Offline Signature Recognition Using Discrete Wavelet Transform and Local Binary Pattern and Machine Learning
| العنوان بلغة أخرى: |
التعرف على التوقيع دون اتصال بالانترنت باستخدام التحويل الموجي المنفصل والنمط الثنائي المحلي وتعلم الآلة |
|---|---|
| المؤلف الرئيسي: | العمايرة، ماهر عبدالرحمن حسن (مؤلف) |
| مؤلفين آخرين: | السقار، فيصل (مشرف), الشطناوي، عطا الله محمود عواد (مشرف) |
| التاريخ الميلادي: |
2021
|
| موقع: | المفرق |
| الصفحات: | 1 - 66 |
| رقم MD: | 1171645 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة آل البيت |
| الكلية: | كلية الأمير الحسين بن عبد الله لتكنولوجيا المعلومات |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
1
| المستخلص: |
التوقيع هو سمة من القياسات الحيوية للإنسان لطالما استخدمت للتعرف على الشخصية. تم مؤخرا تطوير طرق تعتمد على المقاييس الحيوية لتحديد الهوية الشخصية، بما في ذلك التعرف على الهوية الشخصية من خلال الصوت والوجه وبصمات الأصابع ومسح قزحية وشبكية العين. حيث تلعب التوقيعات دورا مهما، يستخدم التوقيع بخط اليد على نطاق واسع للمصادقة الشخصية في المؤسسات المالية، مما يبرز الحاجة إلى طريقة شاملة للتحقق من التوقيع آليا. تقترح هذه الدراسة طريقة جديدة للتحقق من التوقيع الذي كتبه الشخص وتحديد ما إذا كان هذا التوقيع هو التوقيع الحقيقي للشخص المدعي. حيث تستخدم التقنية المقترحة نظام التعرف على التوقيع دون اتصال بالإنترنت اعتمادا على التحويل الموجي المنفصل (DWT) والنمط الثنائي المحلي (LBP) كطرق لاستخراج الميزات من التوقيع مع استخدام آلة المتجهات الداعمة (SVM) والشبكات العصبية (NN) كمصنف. يتم تنفيذ مخطط التوقيع غير المتصل المقترح باستخدام برنامج MATLAB. يتكون النظام المقترح من أربع مراحل رئيسية هي: التقاط صورة للتوقيع بخط اليد، والمعالجة القبلية، واستخراج الميزات، والتصنيف. يتم توحيد حجم الصور إلى حجم (420*280) ليناسب عملية استخلاص السمات والتصنيف ثم يتم استخدام تصفية العتبة لثنائي الصورة. ثم تتم عملية ترقيق النص باستخدام الأسلوب المورفولوجي المرقق لإزالة البيانات الغير مرغوب بها في مرحلة المعالجة القبلية. ثم يتم استخراج ميزات التوقيع باستخدام تقنيات DWT وLBP. أخيرا في مرحلة التصنيف تم استخدام مصنفات SVM وNN. تم اختبار الطريقة المقترحة باستخدام قاعدة البيانات GPDS960 وحققت نتيجة تبلغ 83.76% عند استخدام SVM كمصنف و 95.80 عند استخدام NN كمصنف. بينما حصلت أنظمة التعرف على التوقيع الأخرى في دراسات سابقة على 83.85% بالتطبيق على نفس قاعدة البيانات. |
|---|
عناصر مشابهة
-
Offline Signature Recognition Using Wavelet Packet Decomposition and a Neural Network
بواسطة: العليمات، محمد عبدالعزيز عودة الله منشور: (2021) -
Offline Signature Recognition Using Stationary Wavelet Transform and Local Binary Pattern
بواسطة: ابن سعيد، معاذ سليمان سلمان منشور: (2019) -
Speaker Recognition Using Discrete Wavelet Transformation
بواسطة: Abu Aladas, Feras Eid Dheif Allah منشور: (2010) -
Finding Optimal Kernel Size Hyperparameter for Convolutional Neural Network Using Discrete Wavelet Transform
بواسطة: عبيدات، معتصم سليمان منشور: (2022) -
Identity Recognition Using Deep Learning Techniques
بواسطة: Belhamra, Ayoub منشور: (2022)
