GABUNGAN METODE FILTER LOG-GABOR DAN PCA UNTUK PENGENALAN INDIVIDU BERBASIS CITRA IRIS MATA

FAUNDRA, M. RIZKY (2017) GABUNGAN METODE FILTER LOG-GABOR DAN PCA UNTUK PENGENALAN INDIVIDU BERBASIS CITRA IRIS MATA. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1214201021-Master_Theses.pdf]
Preview
Text
1214201021-Master_Theses.pdf - Published Version

Download (2MB) | Preview

Abstract

Teknologi biometrika berkembang pesat beberapa dekade ini. Beberapa teknologi biometrika seperti pengenalan sidik jari dan suara sudah banyak dikembangkan namun diperlukan teknologi yang handal untuk sistem keamanan yang lebih baik. Salah satu teknologi biometrika yang handal dan perlu dikembangkan yaitu pengenalan individu melalui pola iris mata, hal ini dikarenakan pola iris mata memiliki tekstur unik yang dapat membedakan satu individu dengan individu lain.
Pada penelitian ini dilakukan pengenalan individu melalui pola iris dengan menggunakan gabungan metode filter Log-Gabor dan Principle Component Analysis (PCA). Metode ini mengkombinasikan kelebihan antara filter Log Gabor dan PCA, yaitu menghasilkan fitur tekstur iris dan menangkap informasi utama fitur tekstur iris hasil filter Log Gabor dengan cara mengurangi dimensi fitur. Langkah pertama citra iris mata disegmentasi dengan menggunakan transformasi Hough untuk mengisolasi daerah zigzag collarette, selanjutnya dilakukan normalisasi citra iris mata. Langkah kedua, citra iris mata hasil normalisasi diekstraksi dengan menggunakan filter Log Gabor, kemudian dilakukan pengurangan dimensi fitur menggunakan PCA. Terakhir dilakukan pencocokan dengan menggunakan normalisasi korelasi. Data yang digunakan pada penelitian ini menggunakan data citra mata keabuan yang diambil dari CASIA database.
Hasil penelitian menunjukkan bahwa gabungan metode filter Log-Gabor dan PCA memiliki tingkat akurasi pengenalan tertinggi mencapai 95.83% dengan penggunaan 45 vektor eigen.

=================================================================================

Biometrics technology developed rapidly the past few decades. Some biometric technologies such as fingerprint recognition and voice has been developed. However, reliable technology required for better security systems, one biometric that is reliable and still needs to be developed is individual recognition through the iris texture because iris pattern has a unique texture that distinguish one individual to another individual.
In this experiment, iris pattern recognition by using Log-Gabor filter and Principle Component Analysis (PCA) is done. First of all, iris images are processed by using Hough Transformation to isolate zigzag collarette area, then the result of the transformation normalized. Secondly, iris images normalization extracted by Log-Gabor filter then dimensionality reduction by using Principle Component Analysis. Finally, matching is done by using correlation normalization. This method is a kind of combination of advantage between filter Log-Gabor which describes textural iris feature and preserve the discriminant information prior to dimensionality reduction. This experiment will be conducted individual recognition through the iris patterns with a grayscale eye image data taken from a database of iris-Chinese Academy of Sciences Institute of Automation (CASIA). Data iris taken is reliable and widely used to study the iris biometrics.
The results showed that the combination of Log-Gabor filter and PCA has an accuracy rate reached 95.83% in CASIA database with 45 eigenvector.

Item Type: Thesis (Masters)
Uncontrolled Keywords: pengenalan iris mata, ekstraksi ciri, filter Log-Gabor, PCA, iris recognition, feature extraction, log-Gabor filter, PCA
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Divisions: Faculty of Mathematics and Science > Mathematics > 44101-(S2) Master Thesis
Depositing User: M. RIZKY FAUNDRA
Date Deposited: 24 Jan 2017 03:27
Last Modified: 06 Mar 2019 02:10
URI: http://repository.its.ac.id/id/eprint/2818

Actions (login required)

View Item View Item