ترکیب ویژگی های موثر از تصاویر بافت سیاهرگی انگشتان دست جهت افزایش نرخ احراز هویت افراد

اخیرا ویژگی های تصاویر سیاهرگ های انگشتان دست به علل مختلف مورد توجه محققان بیومتریک قرار گرفته اند.آسانی اخذ این تصاویر توسط اشکارساز مادون قرمز، ثابت بودن بافت آن در طول زمان، همچنین درونی بودن بافت رگها ودر نتیجه ساده نبودن جعل آن، از ویژگی های مهم این تصاویر برای سیستمهای بیومتریک محسوب می گردد. در این تحقیقبا چندین تبدیل مختلف از تصاویر خام ویژگی های متنوعی استخراج گردیده و با توجه به چند موداله بودن توزیع ویژگی ها،از روش نزدیک ترین همسایه جهت احراز هویت افراد استفاده شده است. ویژگی های HOG ,Ridgelet, Wavelet, Max_Curvature به صورت جداگانه از پایگاه تصاویر FV-USM استخراج شده اند. برای طبقه بندی هر گروه ویژگییک طبقه بندی کننده 1NN بکار گرفته شده و تصمیم نهایی جهت تعیین برچسب نمونه تست، توسط رای گیری ازخروجی تصمیم گیرها انجام می پذیرد. نتایج نشان می دهد که روش پیشنهادی منتج به دقت طبقه بندی 99.86 شدهاست که رقم قابل اطمینانی است. جهت مقایسه با کارهای گذشته، تک تک ویژیگی ها بصورت جداگانه با طبقه بندی کنندههای 1NN و Adaboost, SVM و درخت تصمیم گیر C4.5 تست شده اند که نتایج روش پیشنهادی از سایر روشهابرتر بوده است.

کلیدواژه ها:

احراز هویت ، تصاویر بافتی سیاهرگها ، نزدیک ترین همسایه ، ترکیب ویژگیها