ارائه یک رویکرد جدید احراز هویت بیومتریک کف دست مبتنی بر الگوریتمهای خوشه بندی means-k و تعدیل هیستوگرام جهت انتخاب ویژگی

تشخیص هویت، یکی از مولفه های اصلی در سیستمهای امنیتی به شمار میرود که دارای چالشها و کاربردهای عملی فراوانی است. پیشرفت در فناوری بیومتریک منجر به رشد سریع در زمینه احراز هویت افراد شده است. سیستم پیشنهادی از روش خوشه بندی means-k جهت انتخاب ویژگیهای مناسب تصویر کف دست برای تشخیص هویت استفاده میکند. ابتدا تصاویر کف دست افراد مختلف از نظر میزان شباهت جدا شده و بهبود کیفیت تصاویر به روش تعدیل هیستوگرام انجام و سپس ویژگیهای موثر مانند زرنیک، هیستوگرام رنگ و هیستوگرام جهت دار استخراج میشود. در مرحله بعد به ویژگیها وزنی اختصاص داده میشود و آن دسته از شاخصهایی که بهترین تفاوتها را بین افراد پایگاه داده نشان دهد از اولویت بالاتری برخوردار خواهند بود. در نهایت با خوشه بندی means-k هویت افراد تشخیص داده می شود و برای نتیجه بهتر چندین بار خوشه بندی بروزرسانی شده و در هر بار میزان خطا در خوشه ها محاسبه تا بهترین خوشه بندی با کمترین خطا ا نتخاب و نتیجه شود. در این پژوهش دو عامل صحت دسته بندی و میزان محاسبات در مقایسه با مقاالت پایه انجام پذیرفت و نتایج نشان داد 10 ویژگی کمترین خطا را داشته زیرا به ازای 10 ویژگی امتیاز خوشه بندی، میزان بالاتری را کسب کرده است. در نتیجه تشخیص هویت افراد در این پژوهش با استفاده از خوشه بندی ویژگیها به روش means-k به مقدار 97.5 درصد نتیجه شد.