این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۳، شماره ۲، صفحات ۱-۱۲
عنوان فارسی طراحی یک سیستم بیومتریک جدید به منظور شناسایی هویت اشخاص مبتنی بر چروکیدگی پشت انگشتان دست با استفاده از ویژگی های خودهمبستگی و الگوهای باینری محلی
چکیده فارسی مقاله شناسایی بیومتریک به عنوان امن‌ ترین و حفاظت شده ‌ترین روش برای تشخیص و بررسی هویت اشخاص است. یکی از جدیدترین مشخصه‌ های بیومتریک که اخیراً برای شناسایی اشخاص مورد استفاده قرار می‌گیرد چروکیدگی انگشتان پشت دست است. در این مقاله روش کارامد جدیدی برای شناسایی و بررسی هویت اشخاص بر اساس ضرائب خودهمبستگی و الگوهای باینری محلی، ترکیب الگوریتم ‌های تحلیل مؤلفه اصلی مبتنی بر هسته و آنالیز متمایزکننده خطی معرفی شده است. در این مقاله استخراج ویژگی با محاسبه گشتاورهای صفر و یک، ضرائب خودهمبستگی و الگوهای باینری محلی برای هر تصویر انجام شده است. سپس ابعاد ویژگی‌ های استخراج شده با استفاده از الگوریتم تحلیل مؤلفه اصلی مبتنی بر هسته کاهش می‌ یابد. در مرحله بعد الگوریتم آنالیز متمایزکننده خطی بر روی فضای ویژگی برای افزایش مجزاسازی بین ویژگی دسته ‌های مختلف اعمال می‌شود. معیار فاصله کای دو برای دسته ‌بندی مورد استفاده قرار می‌گیرد. پایگاه ‌داده Poly-U Finger-Knuckle-Print برای بررسی عملکرد روش پیشنهادی به کار گرفته شده است. نتایج شناسایی و بررسی آزمایشات نرخ تشخیص 93/98% را نشان می‌دهد که کارایی و مؤثر بودن این مشخصه بیومتریک جدید را اثبات و گواه برتری الگوریتم پیشنهادی نسبت به روش‌های پیشین است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Design of a New Biometric System for Identity Detection Based on Finger-knuckle-print Using Autocorrelation Features and Local Binary Patterns
چکیده انگلیسی مقاله Biometric authenticationis an approach for recognizing a person’s identity as the most secure method.One of the newest biometric identifier, which is recently used for personal identity authentication, is finger-knuckle-print.In this paper, we present an efficient method for personal identification which includes autocorrelation features, local binary patterns,combination of kernel principle component analysis and linear discriminant analysis algorithms.Feature extraction is done using zeroth and first-order moments, autocorrelation features, and local binary patterns. Then, dimensionality reduction is done using kernel principle component analysis. The next step, linear discriminant analysis algorithm is applied to increase the separability of features andχ2distance measure is used as a classifier for matching. Poly-U finger-knuckle-print database is used to examine the performance of the proposed method. The result ofexperimentsshows 98.93% detection rate which demonstrate the efficiency of the proposed method in compare to the other approaches.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حدیث حیدری |
دانشجوی دکتری، گروه مهندسی کامپیوتر، دانشکده فنی مهندسی دانشگاه رازی
سازمان اصلی تایید شده: دانشگاه رازی (Razi university)

عبداله چاله چاله | chaleh chaleh
گروه مهندسی کامپیوتر، دانشکده فنی مهندسی دانشگاه رازی
سازمان اصلی تایید شده: دانشگاه رازی (Razi university)

نشانی اینترنتی http://jmvip.sinaweb.net/article_16516_0729b70171d1f484d75f58be3e937de4.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1041/article-1041-314209.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات