setting/Sample
5. Penemuan/Hasil
6. Batasan/Gap (future research)
An Improved Iris Recognition System Using Feature Extraction Based on Wavelet Maxima Moment Invariants [8]
Author : Makram Nabti dan Ahmed Bouridane
Keywords— biometrics, iris recognition, multiscale edge detection, wavelet maxima, moment invariants
1. Topik
2. Konsep
3. Metode
4. Konteks/Setting/Sample
5. Penemuan/Hasil
6. Batasan/Gap (future research)
Biometric Iris Recognition Based on Hybrid Technique [9]
Author : Khattab M. Ali Alheeti
Keywords— Iris Recognition, Biometrics Recognition, Wavelet Technology, Hybrid Technique and Feature Extraction
1. Topik
2. Konsep
3. Metode
4. Konteks/Setting/Sample
5. Penemuan/Hasil
6. Batasan/Gap (future research)
IRIS Biometric System Using a Hybrid Approach [10]
Author : Abhimanyu Sarin
Keywords— Iris Biometrics, Hough Transform, Daugman’s Algorithm, Localization, Haar Wavelets
1. Topik
2. Konsep
3. Metode
4. Konteks/Setting/Sample
5. Penemuan/Hasil
6. Batasan/Gap (future research)
Measuring Biometric Sample Quality in terms of Biometric Feature Information in Iris Images [11]
Author : R. Youmaran and A. Adler
Keywords—
1. Topik
2. Konsep
3. Metode
4. Konteks/Setting/Sample
5. Penemuan/Hasil
6. Batasan/Gap (future research)
A Multi Biometric IRIS Recognition System based on a Profound Learning Method [12]
Author :
Keywords—
1. Topik
2. Konsep
3. Metode
4. Konteks/Setting/Sample
5. Penemuan/Hasil
6. Batasan/Gap (future research)
User Identification Using Iris Scan
Author : Mohammad Aakif Kausar, Gautam Purwar, Rajul Raghuwanshi, Prof. Sachin Deshmukh
Keywords— Discrete Cosine Transform (DCT), MATLAB, Image compression, gray scale images
1. Topik
2. Konsep
3. Metode
4. Konteks/Setting/Sample
5. Penemuan/Hasil
6. Batasan/Gap (future research)
[1] Y.-H. Li and P.-J. Huang, “An Accurate and Efficient User Authentication Mechanism on Smart Glasses Based on Iris Recognition,” Mobile
Information Systems, vol. 2017, pp. 1–14, 2017, doi: 10.1155/2017/1281020.
[2] M. S. Al-Ani, “Efficient Biometric Iris Recognition Based on Iris Localization Approach,” UHD J SCI TECH, vol. 3, no. 2, p. 24, Jul. 2019, doi:
10.21928/uhdjst.v3n2y2019.pp24-32.
[3] H. A. Biu, R. Husain, and A. S. Magaji, “AN ENHANCED IRIS RECOGNITION AND AUTHENTICATION SYSTEM USING ENERGY MEASURE,” vol. 13,
no. 1, p. 7, 2018.
[4] C. S. S. Reddy and K. D. Sreenivas, “Recognition of IRIS for Person Identification,” International Journal of Engineering Research, vol. 3, no. 2,
p. 5, 2013.
[5] S. Punnoose and J. S. J. Kumar, “Iris Recognition for Security & Safety of Automobiles,” vol. 2, no. 4, p. 6.
[6] “Iris Recognition from an Image at Lengthy Distance by using Deep Belief Neural Network (DBN),” IJEAT, vol. 8, no. 5S3, pp. 523–532, Sep.
2019, doi: 10.35940/ijeat.E1103.0785S319.
[7] D. R. Shaikh, “Iris Recognition Using Dual tree complex transform,” vol. 4, no. 4, p. 9, 2016.
[8] M. Nabti and A. Bouridane, “An Improved Iris Recognition System Using Feature Extraction Based on Wavelet Maxima Moment Invariants,”
in Advances in Biometrics, vol. 4642, S.-W. Lee and S. Z. Li, Eds. Berlin, Heidelberg: Springer Berlin Heidelberg, 2007, pp. 988–996.
[9] K. M. Ali Alheeti, “Biometric Iris Recognition Based on Hybrid Technique,” IJSC, vol. 2, no. 4, pp. 1–9, Nov. 2011, doi: 10.5121/ijsc.2011.2401.
[10] A. Sarin, “IRIS Biometric System Using a Hybrid Approach,” in Computer Science & Information Technology ( CS & IT ), Sep. 2014, pp. 149–
159, doi: 10.5121/csit.2014.4914.
[11] R. Youmaran and A. Adler, “Measuring Biometric Sample Quality in terms of Biometric Feature Information in Iris Images,” Journal of
Electrical and Computer Engineering, vol. 2012, pp. 1–9, 2012, doi: 10.1155/2012/282589.
[12] “A Multi Biometric IRIS Recognition System based on a Profound Learning Method,” IJRTE, vol. 8, no. 3S, pp. 637–643, Oct. 2019, doi:
10.35940/ijrte.C1127.1083S19.