ارائه یک رویکرد نوین تشخیص هویت کاربران مبتنی بر ویژگی های بیومتریک رگ انگشتان دست باالگوریتم بهینه سازی زنبورعسل

روش تشخیص رگ های انگشت یک راه حل قابل اعتماد و امیدوار کننده برای احراز هویت بیومتریک است.در روش پیشنهادی پس از استخراج ویژگی توسط شبکه های عمیق باور از الگوریتم LDA برای کاهش ابعاد ویژگی ها استفاده شده و با استفاده از الگوریتم بهینه سازی کلونی مورچگان یک زیر مجموعه بهینه ویژگی برای پردازش نهایی انتخاب می گردد. در نهایت پس از کاهش بعد مساله با طبقه بند ماشین یادگیری شدید فرایند احراز هویت انجام می شود. پیشنهاد این مقاله استفاده از ماشین یادگیری شدید می باشد. پس از آنکه مرحله آموزش به اتمام رسید با استفاده از داده های مرحله آزمون کارایی روش پیشنهادی سنجیده می شود. بررسی یافته ها با روش پیشنهادی بیانگر این امر است که:بررسی دقت روش پیشنهادی در زیر مجموعه بهینه ویژگی ها نشان می دهد که دقت روش پیشنهادی در با 5 ویژگی 46، 33 ،22 ،20 و 4 بالاترین مقدار خود را کسب کرده است.روش پیشنهادی با 35 نرون در لایه پنهان بهترین میزان دقت را از خود نشان می دهد.نتایج بررسی ها نشان می دهد که روش پیشنهادی توانسته است دقت احراز هویت کاربران را در مقایسه با Gabor filte به میزان 2/66 درصد، نسبت به روش HCGR به میزان 0/67 درصد، نسبت به روش HOG-6-6-15 به میزان 1/04 درصد، نسبت به روش LBP-5-5 به میزان 0/7 درصد، نسبت به روش Steerable filter به میزان 3/47 درصد، نسبت به روش LPQ-4-2 به میزان 1/2 درصد، نسبت به روش Haralick به میزان 3/96 درصد، نسبت به روش DWT-haar به میزان 4/21 درصد، نسبت به روش HCO به میزان 0/53 درصد ارتقا دهد.

کلیدواژه ها:

بازیابی تصاویر ، احرازهویت مبتنی بررگهای انگشت ، الگوریتمLDA ، الگوریتم بهینه سازی زنبور عسل