شناسایی اثر کف دست با استفاده از فیلتر های چند جهتی و چند دقتی و طرح مساوی

با پیشرفت دنیای تکنولوژی، نیاز به سیستم های امنیتی با دقت و قابلیت بالا افزایش پیدا می کند. ویژگی-های زیستی (بیومتریک) از جمله ویژگی هایی هستند که دارای قابلیت اعتماد بالا هستند و می توانند تشخیص هویت را با نرخ صحیح بالایی انجام دهند. یکی از بیومتریک های مورد توجه، اثر کف دست است. در این پایان نامه، یک روش جدید برای استخراج ناحیه مورد علاقه (roi) و دو روش برای تشخیص هویت بر مبنای اثر کف دست ارائه شده است. در روش پیشنهادی اول، از شدت سطوح خاکستری پیکسل های roi، برای استخراج ویژگی، طرح مساوی (isop) و تحلیل تفکیک کننده خطی (lda) برای کاهش ابعاد فضای ویژگی و طبقه بند k-نزدیکترین همسایه (knn) برای تشخیص هویت استفاده شده است. در روش پیشنهادی دوم، ابتدا تبدیل کانتورلت roi محاسبه می شود. سپس ماتریس هم رخداد سطوح خاکستری (glcm) هر زیرباند محاسبه می شود تا بردار ویژگی اولیه به دست آید. برای کاهش ابعاد بردار ویژگی، lda به کار می رود. در نهایت بردار ماشین پشتیبان (svm) برای طبقه بندی به کار می روند. نتایج حاصل از شبیه سازی ها بر روی پایگاه داده polyu نشان می دهد که الگوریتم های پیشنهادی نرخ بالایی از تشخیص هویت را ارائه می دهند.