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

یکی از موثرترین 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 تاثیر 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 79.43 به 95.71 درصد افزایش‌یافته و در تایید هویت با بهینه کردن فیلتربانک پیشنهادی با استفاده از الگوریتم تبرید شبیه‌سازی‌شده میانگین خطای معادل eer از 8.84 به 5.12 کاهش‌یافته است.