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

تشخیص هویت، یکی از مولفه های اصلی در سیستم های امنیتی به شمار می رود که دارای چالش ها 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 K-means جهت انتخاب ویژگی های مناسب تصویر کف دست برای تشخیص هویت استفاده می کند. ابتدا تصاویر کف دست افراد مختلف از نظر میزان شباهت جدا شده و بهبود کیفیت تصاویر به روش تعدیل هیستوگرام انجام و سپس ویژگی های موثر مانند زرنیک، هیستوگرام رنگ و هیستوگرام جهت دار استخراج می شود. در مرحله بعد به ویژگی ها وزنی اختصاص داده می شود و آن دسته از شاخص هایی که بهترین تفاوت ها را بین افراد پایگاه داده نشان دهد از اولویت بالاتری برخوردار خواهند بود. در نهایت با خوشه بندی K-means 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 انتخاب و نتیجه شود. در این پژوهش دو عامل صحت دسته بندی و میزان محاسبات در مقایسه با مقالات پایه انجام پذیرفت و نتایج نشان داد ۱۰ ویژگی کمترین خطا را داشته زیرا به ازای ۱۰ ویژگی امتیاز خوشه بندی، میزان بالاتری را کسب کرده است. در نتیجه تشخیص هویت افراد در این پژوهش با استفاده از خوشه بندی ویژگی ها به روش K-means ۹۷/۵ درصد نتیجه شد.

کلیدواژه ها:

تشخیص هویت ، بیومتریک ، خوشه بندی K-means ، زرنیک و هیستوگرام