کلاس بندی مطمئن و سریع اثر انگشت بر پایه ی رتبه بندی احتمالی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 750

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICS11_224

تاریخ نمایه سازی: 14 مهر 1392

چکیده مقاله:

اثر انگشت از جمله ویژگی های بیولوژیکی است که تا امروز، بیشترین کاربرد را در سیستم های تشخیص و تعیین هویت داشته است. در یک سیستم تعیین هویت ، اثر انگشت ورودی با تمام تصاویر ثبت شده در پایگاه داده مقایسه ثبت شده در پایگاه داده مقایسه می شود، در صورتی که پایگاه داده حجیم باشد، عمل مقایسه بسیار زمان بر خواهد بود، برای نمونه پایگاه FBIشامل بیش از 70 میلیون نمونه اثر انگشت است. در سیستم های برخط، زمان فاکتور بسیار مهم استف یکی از زاه حل های تایید شده برای افزایش سرعت، کلاس بندی است. در کلاس بندس مطلق، برای هر اثر انگشت تنها یک کلاس تعیین می شود، به دلایل مختلف مانند نویز یا عدم وجود همه ی نقاط یکتا در محدوده ی تصویر، تعیین یک کلاس مطلق برای هر تصویر ورودی از دقت کافی برخوردار نیست. در نتیجه، اگر در کلاس تعیین شده، نتوان اثر انگشت معادل تصویری ورودی را یافت، به ناچار باید کل پایگاه را جستجو کرد. در این مقاله، روش جدیدی بر پایه ی کلاس بندی احتمالی ارائه شده است. در روش پیشنهادی، برای هر تصویر ورودی، مجموعه ای از کلاس ها مشخص می شود که هر یک دارای یک احتمال می باشند، در مرحله ی انطباق، کلاس ها به ترتیب اولویتشان جستجو می شوند. علاوه براین، قوانین کلاس بندی مبتنی بر قانون نیز اصلاح شده اند تا جامعیت بیشتری داشته باشند. آزمایشات صورت گرفته بر روی پایگاه داده شناخته شده دقت شناسایی سیستم تقریبا 18% افزایش یافته است، در صورتی که سرعت آن 2 تا 3 برابر حالت کلاس بندی مطلق می باشد

کلیدواژه ها:

نویسندگان

فائزه میرزائی

دانشگاه کاشان

محسن بیگلری

دانشگاه کاشان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • D. Maltoni, D. Maio, A. K. Jain, and S. Prabhakar, ...
  • A. I. Awad and K Baba, "Efficient Fingerprint Classification Csing ...
  • M. Bhuyan and D. Bhattacharyya, "An Effective Fingerprint Classification and ...
  • I. S. Msiza, B. Leke -Betechuoh, F. _ Nelwamondo, and ...
  • _ _ _ " _ _ _ _ vol. 28, ...
  • H. Zhang and X. Wang, "A new fingerprint enhancement algorithm, ...
  • L. O'Gorman and J. V. Nickerson, "An approach to fingerprint ...
  • _ _ _ _ Machine Intelligence, IEEE Transactions _ vol. ...
  • A. Kumud and , D. Poonam, "A Quantitative Survey of ...
  • W. Wang, J. Li, F. Huang, and H. Feng, "Design ...
  • J. Wang and X. Sun, "Fingerprint image enhancement using a ...
  • M. Yang-biao" , Fingerprint Enhancement Based On Gabor Filter [J], ...
  • C. Watson, G, Candela, and P. Grother, "Comparison of fft ...
  • Administration; National Institute of Standards and Technology; Advanced Systems Division ...
  • _ _ _ Proceedings. Fourth IEEE International Conference on, 2002, ...
  • M. Kawagoe and A. Tojo, "Fingerprint pattern classification, " Pattern ...
  • A. K. Jain, S. Prabhakar, and L. Hong, "A multichanne ...
  • K. Nilsson and J. Bigun, "Localization of corresponding points in ...
  • K. Nilsson and J. Bigun, "Complex filters applied to fingerprint ...
  • F. Mirzaei, M. Biglari, and H. E. Komleh, " Impact ...
  • on Computer Science and Engineering and Information Technology, Shiraz, Iran, ...
  • F. Mirzaei, M. Biglari, and H. E. Komleh, First and ...
  • J. W. Wang, "Classification of fingerprint based on traced orientation ...
  • D. Maio, D. Maltoni, R. Cappelli, J. L. Wayman, and ...
  • نمایش کامل مراجع