استخراج ویژگی های متمایزکننده با بهره گیری از فیلتربانک کمانی گابور بهینه به منظور تشخیص هویت با استفاده اثر کف دست

یکی از موثرترین توصیفگرهای مطرح برای بافت، فیلتر گابور می باشد. فیلتر کمانی گابور انتخاب مناسبی برای توصیف تصاویری است که با استفاده از حسگرهای بدون تماس نوری معمولی گرفته شده اند. به منظور تحت پوشش قرار دادن گستره کامل فرکانسی و استخراج ویژگی های متمایزکننده عموما از فیلتربانک استفاده می شود. اگرچه در یک فیلتربانک مقیاس ها و زوایای چرخش مختلف را داریم، اما انتخاب مقادیر مناسب برای پارامترهایی مانند فرکانس ماکزیمم، ابعاد فیلتر و طول کمان می توانند تاثیر بسزایی درنتیجه نهایی داشته باشد. در این مقاله برای تخمین مقادیر بهینه پارامترها از الگوریتم های فرا ابتکاری استفاده شده است. بر اساس نتایج به دست آمده در شناسایی هویت با استفاده از توصیفگر فیلتر بانک کمانی گابور بهینه شده با الگوریتم بهبودیافته جستجوی گرانشی میانگین نرخ شناسایی هویت مرتبه اول از ۴۳/۷۹ به ۷۱/۹۵ درصد افزایش یافته و در تایید هویت با بهینه کردن فیلتربانک پیشنهادی با استفاده از الگوریتم تبرید شبیه سازی شده میانگین خطای معادل EER از ۸۴/۸ به ۱۲/۵ کاهش یافته است.

کلیدواژه ها:

اثر کف دست ، الگوریتم های فراابتکاری ، تایید هویت ، شناسایی هویت ، فیلتربانک کمانی گابور