بخشی از مقاله
چکیده
با توجه به این که سیستم های چندنمایی قدرت تشخیص بالاتری نسبت به سیستم های تک نمایی دارند، در این مقاله، سعی بر ترکیب یا همجوشی ویژگی های دو بیومتریک الگوی رگ های پشت دست و بیومتریک کف دست شده است. مراحل اصلی سیستم پیشنهادی مشتمل بر سه فاز اصلی است. فاز اول پیش پردازش تصاویر الگوی رگ های پشت دست و کف دست است که هر یک به تفصیل بیان شده، فاز دوم استخراج ویژگی های الگوی رگ های پشت دست و استخراج ویژگی های اثر کف دست به صورت جداگانه می باشد و در نهایت در فاز سوم ترکیب ویژگی های استخراج شده از دو بیومتریک رگ های پشت دست و بیومتریک کف دست صورت می گیرد.
-1مقدمه
در این تحقیق در فاز اول که پیش پردازش تصاویر انجام می شود، تصاویر دست به منظور جداسازی قالب دست از پس زمینه، استخراج ناحیه مطلوب - ROI - تصاویر دست و در نهایت، تصحیح روشنایی منطقه مورد نظر استخراج شده، مورد پردازش قرار می گیرند. فاز دوم ویژگی های مطلوب از دو بیومتریک الگوی رگ های خونی پشت دست و بیومتریک کف دست به صورت جداگانه استخراج می شوند. در بیومتریک الگوی رگ های پشت دست، ویژگی های پیشنهادی به شکل رشته ای گرامری از مقادیر موقعیت نقاط انشعابی تصویر، فاصله نقاط انشعابی مجاور از هم و زاویه خطوط متقاطع نقاط انشعابی می باشد که این رشته، بردار ویژگی این بیومتریک را تشکیل می دهد.
بنابراین تصویر الگوی رگ تبدیل به یک رشته گرامری شامل نقاط انشعابی تصویر و همچنین فاصله و زوایای بین نقاط می باشد که در مرحله بعد تطبیق رشته ای به سادگی انجام می شود. در بیومتریک کف دست به منظور استخراج ویژگی های معرف تصاویر کف دست، روش موجک گابور را معرفی نموده و فرآیند به کارگیری این روش جهت استخراج ویژگی های کف دست را بیان می نماییم. در فاز نهایی، بایستی ابتدا با استفاده از معیارهای تشابه امتیاز تشابه برای تصاویر ذخیره شده و تصویر ورودی محاسبه شده، سپس با استفاده از روش های بیان شده امتیازهای بدست آمده نرمال شده و سپس ترکیب می شوند.
همانطور که بیان شد در این پژوهش، از ترکیب در سطح امتیاز تطابق به منظور ترکیب ویژگی های بیومترکی های رگ های پشت دست و کف دست استفاده شده است. بلوک دیاگرام شامل سه فاز اصلی سیستم پیشنهادی در شکل - 1 - نشان داده شده است. در ادامه تحقیق سه فاز اصلی بیان شده را به طور کامل تشریح خواهیم نمود. در حوزه بیومتریک کف دست، ویژگی های کلی هر یک از رویکردهای استخراج ویژگی در جدول زیر نمایش داده شده است. همانگونه که از جدول قابل مشاهده است، رویکردهای موجود به سه دسته کلی تقسیسم می شوند که از بین این سه دسته، رویکردهای مبتنی بر بافت بهتر است.
-2پیش پردازش تصاویر
فاز اول سیستم پیشنهادی آماده نمودن تصویر برای پردازش های مورد نظر به منظور استخراج ویژگی می باشد. به منظور استخراج ویژگی های دقیق تر و مناسبتر، ابتدا بایستی بر روی تصویر پردازش های اولیه یا پیش پردازش صورت گیرد، بطوریکه تصویر فاقد نویز، اطلاعات و بخش های اضافی باشد. برای این منظور در سیستم پیشنهادی چه بر روی تصاویر الگوی رگ های پشت دست و چه بر روی تصاویر کف دست پیش پرداز انجام می شود که با این عمل ابتدا ناحیه مطلوب مورد نظر از تصویر جدا شده؛ سپس بر حسب نیاز پردازشها بر روی تصویر انجام میشود که کیفیت تصویر را بالا برده و آن را برای استخراج ویژگی مهیا میکندهرچقدر عمل پیش پردازش مناسب تر انجام شود کارایی و دقت سیستم را تا حد چشم گیری افزایش می دهد.همانطور که بیان شد در سیستم چند نمایی پیشنهاد شده در این پژوهش دو تصویر به عنوان ورودی وجود دارد که برای هر یک بایستی جدگانه پیش پردازش های لازمه اعمال شود. در ادامه مراحل پیش پردازش هر یک از تصاویر را شرح می دهیم.
