تخمین کوانتومی الگوی باینری محلی تطبیقی به‌منظور تشخیص هویت مبتنی بر چروکیدگی بندانگشت

Authors

  • بهناز پروانه دانشجوی دکتری مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، کرمانشاه
  • عبداله چاله چاله گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه رازی، کرمانشاه
Abstract:

بازیابی محتوا­محور تصاویر روشی است که به جستجوی تصاویر رقمی در بانک تصاویر بزرگ می­ پردازد و در این جستجو از محتوای دیداری تصاویر به­ جای فوق­ داده­ ها استفاده می­کند. این فناوری دارای کاربردهای فراوان در حوزه­ های امنیتی برای بررسی دسترسی­ های قانونی مانند تشخیص هویت از طریق اسکن عنبیه چشم، اثر انگشت و یا تصویر چروکیدگی بند انگشت دارد. در این مقاله روش ترکیبی نوینی در شناسایی تصاویر به­ منظور تشخیص هویت ارائه داده­ ایم که در آن از الگوی باینری محلی و ناحیه­ بندی تصویر استفاده خواهد شد. از طرفی قابلیت­ های علم کوانتوم موجب گشته است تا از مزایای آن در حوزه­ های متفاوت پرازش­ تصویر استفاده شود. ایده اصلی ویژگی پیشنهادی از تئوری تخمین کوانتومی الهام گرفته شده، همچنین مدار کوانتومی ویژگی مورد استفاده نیز طراحی گردیده است. جهت سنجش کارایی و دقت روش پیشنهادی پارامتر استاندارد EER(Equal Error Rate) به­ کار گرفته شده و پس از پیاده­ سازی الگوریتم پیشنهادی روی بانک تصاویر POLYU که شامل 7920 تصویر است مقدار EER= 0.67  و دقت 99% به‌دست می­ آید که نشان می­ دهد این روش نسبت به روش­های مشابه کارایی و دقت بالاتری دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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

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 می گیرد 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 مع...

full text

بهبود روشهای استخراج ویژگی مبتنی بر الگوی باینری محلی جهت طبقه بندی بافت

طبقه بندی بافت از مهم ترین مسائل مطرح در پردازش تصویر و بینایی ماشین است. روش های متنوعی برای استخراج ویژگی از تصاویر بافتی ارائه شده اند. در سالهای اخیر دو دسته ی کلی از این روش ها عملکرد بهتری از خود نشان داده اند. روش های گروه اول مبتنی بر مدل bows هستند و نرخ طبقه بندی بالایی دارند اما زمان بر می-باشند. روش های گروه دوم مبتنی بر الگوی باینری محلی (lbp) بوده و نرخ طبقه بندی کمتری نسبت به گرو...

تخمین SNR ورودی با استفاده از ماسک باینری در سیستم‌های مبتنی بر آنالیز ترکیب شنیداری محاسباتی

در این مقاله، روش جدیدی برای تخمین نسبت سیگنال به نویز (SNR) سیگنال ترکیب ارائه شده است که بر پایه روش آنالیز ترکیب شنیداری محاسباتی (CASA) است. در روش ارائه‌شده، ماسک باینری ایده‌آل (IBM) که به طور معمول هدف محاسباتی سیستم‌های مبتنی بر CASA است، برای تخمین SNR سیگنال گفتار نویزی به کار گرفته می‌شود. روش پیشنهادی با استفاده از IBM و چندین ماسک شبه IBM ارزیابی شده است. این روش، ساده و از نظر محا...

full text

طبقه بندی بافت با رویکرد الگوی باینری محلی توسعه یافته

طبقه بندی بافت یکی از مهم ترین مسائل مطرح در پردازش تصویر می باشد. جهت انجام عمل طبقه بندی نیاز به استخراج ویژگی از بافت می باشد. در این تحقیق تمرکز اصلی بر روی استخراج ویژگی از بافت و بالا بردن نرخ طبقه بندی بافت می باشد. همچنین در این تحقیق روش جدیدی جهت استخراج الگوهای باینری محلی مبتنی بر فیلترینگ و ارتباط بین مقیاس های مختلف پیشنهاد می گردد. در این الگوریتم از سه ویژگی مختلف استفاده می شود...

شناسایی حالت چهره بااستفاده از الگوی پویای باینری محلی

حالت صورت اشخاص نقش مهمی را در روابط اجتماعی بازی می کند. بازشناسی حالت چهره به صورت اتوماتیک، یک فرآیند بسیار پیچیده و دشوار است زیرا این فرآیند، بسیار تحت تاثیر تغییرات روشنایی محیط و نوع چهره است. علاوه براین شباهت بین حالات مختلف باعث تشخیص اشتباه حالات چهره می شود. برای مثال چون در هر دو حالات خوشحالی و تعجب، دهان شخص باز است، امکان دارد این دو حالات به اشتباه به جای یکدیگر تشخیص داده شوند...

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 6  issue 2

pages  119- 132

publication date 2020-02-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023