بازشناسی تصویر کف دست بر اساس ویژگی های محلی تصویر
Publish place: Conference on Signal Processing and Intelligent Systems
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 545
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دانلود نمایند.
- Certificate
- I'm the author of the paper
Export:
Document National Code:
SPIS02_006
Index date: 1 July 2017
بازشناسی تصویر کف دست بر اساس ویژگی های محلی تصویر abstract
سیستم بازشناسی تصویر کف دست، سیستمی مبتنی بر ویژگی بیومتریک انسان است که دارای ویژگی های پایدار و منحصر به فردی مانند خطوط و بافت میباشد. بازشناسی تصویر کف دست شامل سه مرحله پیش پردازش، استخراج ویژگی و طبقه بندی است. در این مقاله، در مرحله پیش پردازش ابتدا ناحیه مطلوبی از تصویر دست استخراج می شود. این ناحیه مطلوب باید شامل حداکثر اطلاعات دست باشد. در مرحله استخراج ویژگی، ابتدا ویژگی هیستوگرام گرادیان جهت دار برای تصویر استخراج می شود. سپس این بردارهای ویژگی، با استفاده از الگوی باینری محلی کد می شوند. در مرحله طبقه بندی، از طبقه بند فازی عصبی برای به دست آوردن نرخ بازشناسی استفاده شده است. همچنین نتایج آزمایش و مقایسه با کارهای انجام شده نشان می دهد که روش پیشنهادی از دقت بالایی برخوردار است.
بازشناسی تصویر کف دست بر اساس ویژگی های محلی تصویر Keywords:
بازشناسی تصویر کف دست بر اساس ویژگی های محلی تصویر authors
پویا آخوندزاده
فارغ التحصیل کارشناسی ارشد، دانشکده مهندسی برق، دانشگاه صنعتی سهند تبریز ، تبریز،
حسین ابراهیم نژاد
دانشیار، دانشکده مهندسی برق، دانشگاه صنعتی سهند تبریز ، تبریز
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 :