بازشناسی تصویر کف دست بر اساس ویژگی های محلی تصویر

سیستم بازشناسی تصویر کف دست، سیستمی مبتنی بر ویژگی بیومتریک انسان است که دارای ویژگی های پایدار و منحصر به فردی مانند خطوط و بافت میباشد. بازشناسی تصویر کف دست شامل سه مرحله پیش پردازش، استخراج ویژگی و طبقه بندی است. در این مقاله، در مرحله پیش پردازش ابتدا ناحیه مطلوبی از تصویر دست استخراج می شود. این ناحیه مطلوب باید شامل حداکثر اطلاعات دست باشد. در مرحله استخراج ویژگی، ابتدا ویژگی هیستوگرام گرادیان جهت دار برای تصویر استخراج می شود. سپس این بردارهای ویژگی، با استفاده از الگوی باینری محلی کد می شوند. در مرحله طبقه بندی، از طبقه بند فازی عصبی برای به دست آوردن نرخ بازشناسی استفاده شده است. همچنین نتایج آزمایش و مقایسه با کارهای انجام شده نشان می دهد که روش پیشنهادی از دقت بالایی برخوردار است.

کلیدواژه ها:

ناحیه مطلوب ، هیستوگرا م گرادیان جهت دار ، الگوی باینری محلی ، طبقه بند فازی-عصب