Palmprint Recognition System Using Modern Multi-resolution Techniques and Different Classifiers
| العنوان بلغة أخرى: |
نظام التعرف على بصمة اليد باستخدام التقنيات الحديثة فى الأبعاد المتعددة ومصنفات مختلفة |
|---|---|
| المؤلف الرئيسي: | سكر، محمد سليمان شربى (مؤلف) |
| مؤلفين آخرين: | الحنجورى، محمد أحمد (مشرف) |
| التاريخ الميلادي: |
2018
|
| موقع: | غزة |
| الصفحات: | 1 - 52 |
| رقم MD: | 1010589 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة دكتوراه |
| الجامعة: | الجامعة الإسلامية (غزة) |
| الكلية: | كلية الهندسة |
| الدولة: | فلسطين |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
7
| المستخلص: |
من أهم ما يميز العصر الحديث هو استخدام الطرق الحيوية للتعرف على الأشخاص والأشياء وتطبيقاتها المتنوعة في الحماية والتحكم. وتعد طريقة التعرف على كفة اليد واحدة من أحدث الطرق في هذا المجال. تتطرق هذه الدراسة لتطوير نظام للتعرف على الأشخاص من خلال بصمة اليد باستخدام أكثر من طريقة من طرق الأبعاد المتعددة إضافة إلى استخدام أكثر من مصنف. وذلك كمحاولة للتوصل إلى أمثل الطرق وأكثرها دقة وكفاءة في التعرف على بصمة اليد. شملت الدراسة ثلاث طرق لاستخراج سمات بصمة اليد الأكثر تأثيرا في عملية التصنيف وهي: تحويل المنحنى المصغر (Curvelet)، تحويل موجة الذرة (Shearlet)، ومنحنى القص المصغر (Wave atoms). كما شملت الدراسة استخدام تقنية لتقليل أبعاد متجه السمات وذلك لضمان الحصول على أفضل نتائج. وفي المرحلة الأخيرة تم استخدام أكثر من مصنف من أشهر المصنفات المستخدمة حديثا والتي شملت التعلم الموجه (Supervised Learning) وغير الموجه (Unsupervised Learning) وهي: تصنيف الشبكات العصبية الصناعية (Back-propagation Neural Network) وتصنيف دعم آلة المتجهات (Support Vector Machine) وتصنيف خريطة التنظيم الذاتي (Self-Organizing Map). تمت الدراسة باستخدام قاعدة بيانات لجامعة هونج كونج بحيث تم اختيار صور كفة اليد لعدد أربعين شخصا بواقع عشر صور لكل شخص حيث تم استخدام سبع صور في مرحلة تدريب النظام وثلاث صور في مرحلة اختباره. وقد أشارت نتائج الدراسة إلى أن أكثر الطرق دقة للتعرف على بصمة اليد كانت من خلال استخدام منحنى القص المصغر (Wave atoms) مع تصنيف الشبكات العصبية الصناعية (Back-propagation Neural Network). حيث وصلت دقة هذه التركيبة إلى 98.33%. |
|---|
عناصر مشابهة
-
Palmprint Recognition System By Using Contourlets Transform And Artificial Neural Network
بواسطة: Abu Kmeil, Mohanad A. M. منشور: (2013) -
Developing and Valuation for Techniques Fingerprint Recognition System
بواسطة: عبدالأمير، فراس صباح منشور: (2024) -
An Investigation Into the Effects of Image Resolution on an Iris Recognition System
بواسطة: Al Shahrani, Abd Almajeed Saeed منشور: (2011) -
Children identification system using fingerprint pattern recognition
بواسطة: Nour, Rasha Babiker Farag Mohammed منشور: (2016) -
Photovoltaic System Fault Classifier Using Convolutional Neural Network Techniques
بواسطة: بيان، حسام حسين منشور: (2021)
