雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际创新研究期刊》的研究在科学、工程和技术

菜单

ISSN在线(2319 - 8753)打印(2347 - 6710)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

掌纹识别系统

Jaspreet Kour1,Shreyash Vashishtha2,Nikhil Mishra3已经受理,Gaurav4,Prateek Arora5
副教授,部门电子&仪表工程Galgotias工程与技术学院大诺伊达,印度1
B.Tech。学生,部门电子&仪表工程Galgotias工程与技术学院大诺伊达,印度2、3、4、5
相关文章Pubmed,谷歌学者

访问更多的相关文章国际创新研究期刊》的研究在科学、工程和技术

国际创新研究期刊》的研究在科学、工程和技术

文摘

掌纹识别是生物识别技术的重要方面之一是其中一个最可靠的和成功的识别方法。本文研究和分析了现有掌纹识别算法。一个简单的预处理方法和roi提取讨论。可用的数据库也被分析和最有效的将用于开发

关键字
理大的掌纹,生物识别技术,CASIA, IITD、预处理、特征提取、匹配

介绍
掌纹识别是目前可用的生物识别技术之一。生物识别系统是用于验证身份通过测量生理或行为特征。因此,生物识别技术的两个主要类别是“生理”和/或“行为”。人类生理范畴包括物理特征,如掌纹,手的形状,眼睛,静脉,等行为包括人类的运动,如手势、说话方式、签名等测量这些特征有助于验证使用生物识别系统。最成功的生物识别系统是掌纹识别系统。这个系统识别的基础上的手掌印,一个人。可靠的因为,打印模式总是独一无二的,即使在同卵双胞胎。有趣的部分是,脊结构是永久性的。这个脊结构是形成于大约十三周的胚胎发育。这形成被十八周完成。 The palmprint recognition system has advantages over the other physiological biometric systems. Some of the advantages are fixed line structure, low intrusiveness, low cost capturing device, low resolution imaging. Thus palmprint recognition is a very interesting research area. A lot of work has already been done in this area, but there is still a lot of scope to make the systems more efficient. Here, we have tried to analyze the already existing systems and thereby propose a new approach.

二世。文献综述
为了提供一个准确和有效的身份验证系统,已经有大量的研究在该地区的掌纹识别系统。为此,很多相关的论文了。三通康妮等提出了一个自动的掌纹识别系统[1]。在建议的方法,他们利用主成分分析(PCA),费舍尔判别分析(FDA)和独立分量分析(ICA)的特征提取roi图像。Patprara Tunkpien使用紧凑的方法提取原理的掌纹图像通过使用过滤操作连续[2]。在这里,图像平滑和工作。为此,掌纹图像是通过几个过滤器。掌纹识别与PCA和ICA[3]提出的三通康妮et al。K.Y.拉其普特人等使用Kekre快速码书生成[4]特征提取算法。我曾埃达玛Putr和Erdiawan使用二维伽柏(5、7)高性能掌纹识别的发展。
新浪阿克巴里Mistani等人提出了一个方法,利用多光谱分析[6]的混合特性改善的掌纹识别系统的性能。大卫·张等人提出了一个在线掌纹识别系统[8]。这个系统的开发也在实时实现身份验证。哈菲兹Imtiaz等都提出了一个新颖的预处理技术[9]的DCT域掌纹识别中特征提取的任务是进行本地区域使用二维离散余弦变换(2维变换)。一项调查所有的掌纹识别系统(10、11)也被研究过。
一个自动化的掌纹识别系统[1]评估结果的正确识别率和验证率。正确识别率的人的比例是可以被系统识别。验证速度可以计算通过使用错误接受率(远),错误拒绝率(FRR),以及平等的错误率(曾经)。是接受的比例不是真正的索赔超过总数的真正的访问。FRR拒绝的比例是真正的对真正的访问总数。犯错时系统阈值等于FRR。生物有效,和FRR必须尽可能低。总成功率(TSR)是系统的验证率。主成分分析(PCA)[3]用于降维。是有用的,因为它减少图像的维度和量表维度根据它们的重要性。 It makes use of Eigen palms. Independent Component Analysis (ICA) [3] has the ability to deal with higher orders unlike PCA and FDA which can handle only up to second order. In ICA, the palmprint images are considered as the mixture of an unknown set of statistically independent source images. Gabor filters are widely applied to image processing, computer vision and pattern recognition. 2D Gabor filter is used for palmprint feature extraction. It provides robustness against varying brightness and contrast of images.

