بازشناسی افراد مبتنی بر ویژگیهای بافت سراسری پایدار از روی تصاویر عروق انگشت دست

سیستم های شناسایی هویت مبتنی بر بیومتریک در دو دهه اخیر بیشتر از روش های شناسایی هویت سنتی مثل گذرواژهها، مورد توجه قرار گرفته اند. بیومتریکهای متعددی مثل اثرانگشت، کف دست، عنبیه، رگهای خونی کف دست و رگهای خونی اثر انگشت و سایر بیومتریک ها معرفی شده اند. یکی از چالش های مطرح در بیومتریکها، اسیب های فیزیکی است.بیومتریک رگهای خونی اثر انگشت از جمله بیومتریک هایی است که در معرض کمترین اسیب فیزیکی قرار دارند. روش های متعددی برای احراز هویت به کمک این بیوتریک ارائه شده است که از نقاط ضعفی مثل پیچیدگی محاسباتی بالا ونرخ شناسایی پایین رنج میبرند. در این مقاله یک روش جدید در شناسایی هویت مبتنی بر موجک پراکندگی ارائه شده است. موجک پراکندگی با استفاده از مجموعه ای از فیلترهای موجک گابور ویژگی های تصویر را استخراج می کند. این الگوریتم مهارت و دقت بسیار بالایی در تمایز تصاویر شبیه به هم اما متعلق به کلاس های مختلف را دارد، حتی زمانی که تصویر تحت انواع آسیب های جدی مانند نویز، تغییرات زاویه و یا مکان پیکسل ها باشد، بازهم این توصیف گر بردارهای ویژگی را به نوعی تولید میکند که میزان خطای طبقه بند کمینه باشد. این امر موجب بهبود در طبقه بندی و شناسایی هویت میشود روش پیشنهاد شده با استفاده از دو پایگاهدادهیFV-USMو SDUMLA-HMTمورد ارزیابی قرار گرفته است. علاوه بر داشتن پیچیدگی محاسباتی معقول، توانسته است در چالش هایی مثل نویز، چرخش و انتقال، نرخ شناسایی بسیار مناسبی را ثبت کرده و در بهترین حالت نرخ شناسایی98.2درصدی را برای پایگاه دادهیSDUMLA-HMTو نرخ شناسایی96.1 درصدی را برای پایگاهدادهیFV-USMکسب کرده است.