Corak Tekstur Tempatan (LTP) adalah satu kaedah yang telah digunakan untuk menghasilkan corak iris tempatan pada imej iris bersegmen selepas mengaplikasikan litupan pada corak iris tersebut. Modul skala kelabu-tak berubah LTP telah diketengahkan bagi menyelesaikan semua masalah yang wujud disebabkan oleh variasi pencahayaan, variasi orientasi atau sebarang rupa visual lain yang terdapat pada tekstur iris. Di samping itu, komposisi corak iris boleh diklasifikasikan dengan kerumitan yang rendah melalui pengiraan komposisi skala kelabu - tak berubah. Selain itu, pangkalan data satu dimensi bagi setiap imej iris akan terbentuk dengan memplot nilai LTP purata dalam setiap baris berlandaskan jaraknya kepada anak mata. Satu dimensi iris signature adalah sangat penting bagi menilai tahap persamaan corak iris untuk setiap mata yang diambil daripada setiap individu.Dalam kajian ini , klasifikasi Support Vector Machine ( SVM ) telah dipilih sebagai templat padanan untuk corak iris. Klasifikasi SVM adalah teknik yang digunakan untuk pengelasan data. Klasifikasi SVM dipertimbangkan bagi digunakan sebagai pengelasan corak iris kerana prestasinya yang baik. Templat latihan dan pembinaan set ujian adalah dua proses utama yang terlibat dalam modul klasifikasi SVM. Peratusan ketepatan pengenalan digunakan sebagai penanda aras untuk ukuran ketepatan selepas proses latihan dilaksanakan. Peratusan ketepatan pengenalan membantu dalam mengenal pasti pengkalan data untuk sampel iris bagi individu yang berbeza secara serentak.
___________________________________________________________________________________
Local Texture Patterns (LTP) is a method that has been used to extract and generate the local iris pattern on a segmented iris image after applying a mask on the iris patterns. Grayscale-invariant LTP module has been developed to solve all the problems which exist due to illumination variations, variations in orientation or other visual appearance of iris textures. In addition, iris pattern compositions can be extracted and classified with low-computational complexity using the grayscale-invariant composition. Besides that, one-dimensional signature database for each iris image will be formed by plotting the average LTP value in each row against its distance to the pupillary. One-dimensional iris signature is very important in order to rank the similarities of iris patterns signature for each individual subject. In this study, Support Vector Machine (SVM) classification has been chosen as the template matching for iris patterns. SVM classification is a technique used for data classification. SVM classification is considered to be used for iris pattern classification due to its outstanding performance. Training template and development of testing set are those two major processes involved in the SVM classification module. The percentage of identification accuracy is being used as the accuracy measurement indicator after the training development process. The percentage of identification accuracy helps to classify and identify the iris samples databases of different subjects concurrently.
Local texture patterns (ltp) method for iris features_Mohamad Faiz Mohamed Omar_E3_2014_NI