We have shown results here for an a

We have shown results here for an accurate iris recognition
system, the methodology being a feature extraction
application in the eigen space domain. The rectangular iris
codes obtained from eye images are converted to iris vectors,
and from the set of iris vectors of a person a set of eigen iris
vectors are calculated. We considered different no of eigen iris
vectors, 10, 7, and 4 to evaluate the performance of the
recognition system. Also we have considered different cases
where a given iris code may be noisy, compressed, and
compressed with noise. In all cases we find that the technique
accurately recognizes the person when used with 10 and 7 nos
of eigen iris vectors, the difference being in the order of
values of the Euclidean distances. While using 4 nos of eigen
iris vectors for each group of person, we see that performance
is not so convincing for the third case. The technique is found
to give accurate and convincing results even with partial iris
codes of size 120x200 and also when some portion of the iris
is missing. To the best of our knowledge this is the first report
of iris recognition system using feature extraction in lower
dimensionality using eigen spaces.

ผลลัพธ์ (ไทย) 1:

เราได้แสดงผลลัพธ์สำหรับการรู้จำไอริสถูกต้องระบบ วิธีการสกัดคุณลักษณะแอพลิเคชันในโดเมนพื้นที่ eigen ไอริสสี่เหลี่ยมแปลงเป็นรหัสที่ได้รับจากตาภาพเวกเตอร์ไอริสจากชุดของไอริสเวกเตอร์ของชุดของ eigen ไอริสมีคำนวณเวกเตอร์ เราถือว่าไม่แตกต่างกันของ eigen ไอริสเวกเตอร์ 10, 7 และ 4 เพื่อประเมินประสิทธิภาพของการระบบการรู้จำ นอกจากนี้ เราได้พิจารณากรณีที่แตกต่างกันรหัสไอริสกำหนดอาจเสียงดัง บีบอัด และบีบ มีเสียง ในทุกกรณี เราพบว่าเทคนิคการรู้จักบุคคลเมื่อใช้กับหมายเลข 7 และ 10 ได้อย่างถูกต้องของเวกเตอร์ eigen ไอริส ความแตกต่างที่อยู่ในใบสั่งของค่าของระยะทาง Euclidean ในขณะที่ใช้ชุดหมายเลข 4 ของ eigenไอริสเวกเตอร์สำหรับแต่ละกลุ่มบุคคล เราเห็นประสิทธิภาพที่จะไม่ให้หลอกลวงสำหรับกรณีสาม พบเทคนิคการให้ผลลัพธ์ถูกต้อง และน่าเชื่อถือแม้จะ มีบางส่วนไอริสรหัสขนาด 120 x 200 และเมื่อส่วนที่บางของดิไอริสขาดหายไป ส่วนความรู้ของเรานี้เป็นรายการแรกระบบการรู้จำไอริสใช้สกัดคุณลักษณะในล่างใช้ช่องว่างของ eigen dimensionality

ผลลัพธ์ (ไทย) 2:

เราได้แสดงให้เห็นผลที่นี่เพื่อการรับรู้ที่ถูกต้องม่านตา
ระบบ, วิธีการที่ถูกดึง
การประยุกต์ใช้ในพื้นที่โดเมนไอเกน ไอริสสี่เหลี่ยม
รหัสที่ได้รับจากภาพที่ตาจะถูกแปลงเป็นพาหะไอริส
และจากชุดของเวกเตอร์ม่านตาของคนชุดของไอริสไอเกน
เวกเตอร์ที่มีการคำนวณ เราถือว่าไม่แตกต่างกันของไอริสไอเกน
เวกเตอร์, 10, 7 และ 4 ในการประเมินประสิทธิภาพการทำงานของ
ระบบการรับรู้ นอกจากนี้เราได้มีการพิจารณากรณีที่แตกต่างกัน
ที่รหัสไอริสได้รับอาจจะมีเสียงดังบีบอัดและ
บีบอัดด้วยเสียง ในทุกกรณีที่เราพบว่าเทคนิค
อย่างถูกต้องตระหนักถึงบุคคลที่เมื่อใช้กับ 10 และ 7 กัดกร่อน
ของไอเกนเวกเตอร์ไอริสที่แตกต่างกันอยู่ในคำสั่งของ
ค่าของระยะทางแบบยุคลิด ในขณะที่ใช้ 4 กัดกร่อนของไอเกน
เวกเตอร์ม่านตาสำหรับแต่ละกลุ่มของคนเราจะเห็นว่าผลการดำเนินงาน
ที่ไม่น่าเชื่อดังนั้นสำหรับกรณีที่สาม พบเทคนิค
ที่จะให้ผลลัพธ์ที่ถูกต้องและน่าเชื่อถือแม้จะมีบางส่วนม่านตา
รหัสขนาด 120x200 และเมื่อส่วนหนึ่งของไอริสบางส่วน
หายไป ที่ดีที่สุดของความรู้ของเรานี้เป็นรายงานครั้งแรก
ของระบบการรับรู้โดยใช้ไอริสดึงต่ำ
มิติโดยใช้ไอเกนพื้นที่

ผลลัพธ์ (ไทย) 3:

เราได้แสดงให้เห็นผลลัพธ์ที่ถูกต้องที่นี่สำหรับไอริสยอมรับ
ระบบ วิธีการ คุณลักษณะการสกัด
ใบสมัครใน eigen พื้นที่โดเมน รหัสไอริส
สี่เหลี่ยมที่ได้รับจากตา ภาพจะถูกแปลงเป็นเวกเตอร์ม่านตา
และจากชุดของไอริสเวกเตอร์ของบุคคลที่ชุด eigen ไอริส
เวกเตอร์ที่มีการคํานวณ เราถือว่าไม่แตกต่างจาก eigen ไอริส
เวกเตอร์ , 10 , 7 ,และ 4 . เพื่อประเมินผลการปฏิบัติงาน ของ
ระบบการรู้จำ เรายังได้พิจารณากรณีต่าง ๆที่ระบุรหัสไอริส
อาจจะมีเสียงดัง , บีบอัด , บีบอัดและ
ด้วยเสียง ใน กรณีที่เราพบว่าเทคนิค
ถูกต้องตระหนัก บุคคลเมื่อใช้กับ 10 และ 7 NOS
ของ eigen ม่านตาเวกเตอร์ ความแตกต่างอยู่ในลำดับของ
ค่าของใช้ระยะทางในขณะที่ใช้ 4 NOS ของ eigen
ม่านตาเวกเตอร์สำหรับแต่ละกลุ่มของคน เราเห็นการแสดง
ไม่ค่อยน่าเชื่อถือสำหรับคดีที่สาม เทคนิคพบ
จะให้ผลลัพธ์ที่ถูกต้องและน่าเชื่อถือ แม้บางส่วนไอริส
รหัสขนาด 120x200 และเมื่อบางส่วนของไอริส
หายไป เพื่อที่ดีที่สุดของความรู้ของเรานี้เป็นรายงานแรกระบบการจดจำม่านตา โดยใช้การสกัดคุณลักษณะในการลด
dimensionality ใช้ eigen เป็น .