بازشناسی گوش بوسیله توصیف کننده های نامتغیر با چرخش و انتقال

منابع اطلاعاتی زیادی برای سیستم های بازشناسی انسان وجود دارد. گوش کلاسی جدید از زیست سنجی پایدار است که درمقایسه با بازشناسی چهره، با تغییر حالات و آرایش چهره و وجود عینک تحت تأثیر قرار نمی گیرد و از دوران کودکی تا پیری بدون تغییر باقی می ماند. در بیشتر تکنیک های موجود در سایر حوزه های زیست شناختی، PCA برای بازشناسی گوش اعمال می شود. گوش های ویژه تنها در شرایط کاملاً کنترل شده به نرخ بازشناسی بالایی منجر می شوند. در واقع، میزان اندکی چرخش که در سیستم ها اجتناب ناپذیر می باشد باعث تنزل در عملکرد سیستم خواهد شد. اخیراً روشی که از توصیف کننده نامتغیر با چرخش به نام GFD ( توصیف گر فوریه عمومی) برای بازشناسی استفاده می کند، ارائه شده است. در این مقاله روشی که از یک فرم تغییر یافته DCT برای استخراج ویژگی های مهم از تصویر گوش استفاده می کند، پیشنهاد شده و با اعمال طبقه بندهای SVM و شبکه های عصبی RBF و KNN با دو روش دیگر مورد مقایسه قرار گرفته است. نتایج نشان می دهد که دو روش مبتنی بر DCT و GFD در مقایسه با روش مبتنی بر PCA نسبت به تغییرات نور و روشنایی پایداری بیشتری داشته و روش ارائه شده با استفاده از فرم تغییر یافته DCT به نرخ بازشناسی بالاتری نسبت به این دو روش در شرایط غیر ثابت و ناپایدار منجر می شود. همچنین استفاده از طبقه بندی SVM نسبت به سایر طبقه بندها نرخ بازشناسی بالاتری را نتیجه می دهد .

کلیدواژه ها:

بازشناسی گوش ، DCT تغییر یافته ، PCA ، GFD ، اپراتور تبدیل فوریه قطبی ، طبقه بند SVM