Kumpulan Database Biometrik Iris Mata

Pada tulisan kali ini saya akan berbagi sedikit informasi mengenai berbagai macam database dari data biometrik iris mata. Barangkali ada diantara pembaca yang sedang menyusun atau yang penelitiannya berhubungan dengan iris mata, semoga tulisan saya dapat membantu.

Beberapa dari data data yang saya tampilkan ini dapat diunduh secara gratis dari internet. Langsung saja kita lihat berbagai database isris mata yang dapat saya kumpulkan.

A. CASIA Database

Pengenalan iris telah menjadi topik penelitian aktif oleh Institut Otomasi dari Chinese Academy of Sciences. Setelah menyimpulkan tentang kurangnya data iris untuk pengujian algoritma, mereka mengembangkan database gambar CASIA. Database CASIA versi 1.0 meliputi 756 gambar dari 108 iris mata , sedangkan versi 3.0 meliputi 22051 gambar dari 1500 iris mata.

Gambar 1 (kiri) merupakan gambar yang telah diedit yang berasal dari database CASIA 1 dan gambar 2 (kanan) merupakan gambar yang berasal dari database CASIA 3 dan tidak diedit.

Untuk setiap mata, 7 gambar diambil dalam dua sesi, di mana tiga sampel dikumpulkan pada sesi pertama dan empat sampel dikumpulkan pada sesi kedua. Mereka menyajikan karakteristik yang sangat dekat dan homogen serta faktor noise/gangguan mereka eksklusif berhubungan dengan kelopak mata dan bulu mata yang meghalangi iris. Selain itu pada akhir proses, para peneliti mengisi daerah pupil dengan piksel hitam untuk memudahkan proses segmentasi .Jadi, hal ini secara signifikan menurunkan utilitas database dalam evaluasi metode pengenalan iris yang kuat.

Contoh gambar iris pada database CASIA

B. ICE Database

The Iris Challenge Evaluation adalah kontes yang dirancang untuk mengukur keakuratan teknologi yang mendasari yang membuat pengenalan iris mungkin dilakukan. Kontes ini terbagi menjadi dua tahap: pertama, peneliti dan developer diminta untuk berpartisipasi dalam “iris recognition challenge problems” yang dapat meningkatkan algoritma recognition mereka. Kemudian, kesempatan untuk berpartisipasi dalam skala besar dan evaluasi independen akan diberikan melalui data iris baru yang ditetapkan dan kerangka evaluasi yang tepat.

Beberapa tantangan diantaranya yaitu sebuah subjek yang memakai lensa kontak dan kacamata. Lensa kontak yang berjenis soft dapat menutupi hampir seluruh iris mata pemakainya sedangkan lensa kontak berjenis hard lebih kecil daripada lensa kontak berjenis soft, sisi-sisinya dapat menbuat tekstur iris menjadi tidak jelas. Pada pemakai kacamata noise dapat berasal dari lensa kacamata yang kotor, maupun gangguan optical pada iris.

Gambar mata dengan hard contact lenses

Database ICE terdiri dari 2.954 gambar dengan sejumlah variabel gambar per subjek. Faktor noise pada ICE berhubungan dengan terhalanginya iris dan gambar yang kurang fokus. Yang menarik dari database ini yaitu adanya beberapa gambar iris yang sengaja dirotasi serta ada juga beberapa gambar yang cuma terambil sebagian.

Contoh gambar iris pada database ICE

C. MMU Database

Multimedia University telah mengembangkan satu kumpulan data kecil dari 450 gambar iris. Gambar-gambar ini diambil melalui salah satu kamera pengenal iris yang paling umum yaitu (LG Iris Access 2200). Selanjutnya suatu kumpulan data baru yang terdiri dari 995 gambar iris telah dirilis dan diambill menggunakan kamera Panasonic BM-ET100US Authenticam. Gambar iris berasal dari 100 relawan dengan usia dan kebangsaan yang berbeda. Mereka datang dari Asia, Timur Tengah, Afrika dan Eropa dimana masing-masing dari mereka memberikan kontribusi sebanyak 5 gambar iris dari setiap mata. Gambar-gambar dalam database ini sangat homogen dan faktor noisenya berhubungan dengan gangguan kecil pada iris oleh kelopak mata dan bulu mata.

Contoh gambar iris pada database MMU

D. UBIRIS Database

Database UBIRIS tersusun dari 1877 kumpulan gambar yang dikumpulkan dari 241 orang. Faktor noise diminimalkan pada gambar-gambar dalam database ini khususnya yang terkait pada pantulan, kilau, dan kontras dengan cara melakukan pengambilan gambar dalam ruangan yang gelap.

E. BATH Database

Database gambar iris dari BATH University terus berkembang dan saat ini lebih dari 16000 gambar iris diambil dari 800 mata dari 400 orang. Ini merupakan hasil dari sebuah proyek yang bertujuan untuk membangun “sumberdaya gambar iris berkualitas tinggi”. Mayoritas gambar pada database diambil dari siswa dan staf dari BATH University dengan kualitas yang sangat tinggi, diambil dengan mesin kamera visi yang profesional diatur dengan ketinggian kamera yang telah disesuaikan. Pencahayaan diatur sedemikian rupa untuk mendapatkan gambar yang berkualitas tinggi. Namun meningkatkan kualitas gambar kurang sesuai untuk pengujian metode pengenalan iris.

Contoh dari gambar iris pada BATH Database

F. UPOL Database

Database UPOL dibangun oleh Universitas Palack’eho dan Olomouc. Gambar yang memiliki singularitas ini diambil melalui optometic framework (TOPCON TRC50IA) dan akibatnya kualitas gambar yang dihasilkan sangatlah tinggi dan cocok untuk evaluasi pengenalan iris dalam lingkungan yang benar-benar bebas dari noise. Database berisi 384 gambar yang diambil dari kedua mata 64 subjeknya (tiga gambar per mata). Seperti yang dapat dilihat pada gambar dibawah gambar memiliki homogenitas maksimum dan secara inklusif segmentasi iris telah dilengkapi oleh lingkaran gelap yang mengelilingi wilayah yang sesuai dengan iris.

Contoh gambar iris pada database UPOL

G. WVU Database

The West Virginia University 5 mengembangkan database gambar iris (WVU) terdiri dari 1.852 gambar dari 380 mata yang berbeda. Jumlah akuisisi dari setiap mata berkisar antara tiga sampai enam dan perangkat  yang digunakan adalah OKI IrisPass-H. Gambar dalam database ini diambil dengan sebuah kondisi yaitu less constraining imaging conditions, oleh karena itu terdapat beberapa noise seperti terhalangnya iris, fokus rendah dan lain lain.

Contoh gambar iris pada database WVU

Nah dari beberapa database yang sudah saya rangkum diatas dapat kita pilih mana yang kira kira sesuai dengan kebutuhan penelitian kita. Semoga tulisan saya kali ini bisa membantu. 

Sumber:

• http://iris.di.ubi.pt/index_arquivos/Page374.html
• http://biometrics.idealtest.org/dbDetailForUser.do?id=3
• http://www.ijert.org/view.php?id=376&title=comparative-study-of-iris-databases-and-ubiris-database-for-iris-recognition-methods-for-non-cooperative-environment