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

در این مقاله یک روش احراز هویت بر اساس تصاویر با کیفیت پایین کف دست ارایه شده است. در پیاده سازی این سیستم، ابتدا با استفاده از تبدیل های کانتورلت و موجک ویژگی های مورد نظر استخراج می شوند. در مرحله دوم ویژگی 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، احراز هویت صورت می گیرد. در این تحقیق برای طبقه بندی، سه روش ماشین بردار پشتیبان (svm)، نوع بهبود یافته نزدیک ترین همسایه (rnn) و هم چنین نسخه تقویت شده تحلیل تفکیک کننده خطّی مستقیم (bdlda) مورد ارزیابی قرار گرفته است. در ضمن، آزمایش ها بر روی پایگاه داده مشهور تصاویر کف دست دانشگاه پلی تکنیک هنگ کنگ انجام شده است. نتایج حاصل نشان می دهد که ترکیب سیستم ارایه شده با طبقه بند تحلیل تفکیک کننده خطّی مستقیم تقویت شده، بازدهی بهتری را نسبت به سایر روش های انجام شده بر همین پایگاه ارایه می دهد.