KLIMEŠOVÁ, L. Identifikace osob pomocí biometrie sítnice [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Tématem diplomové práce byla problematika identifikace osob pomocí snímků sítnice. Studentka se v rámci řešení práce nejdříve seznámila s teoretickými principy biometrie osob a zaměřila se konkrétně na metody využívající snímky sítnice. Na základě provedené literární rešerše studentka sama navrhla metodu, kterou blíže rozpracovala a implementovala v programovém prostředí MATLAB. Metoda byla navržena primárně na použití u snímků z experimentálního video oftalmoskopu. Oceňuji, že studentka provedla testování i na veřejně dostupných databázích, což jí umožnilo srovnání výsledků s některými publikovanými metodami. V průběhu semestru byla studentka aktivní a pravidelně docházela na konzultace. K řešení problémů, většinou implementačního charakteru, přistupovala konstruktivně. Zadání diplomové práce považuji za splněné. Hodnocení: A (90 b.)
Studentka Lenka Klimešová vypracovala diplomovou práci na téma Identifikace osob pomocí biometrie sítnice. Práce je členěna do osmi hlavních kapitol na 69 stranách. V úvodní teoretické části práce jsou popsány principy biometrie a biometrických systémů. Stěžejní kapitola teoretické části se zabývá biometrií sítnice. V této kapitole je popsána anatomie oka, cévní řečiště sítnice a možnosti využití pro biometrii. Diskutovány jsou možnosti snímání sítnice, včetně experimentálního videooftalmoskopu z ÚBMI. Dále jsou rozebrány možnosti extrakce příznaků z obrazu a srovnávací metriky pro posouzení shody. V praktické části práce je proveden návrh metody pro biometrii sítnice založenou na segmentovaných datech. Konkrétně se jedná o dvě metody – první založenou na Radonově transformaci a druhou využívající linii středem polárního snímku. K první metodě mám zásadní výtku, v tomto případě se nejedná o Radonovu transformaci, ale o získání pouze jedné projekce. Studentka se navíc v rámci implementace dopustila chyby, kdy funkce „radon“ v Matlabu vyžaduje úhel projekce zadaný ve stupních, nikoli v radiánech. Proto místo studentky zamýšlené projekce s úhlem 90° (pi/2 rad) je provedena projekce pod úhlem 1,57°. Nutno říci, že v tomto případě tato chyba vedla k pozitivnímu výsledku. V případě 90° by se prakticky jednalo o součet všech sloupců v obrazu a výsledná informace by pro požadovanou aplikaci byla nedostačující. Správná hodnota úhlu měla být 0°, ke které se autorčina implementace (s úhlem 1,57°) přibližuje. Výsledné vyhodnocení (identifikace osoby) je na základě vypočítané eukelidovské vzdálenosti. Metody jsou dále doplněny pomocným kritériem, které je založené na minimální hodnotě vzdálenosti. Metody byly otestovány na celkem třech dostupných databázích. Vstupem pro metody byly snímky s již segmentovaným cévním řečištěm. Využití takto předzpracovaných snímků je základním omezením navržených metod. Tématem pro širší diskuzi by byl vliv zvolené metody segmentace na výsledky biometrie. Na databázi snímků z experimentálního videoftalmoskopu dosahuje studentka velmi dobrých výsledků vzhledem ke kvalitě vstupních dat, které jsou zatíženy velkou variabilitou. Na volně dostupné databázi snímků STRaDe dosahuje především metoda založená na Radonově transformaci výborných výsledků. Poslední testovanou databází snímků byla databáze DRIVE, na které bylo první metodou dosaženo přesnosti 100 %. Vzhledem k chybějícím snímkům od stejné osoby, které byly nahrazeny pouze jinak segmentovanými snímky, považuji tento výsledek i následnou diskuzi za mírně zavádějící. Stanovené závěry podle mě spíše posuzují míru dobré shody mezi manuální a automatickou segmentací cévního řečiště. Citované (a srovnávané) zdroje používaly zcela jinou metodiku, kdy k původnímu snímku vytvářely další snímky pomocí rigidní transformace obrazu (především rotace). Po formální stránce je práce na dobré úrovni. Kladně hodnotím rozsah předložených výsledků formou informativních tabulek a grafů, které vhodně doplňují rozsáhlé testování metod. Vytýkám nízkou kvalitu Obr. 3, drobné překlepy a nepřesnosti – např. na straně 26 se jedná o druhou odmocninu, ne druhou mocninu, u rovnic (14) a (15) chybí levé strany, u převodu na polární souřadnice není uvedeno odečtení středu obrazu a další. V tabulce 2 jsou použity desetinné tečky místo čárek, v tabulce 3 je překlep v hodnotě Čebyševovy vzdálenosti u druhé metody. Práce odkazuje na 51 prací, především odborných článků. Mezi referencemi postrádám odkaz na použitou funkci pro výpočet polárního obrazu, kterou se studentka inspirovala (viz odevzdané zdrojové kódy). Předloženou práci hodnotím jako kvalitní a aktuální v dané problematice. Výsledky především na datech z experimentálního videooftalmoskopu považuji za velmi dobré vzhledem k charakteru dat. Základním nedostatkem metod je závislost na kvalitě provedené segmentace při předzpracování snímků. Zadání práce je splněné v celém rozsahu. Vzhledem k výše uvedeným výtkám hodnotím práci známkou dobře (C – 78 bodů) a doporučuji ji k obhajobě.
eVSKP id 110568