کلاس بندی اثرانگشت با استفاده از ترکیب روشهای ساختاری و شبک ههای عصبی

تشخیص هویت از طریق اثرانگشت به دلیل دقت بالا و سادگی متداو لترین و پرکاربردترین روش شناسایی افراد بر اساس تکنولوژی بیومتریک است. هنگامی که تعداد نمونه های اثرانگشت در پایگاه داده افزایش یابد، کلاس بندی آنها به منظور کاهش خطای شناسایی و تطبیق سریعتر ضروری م یباشد. در این مقاله روش جدیدی جهت کلا سبندی اثرانگشت با استفاده از ترکیب روشهای ساختاری و شبکهعصبیMLP ارائه شده است. بطوریکه در ابتدا الگوی جهتی اثرانگشت با استفاده از روش گرادیان محاسبه شده و سپس با روش ساختاری، این الگو به تعدادی ناحیه با زاویه ثابت تقسیم م یشود. بردار مرکب از اندازة سطح و طول مرز هر یک از این نواحی ورودی شبکه عصبیMLP را تشکیل می دهد. این شبکه آثارانگشت را به 5 کلاسRight ،Tented Arch ،Arch Whorl و Loop Left ،Loop تقسی م م یکند. روش مذکور بر روی مجموعه ای با 130 تصویر باینری اثرانگشت با کیفیت مناسب و در ابعاد 128× 128 آزمایش شده است و برای مقدار 5 آستانه 0/9دارای دقتی برابر با 98/3% همراه با نرخ عدم پذیرشی برابر با 1/7% م یباشد، در صورت کاهش مقدار آستانه نرخ کلا سبندی صحیح در هر دو مرحلة آموزش و تست به 100% می رسد.

کلیدواژه ها:

اثرانگشت ، کلاس بندی ، روش ساختاری ، شبکه عصبی ، MLP الگوی جهتی