شناسایی افراد از روی تصاویر کف دست با استفاده از تبدیل کانتورلت و الگوریتم مبتنی بر نظریه بیز
Publish place: 12th Iranian Conference on Intelligent Systems
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 431
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS12_103
تاریخ نمایه سازی: 11 مرداد 1393
Abstract:
در این مقاله یک روشجدید برای شناسایی افراد از روی تصاویر کف دست با استفاده از تبدیل کانتورلت ارائه شده است . تبدیل کانتورلت یک تبدیل چند مقیاسی و جهتدار است که برخلاف تبدیل موجک، محدود به تجزیه در سه جهت افقی، عمودی و قطرینیست، بلکه میتوان در هر مقیاس آن را به تعداد جهتهای دلخواه تجزیه کرد. مهمترین ویژگی تبدیل کانتورلت اینست که انحناها و ناهمواریهای تصویر را با قابلیت تجزیه چندجهته، بخوبی تشخیص میدهد. در روش پیشنهادی، ابتدا در مرحلهی پیش پردازشبخش مرکزی کف دست استخراج میشود. در مرحلهی دوم برای استخراج ویژگی ابتدا تبدیل کانتورلت به بخش مرکزی کف دستاعمال شده و سپسویژگیهای مورد نظر از زیرباندهای حاصل از تبدیل کانتورلت استخراج میشود. در نهایت در مرحلهی دستهبندی از الگوریتم مبتنی بر نظریه بیز استفاده شده است. دستهبند مبتنی بر نظریه بیز از یک چهارچوب احتمالی برای حل مسائل دستهبندی استفاده میکند. آزمایشها با استفاده از پایگاه تصاویر کف دست متعلق به دانشگاه پلی تکنیک هنگ کنگ انجام شده است. طبق آزمایشهای انجام شده، روش پیشنهادی با استفاده از دستهبند مبتنی بر نظریه بیز به دقت99/5درصد رسیده است که نشان می- دهد، این روشمیتواند یک روش موثر برای شناسایی افراد از روی تصاویر کف دست باشد.
Keywords:
بیومتریک , شناسایی کف دست , پیشپردازش , تبدیل کانتورلت , استخراج ویژگی , دسته بند ی , الگوریتم مبتنی بر نظریه بیز
Authors
بشیر قاسمی مقدم
گروه کامپیوتر، دانشکده مهندسی برق، رایانه و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات قزوین، قزوین
هدیه ساجدی
گروه علوم کامپیوتر، دانشکده ریاضی، آمار و علوم کامپیوتر، پردیس علوم، دانشگاه تهران، تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :