Iso 9001: 2008 Certified Journal, Volume 4, Issue 7, July 2014

Results for database 1
Data as image number along x-axis
(+
1 
fo
r 
m
at
ch
ed
) 
(-
1 
fo
r 
n
o
t 
m
at
ch
ed
)
Figure 7: Bar plots showing results as 1 correctly matched and -1 for 
incorrectly or not matched 
Table 2 
Shows results for database 2 as 1 for true and -1 for false in the 
corresponding column matched or not matched 
Database2 
Matched 
Not-Matched 
Iris detected 
Data1 
1 
-1 
1 
Data2 
1 
-1 
1 
Data3 
1 
-1 
1 
Data4 
-1 
1 
1 
Data5 
1 
-1 
1 
Data6 
1 
-1 
1 
Data7 
1 
-1 
1 
Data8 
1 
-1 
1 
Data9 
1 
-1 
1 
Data10 
1 
-1 
1 
Data11 
1 
-1 
1 
Data12 
1 
-1 
1 

---

International Journal of Emerging Technology and Advanced Engineering 
Website: www.ijetae.com (
ISSN 2250-2459,
 
ISO 9001:2008 Certified Journal,
 Volume 4, Issue 7, July 2014)
 
963 
1 2 3 4 5 6 7 8 9 10 11 12
-1
-0.5
0
0.5
1
Results for database 2
Data as image number along x-axis
(+
1
 f
o
r 
m
a
tc
h
e
d
) 
(-
1
 f
o
r 
n
o
t 
m
a
tc
h
e
d
)
Figure 8: Bar plots showing results as 1 correctly matched and -1 for 
incorrectly matched or not matched 
It has been found that iris has been correctly detected in 
all images used for testing. 
Also percentage of correctly matched template has been 
found 87.5%. The segmentation time of algorithm is far 
better and can be used in real time applications for iris 
recognition. 
VI. C
ONCLUSION
We propose a new iris recognition method for the iris 
images degraded by noisy factors. The iris has been 
detected by color information of iris. And the iris 
authentication is completed by comparing the iris binary 
code based on “texture information” of iris region. As the 
experimental results, the matched efficiency has come out 
87.5% and iris has been correctly detected in each test. In 
future works, work can be done for irises having different 
colors as our algorithm is suitable only for black or brown 
iris intensity levels.
REFERENCES 
[1] A. Basit, M.Y. Javed, Localization of iris in gray scale images using 
intensity gradient, Opt. Lasers Eng. 45 (2007) 1107-1114. 
[2] J.G. Daugman, High confidence visual recognition of persons by a 
test of statistical independence, IEEE Trans. Pattern Anal. Mach. 
Intell. 15 (1993) 1148-1161. 
[3] E. Wolff. Anatomy of the Eye and Orbit, 7
th
edition. H.K. Lewis & 
Co. LTD,1976. 
[4] R.P. Wildes, Iris recognition: an emerging biometric, Proc. IEEE 
85(1997) 1348-1363. 
[5] J. Daugman, New methods in iris recognition, IEEE Trans. Syst. 
Man Cybem. Part B 37(2007) 1167-1175.
[6] T.M. Khan, M.A. Khan, S.A. Malik, S.A. Khan, T. Bashir, A.H. 
Dar, Automatic localization of pupil using eccentricity and iris using 
gradient based method, Opt. Lasers Eng. 49 (2011) 177-187. 
[7] H. Proenca, L.A. ALexandre, Introduction to the special issue on the 
segmentation of visible wavelength iris images captured at a distance 
and on the move, Image Vis. Comput. 28 (2010) 213-214. 
[8] H. Proenca, S. Filipe, R. Santos, J. Oliviera, L.A. Alexandre, The 
UBIRIS.v2: a database of visible wavelength iris images captured 
on-the-move and at a distance, IEEE Trans. Pattern Anal. Mach. 
Intell. 32 (2010) 1529-1535 
[9] CASIA 
iris 
database, 
http://www.idealtest.org/findTotalDbByMode.do?mode=Iris. 
Last 
accessed April 22,2012. 
[10] UBIRIS iris database, http://iris.di.ubi.pt/, last accessed April 22, 
2012.
[11] T.C. Lin, H.C. Huang, B.Y. Liao, J.S. Pan, An optimized approach 
on applying genetic algorithm to adaptive cluster validity index, Int. 
J. Computer Sci. Eng. Syst. 1 (2007) 253-257. 
[12] A. Ross, S. Shah, Segmenting non ideal irises using geodesic active 
contourism:2006 Biometrics Symposium: Special Session on 
Research at the Biometric Consortium Conference, Baltimore, MD, 
September 19, 2006-August 21,2006,pp. 1-6. 
[13] A.D.S. Sierra, J.G. Casanova, C.S. Avila, V.J. Vera, Iris 
Segmentation based on fuzzy mathematical morphology, neural 
networks and ontologies, in 43
rd
Annual 2009 International Camaha. 
[14] T. Tan, Z. He, Z. Sun, Efficient and robust segmentation of noisy iris 
images for non-cooperative iris recognition, Image Vis. Comput. 28 
(2010) 223-230. 
[15] Y. Chen, M. Adjouadi, C. Han, J. Wang, A. Barreto, N. Rishe, J. 
Andrian. A highly accurate and computationally efficient iris 
segmentation, Image Vis. Comput. 28 (2010) 261-269. 
[16] Z. He, Z. Sun, X. Qiu, Toward accurate and fast iris segmentation 
for iris biometrics, IEEE Trans. Pattern Anal. Mach. Intell. 31 (2009) 
1670-1684. 
[17] Yu Chen, Malek Adjouadi, Changan Han, Jin Wang, Armando 
Barreto, Naphtali Rishe, Jean Andrian. A highly accurate and 
computationally efficient approach for unconstrained iris 
segmentation. Image and Vision Computing 28 (2010) 261-269