استخراج ویژگی‌های متمایزکننده با بهره‌گیری از فیلتربانک کمانی گابور بهینه به منظور تشخیص هویت با استفاده اثر کف دست

Authorsمهران تقی پور گرجی کلائی,سیدمحمد رضوی
Journalرایانش نرم و فناوری اطلاعات-Journal of Soft Computing and Information Technology
Page number۱۱۰-۱۱۸
Serial number۸
Volume number۴
Paper TypeFull Paper
Published At۲۰۲۰
Journal GradeScientific - research
Journal TypeElectronic
Journal CountryIran, Islamic Republic Of
Journal Indexisc

Abstract

یکی از مؤثرترین توصیفگرهای مطرح برای بافت، فیلتر گابور می‌باشد. فیلتر کمانی گابور انتخاب مناسبی برای توصیف تصاویری است که با استفاده از حسگرهای بدون تماس نوری معمولی گرفته شده‌اند. به‌منظور تحت پوشش قرار دادن گستره کامل فرکانسی و استخراج ویژگی‌های متمایزکننده عموماً از فیلتربانک استفاده می‌شود. اگرچه در یک فیلتربانک مقیاس‌ها و زوایای چرخش مختلف را داریم، اما انتخاب مقادیر مناسب برای پارامترهایی مانند فرکانس ماکزیمم، ابعاد فیلتر و طول کمان می‌توانند تأثیر بسزایی درنتیجه نهایی داشته باشد. در این مقاله برای تخمین مقادیر بهینه پارامترها از الگوریتم‌های فرا ابتکاری استفاده شده است. بر اساس نتایج به دست آمده در شناسایی هویت با استفاده از توصیفگر فیلتر بانک کمانی گابور بهینه‌شده با الگوریتم بهبودیافته جستجوی گرانشی میانگین نرخ شناسایی هویت مرتبه اول از 43/79 به 71/95 درصد افزایش‌یافته و در تأیید هویت با بهینه کردن فیلتربانک پیشنهادی با استفاده از الگوریتم تبرید شبیه‌سازی‌شده میانگین خطای معادل EER از 84/8 به 12/5 کاهش‌یافته است.

Paper URL

tags: اثر کف دست، الگوریتم‌های فراابتکاری، تأیید هویت، شناسایی هویت، فیلتربانک کمانی گابور.