استخراج ويژگي‌هاي متمايزكننده با بهره‌گيري از فيلتربانك كماني گابور بهينه به منظور تشخيص هويت با استفاده اثر كف دست

Extracting Discriminative Features by utilizing Optimum Arc_Gabor Filter-Bank for Authentication Using Palm-Print

يكي از مؤثرترين توصيفگرهاي مطرح براي بافت، فيلتر گابور مي‌باشد. فيلتر كماني گابور انتخاب مناسبي براي توصيف تصاويري است كه با استفاده از حسگرهاي بدون تماس نوري معمولي گرفته شده‌اند. به‌منظور تحت پوشش قرار دادن گستره كامل فركانسي و استخراج ويژگي‌هاي متمايزكننده عموماً از فيلتربانك استفاده مي‌شود. اگرچه در يك فيلتربانك مقياس‌ها و زواياي چرخش مختلف را داريم، اما انتخاب مقادير مناسب براي پارامترهايي مانند فركانس ماكزيمم، ابعاد فيلتر و طول كمان مي‌توانند تأثير بسزايي درنتيجه نهايي داشته باشد. در اين مقاله براي تخمين مقادير بهينه پارامترها از الگوريتم‌هاي فرا ابتكاري استفاده شده است. بر اساس نتايج به دست آمده در شناسايي هويت با استفاده از توصيفگر فيلتر بانك كماني گابور بهينه‌شده با الگوريتم بهبوديافته جستجوي گرانشي ميانگين نرخ شناسايي هويت مرتبه اول از 79/43 به 95/71 درصد افزايش‌يافته و در تأييد هويت با بهينه كردن فيلتربانك پيشنهادي با استفاده از الگوريتم تبريد شبيه‌سازي‌شده ميانگين خطاي معادل EER از 8/84 به 5/12 كاهش‌يافته است

proper choice for descripting images captured by ordinary optic sensors. In order to cover all spectrum and extracting better features filter banks are usually used. Although there is different scales and orientations in filter bank, but using proper values for other parameters such as maximum frequency, filters’ dimension and length of arc can effectively impact on final result. In this paper Meta-heuristic methods are used to estimate optimum values for these parameters. According to obtained results, in identification using Optimum Arc-Gabor Filter Bank (OAGFB) trained by Improved Gravitational Search Algorithm, the average of 1st Rank identification rate is increased from 79.43 to 95.71% and in verification by optimizing proposed filter bank using Simulated Annealing the average of Equal Error Rate is decreased from 8.84 to 5.12%.