سیستم جدید احراز هویت مبتنی بر تبدیل های کانتورلت و موجک برای تصاویر با کیفیت پائین کف دست

در این مقاله یک روش احراز هویت بر اساس تصاویر با کیفیت پائین کف دست ارائه شده است. در پیاده سازی این سیستم، ابتدا با استفاده از تبدیل های کانتورلت و موجک خصیصه های مورد نظر استخراج می شوند. در مرحله دوم خصیصه های مناسب با استفاده از روش مبتنی بر فیلتر Across Group Variance(AGV) انتخاب می گردند. در آخر نیز با استفاده از روش طبقه بندی، تشخیص هویت صورت می گیرد. در طبقه بندی سه روش ماشین بردار پشتیبان(SVM)، نوع بهبود یافته نزدیک ترین همسایه(RNN) و همچنین نسخه تقویت شده تحلیل تفکیک کننده خطی مستقیم(BDLDA) مورد ارزیابی قرار گرفت. آزمایشات بر روی پایگاه داده مشهور تصاویرکف دست دانشگاه پلی تکنیک هنگ کنگ انجام گردید. نتایج حاصل نشان می دهد که ترکیب سیستم ارایه شده با طبقه بند تحلیل تفکیک کننده خطی مستقیم تقویت شده، بازدهی بهتری را نسبت به سایر روش های انجام شده بر همین پایگاه نشان می دهد.