Raqamli Transformatsiya va Sun’iy Intellekt
ҚУЛОҚ ЧАНОҒИ ТАСВИРИ АСОСИДА ШАХНИ ТАНИБ ОЛИШНИНГ ГЕОМЕТРИК БЕЛГИЛАРГА АСОСЛАНГАН АЛГОРИТМИ
1 Тошкент ирригация ва қишлоқ хўжалигини механизациялаш муҳандислари институти
Zenodo DOI: 10.5281/zenodo.19884969
Keywords
Abstract
Ушбу мақолада қулоқ чаноғи асосида шахсни идентификациялаш мўлжалланган геометрик белгиларга янги алгоритм таклиф этилади. Таклиф этилган алгоритм асосида шахсни таниб олиш учун икки босқичли ёндашув ишлаб чиқилган бўлиб, унинг биринчи, яъни дастлабки ишлов бериш босқичида тасвирларга дастлабки ишлов беришнинг замонавий усулларидан фойдаланилган. Шунингдек, мазкур босқичда қулоқ чаноғини автоматик ажратиш амалга оширилган бўлиб, унда сегментлаш, геометрик шаклларни ажратиш ва муҳим соҳаларни локализациялаш алгоритмлари қўлланилган. Бу инсон билан боғлиқ хатоликларни камайтириш ҳамда аниқлик даражаси ошириш имконини беради.
Иккинчи босқичда ажратилган қулоқ чаноғи тасвирининг ҳар бир нуқтаси ёки уни атрофидаги тузилмасига боғлиқ ҳолда куч таъсири билан тавсифланади, яъни куч майдони моделига ўтказилади. Ушбу алматириш тасвирни кучлар тақсимоти сифатида қайта ифодалаб, унинг геометрик тузилишини чуқурроқ очиб беради, яъни контурянада аниқлашади, мураккаб бурилишлар барқарор ифодаланади ва муҳим белгилар ишончли ажралади. Натижада тасвирдаги шовқин, ёруғлик ўзгариши ёки қисман бузилишларга қарамай, қулоқ чаноғи индивидуал белгиларини юқори аниқлик билан солиштириш ва улар асосида таниб олиш аниқлиги ориши имконияти пайдо бўлади. Бундан ташқари, қулоқ шакли мураккаб эгри чизиқлардан иборат бўлганлиги учун уларни вектор майдонига ўтказиб, дифференциал геометрия орқали таҳлил қилишни осонлаштиради. Сўнгра дифференциал геометрия усуллари асосида белгилар шакллантирилади. Таклиф этилган ёндашув қулоқ чаноғи мураккаб морфологик тузилишини инобатга олган ҳолда, уни қабариқ ва ботиқликларини юқори аниқликда ажратиш имконини беради. Таниб олишда таниб олиниши зарур бўлган тасвирдан олинган белгилар махсус таниб олиш алгоритмлари орқали маълумотлар базасидаги намуналар билан таққосланади. Таққослашда масофадан фойдаланилган бўлиб, тасвирларни ўхшашлик даражаси аниқланади. Таклиф этилган ёндашув ноаниқлик ва қисман бузилишлар мавжуд бўлган ҳолларда ҳам барқарор натижаларни таъминлади. Ўтказилган тажрибавий тадқиқотлар таклиф этилган алгоритмни самарадорлигини, юқори аниқликда ишлашини ва амалий масалаларда қўллаш имкониятларини тасдиқлайди. Муаллифлар таклиф этилган алгоритм асосида ишлаб чиқилган дастурий мажмуани биометрик идентификациялашда, хусусан, қулоқ чаноғи асосида шахсни таниб олиш масалаларини ҳал этишда ишончли ва самарали ечим бўлиб хизмат қила олади деб ҳисоблайди.
References
- Redmon J. et al. YOLOv3: An incremental improvement. 2018.
- Fleck M. et al. Human skin color detection in images. 1996.
- Ren S. et al. Faster R-CNN. IEEE, 2015.
- PARAMETRINI ANIQLASH YONDASHUVI //Al-Farg’oniy avlodlari. – 2025. – Т. 1. – №. 4. – С. 115-119.
- Chang K., Bowyer K. Multi-biometric systems based on ear and face. IEEE, 2003.
- Hansley E., Segundo M.P., Sarkar S. Employing deep learning for ear recognition. IEEE, 2018.
- Chen L.C. et al. DeepLab: Semantic image segmentation. IEEE, 2018.
- Hurley D.J., Nixon M.S., Carter J.N. Force field feature extraction for ear biometrics. Computer Vision and Image Understanding, 2005.
- Huttenlocher D. et al. Hausdorff distance for object matching. IEEE, 1993.
- Ronneberger O. et al. U-Net: Convolutional networks for biomedical image segmentation. 2015.
- He K. et al. Mask R-CNN. IEEE, 2017.
- Маматов Н., Жалелова М., Файзиев В. Ўпка соҳасини аниқлашни такомиллаштирилган нейрон тармоқ модели //Современные проблемы интеллектуальных систем. – 2025. – Т. 1. – №. 1. – С. 164-166.
- Dodge S., Karam L. Understanding how image quality affects deep neural networks. IEEE, 2019.
