العنوان بلغة أخرى: |
تقنيات حديثة متعددة الخلول لنظام التعرف على بصمات الأصبع |
---|---|
المؤلف الرئيسي: | Abu Dalal, Waleed A. (Author) |
مؤلفين آخرين: | Al Hanjouri, Mohamed Ahmed Mohamed (Advisor) |
التاريخ الميلادي: |
2016
|
موقع: | غزة |
الصفحات: | 1 - 101 |
رقم MD: | 768556 |
نوع المحتوى: | رسائل جامعية |
اللغة: | الإنجليزية |
الدرجة العلمية: | رسالة ماجستير |
الجامعة: | الجامعة الإسلامية (غزة) |
الكلية: | كلية الهندسة |
الدولة: | فلسطين |
قواعد المعلومات: | Dissertations |
مواضيع: | |
رابط المحتوى: |
المستخلص: |
استخدام القياسات الحيوية في التعرف على الأشخاص لاقى الكثير من الاهتمام في السنوات الأخيرة، ويرجع ذلك إلى ضرورة تطوير أمن المعلومات والقيود الأمنية على أنظمة التحقق من الهوية. تعتبر بصمة الأصبع الأكثر عمليا من ضمن جميع القياسات الحيوية لما لها من مميزات محددة جعلتها مقبولة على نطاق واسع. إن استخراج السمات الفارقة من صور بصمات الأصابع ذات الجودة السيئة هي المشكلة الأكبر تحديا في نظام التعرف على بصمة الأصبع، لذلك فهي تحتاج الكثير من خطوات المعالجة لتحسين جودة الصورة، ومن ثم بحاجة إلى تقنية فعالة لاستخراج بعض السمات المميزة في الصورة. لقد تم استخدام تقنيات التحليل المتعددة الحلول في الآونة الأخيرة على نظام واسع في استخراج السمات المميزة في أنظمة التعرف الحيوية، حيث من الممكن استخدام هذه السمات كعلامات فارقة لتحديد الهوية في التعرف على بصمات الأصابع. إن الهدف من هذه الرسالة هو تطوير نظام فعال ومتكامل للتعرف على بصمة الأصبع يستطيع التعامل مع الجودة المنخفضة لصور بصمات الأصابع وحتى يستطيع التعامل مع الجودة الرديئة لصور بصمات الأصبع والمليئة بالعديد من التحديات، لا بد من توفر نظام معالجة قوي ونظام فعال لاستخدام السمات الفارقة. يحتوي نظام المعالجة على العديد من العمليات الضرورية مثل: تعديل إزاحة الصورة، فصل أجزاء الصورة، وتحسين جودة الصورة. لقد قمنا بتطوير تقنية مشهورة لتحسين جودة الصورة، حيث قمنا باستبدال عملية فصل أجزاء الصورة والمعتمدة على خريطة الطاقة بتقنية أخرى جديدة تعتمد على عمليات الشكليات، أيضا لقد قمنا باستخدام تقنيات التحليل المتعددة الحلول مثل: تحويل المنحنى المصغر (Curvelet)، تحويل موجة الذرة (Wave Atoms)، وتحويل القص المصغر (Shearlet) لاستخراج سمات مميزة للصورة بطريقة جديدة، حيث يتم تصنيف هذه السمات باستخدام تقنيات التصنيفات. والتي قد استخدمنا منها: تصنيف الحد الأدنى للمسافات (Minimum Distance Classifier)، وتصنيف العدد الأقرب للجيران (K-Nearest Neighbor) وتصنيف خريطة التنظيم الذاتي (Self-Organizing Map)، وتصنيف دعم آلة المتجهات (Support Vector Machine). ولقد قمنا بالمقارنة بين تقنيات التصنيفات المستخدمة وبين تقنيات استخراج السمات. وقمنا بفحص طريقتنا على 114 شخص والذين تم اختيارهم من قاعدة بيانات لصور بصمات الأصابع مليئة بالتحديات وتسمى (CASIA-FingerprintV5)، وقمنا بتحقيق معدل التعرف بنسبة 99.5%. |
---|