- Mamatov N. et al. Algorithms for contour detection in agricultural images //E3S Web of Conferences. – EDP Sciences, 2024. – Т. 486. – С. 03017.
- Phung S.L., Bouzerdoum A., Chai D. Skin segmentation using color pixel classification. IEEE, 2005.
- Mamatov N. et al. Algorithm of geometric normalization of face image //Norwegian Journal of development of the International Science No. – 2024. – Т. 130. – С. 121.
- Mamatov N. et al. X-ray Image Contrast Enhancement Approach //2024 3rd International Conference on Applied Artificial Intelligence and Computing (ICAAIC). – IEEE, 2024. – С. 1293-1297.
- Маматов Н. и др. Методы повышения контрастности изображений при мультиспиральной компьютерной томографии //Евразийский журнал академических исследований. – 2023. – Т. 3. – №. 9. – С. 125-132.
- Huttenlocher D., Klanderman G., Rucklidge W. Comparing images using the Hausdorff distance. IEEE, 1993.
- Narzullo M. et al. A Hybrid Algorithm for Contour Thinning in Image Processing //Journal of Communications Software and Systems. – 2025. – Т. 21. – №. 1. – С. 23-33.
- Mamatov N. et al. Methods for increasing the contrast of drone agricultural images //AIP conference proceedings. – AIP Publishing LLC, 2024. – Т. 3147. – №. 1. – С. 040015.
- Jones M., Rehg J. Statistical color models with application to skin detection. IJCV, 2002.
- Mamatov N. et al. Hybrid quadratic diagonal algorithm for thinning contour lines //EPJ Web of Conferences. – EDP Sciences, 2025. – Т. 321. – С. 03005.
- Mamatov N. S. et al. A method for removing mixed noise in images //Artificial Intelligence and Information Technologies. – CRC Press, 2024. – С. 489-495.
- Redmon J. et al. YOLOv3: An incremental improvement. 2018.
- He K. et al. Mask R-CNN. IEEE, 2017.
- Chen H., Bhanu B. Human ear recognition in 3D. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2007.
- Mamatov N., Jalelova M., Jo‘Raev I. Rentgen tasvirlarni shakllantirish vositalari //Современные проблемы интеллектуальных систем. – 2025. – Т. 1. – №. 1. – С. 44-46.
- He K. et al. Mask R-CNN. IEEE, 2017.
- Burge M., Burger W. Ear biometrics using Voronoi diagrams. Pattern Recognition, 2000.
- Маматов Н. С. Юз соҳалари бўйича ҳис-туйғуларни таниб олиш алгоритми //Центрально азиатский журнал STEM. – 2025. – Т. 1. – №. 1.
- Mamatov N., Jalelova M., Samijonov B. Tasvir obyektlarini segmentatsiyalashning mintaqaga asoslangan usullari //Modern Science and Research. – 2024. – Т. 3. – №. 1. – С. 1-4.
- Emeršič Ž., Štruc V., Peer P. Ear recognition: More than a survey. Neurocomputing, 2017.
- Carion N. et al. DETR: End-to-End Object Detection with Transformers. 2020 Mamatov N. et al. Algorithm for Selecting Optimal Features in Face Recognition Systems //2023 19th International Asian School-Seminar on Optimization Problems of Complex Systems (OPCS). – IEEE, 2023. – С. 59-64.
- Маматов Н. С. и др. Тасвир контур чизиқларини ингичкалаштиришнинг бидиагонал алгоритми //Eurasian Journal of Mathematical Theory and Computer Sciences. – 2024. – Т. 4. – №. 3. – С. 13-23.
- Mamatov N. et al. Object segmentation approach in image processing //ITM Web of Conferences. – EDP Sciences, 2025. – Т. 72. – С. 03001.
- Mamatov N. S. et al. X-Ray Image Contrast Enhancement Algorithms //Journal of Advanced Research Design. – 2025. – Т. 130. – №. 1. – С. 1-12.
- Iannarelli A. Ear Identification. Forensic Identification Series, 1989.
- Mamatov N. et al. X-ray image contrast estimation and enhancement algorithms //AIP Conference Proceedings. – AIP Publishing LLC, 2024. – Т. 3147. – №. 1. – С. 040014.
- Borgefors G. Distance transformations in digital images. CVGIP, 1986.
- Маматов Н., Жўраев И., Абдуллаева Б. Чуқур нейрон тармоқ технологиялари ёрдамида буйрак патологияларини фарқлаш //Современные проблемы интеллектуальных систем. – 2025. – Т. 1. – №. 1. – С. 268-271.
- Xie S., Tu Z. Holistically-Nested Edge Detection. IEEE, 2015.
- Zhou Y., Zaferiou S. 3D ear recognition using deep models. IEEE, 2020.
- Solidjonovich M. N., Kaymatdinovich E. K., Qizi J. M. M. TASVIRLARDA SIFAT KO ‘RSATKICHI ASOSIDA GAUSS SHOVQIN
- Canny J. A computational approach to edge detection. IEEE, 1986.
- Mamatov N. et al. Gabor filtering method for formation features vector for person recognition based on face image //AIP Conference Proceedings. – AIP Publishing LLC, 2025. – Т. 3377. – №. 1. – С. 060011.