三世。数据库可用
三个掌纹图像数据库用于研究目的。这些是CASIA掌纹数据库,理大掌纹数据库和IITD掌纹数据库。CASIA掌纹数据库包含5502掌纹图像捕获从312年的主题。对于每个主题,左和右手掌图像已经被抓获。所有的掌纹图像是8位灰度JPEG文件。这些已经被他们自主研发的掌纹识别设备。在这个设备,没有挂钩的姿势和位置限制的手掌。的掌纹图像被CASIA掌纹识别装置图中所示。
理大掌纹数据库包含6000张图片来自500个不同的手掌一照明。图片收集从195年男性和55岁女性在两个不同的会话。志愿者从20到60岁不等。在每一个会话,6为每个手掌图像被抓获。9天后举行下次会议的第一次会议。这个数据库使用用户限制手方向挂钩。这有助于实现更高的性能。因此,这个数据库得到了广泛的使用。
IITD掌纹数据库使用光学成像的设置。这是获得教职员工和学生的IIT德里在2006年7月- 2007年6月。235用户的可用的数据库。每个图像的位图(* . bmp)格式。7图像捕获的手掌,leaft和从每个用户对每个不同的手带来的变化。光学成像结果更高的图像比例尺变化。捕获的图像的分辨率是800 X 600像素。随着cpturd图片、150 X 150像素剪裁,图像也可以恢复正常。数据库与一个圆形的室内环境中获得荧光照明在相机。

第四,提出了系统
掌纹识别系统包括预处理roi提取紧随其后。roi提取后,特点是使用特征提取算法提取。然后匹配是提取的特征的基础上完成的。心然后接受或拒绝。所有这些过程研究和综述。回顾的基础上,提出了系统被描述。每一步详细研究。拟议的掌纹识别系统一直在图4中所示的流程图的掌纹识别系统。每一步进一步详细下面描述。
答:预处理
减少开销,而不是直接使用掌纹图像预处理的工作要做。预处理是用来消除畸变,使作物的掌纹和感兴趣的地区。这种剪裁ROI用于特征提取。这是在五个步骤完成:
Binarizing手掌图像
b。边界跟踪
c。重点检测
d。建立一个协调的系统
e。提取中部
第三步可以通过两种方法,基于切线和手指。基于切的方法者优先。这种方法认为2手指孔的边缘要跟踪二进制图像。的共同切两个手指洞被认为是轴。协调系统的关键点计算两个相切点的中点。
b . ROI提取
手掌的中心部分预处理后图像分割。不同算法段圆形,椭圆形或方形区域特征提取的一半。正方形是最简单和广泛使用。裁剪的图像将会通过一个低通滤波器(LPF),它模糊了图像。在这个模糊图像,小行得到抑制。主要的线路也受到影响,但它们突出。这些都是用于特征提取。
特征提取和匹配
匹配的掌纹,我们首先需要提取一些特征。然后用于提取的特征匹配。一些基于线特征提取和匹配算法,基于子空间的,基于统计和编码方法。
1)基于线的方法:此方法发展边缘探测器,利用手掌的大小。手掌大小线预计在x和y坐标形成柱状图。在这之后,第一次和第二次订单手掌图像的导数计算。一阶导数是用来确定边缘点和相应的方向。二阶导数是用于标识线的大小。然后使用欧式距离匹配。
2)基于子空间的方法:此方法利用主成分分析(PCA),线性判别分析(LDA)和独立分量分析(IDA)。空间系数是用于匹配的特性。这种方法不需要任何先验知识的掌纹。
3)统计方法:这是两种类型的本地和全球。当地的方法变换图像在另一个领域。这改变了图像被划分成了几个地区,比如每个区域的均值和方差。全球功能包括时刻,重心和密度。全球的方法是应用于整个掌纹图像。这是唯一的局部和全局的方法之间的区别。当地的方法是应用于掌纹图像的部分,而全球的方法是应用于整个图像。4)编码方法:这种方法使用了一个伽柏滤波器来提取图像的局部相位信息。这个相位信息提取的掌纹识别系统所使用的减少注册数据大小和处理非线性失真之间的掌纹图像。这种方法有非常低的内存需求和匹配速度快。
d .接受/拒绝
用户身份验证的掌纹识别系统。这些接受用户,认证,即与一个掌纹的掌纹数据库中存在。如果用户未被认证,那么用户将被拒绝。这个过程的接受和拒绝用户匹配算法的基础上完成的。这样做匹配的基础上提取的特征。分类是手掌图像的基础是接受或拒绝。类似的样本分组在同一个班。一些相似的措施Mahalanobis,欧几里得和曼哈顿距离。另一种分类方法是建设的决策边界。这可以通过使用技术,如人工神经网络(ANN)。

诉结论和进一步的工作
一些现有方法综述了掌纹识别。在建议的方法,而不是使用整个掌纹图像,占主导地位的光谱特征提取等主要线路。这种方法有助于提高系统的性能和精度。很多工作必须完成特征提取算法以及匹配算法。在掌纹识别系统的目的是开发一个系统以提高速度和准确性。

数据乍一看
图 图 图 图 图
图1 图2 图3 图4 图5

引用
  1. (三通康妮,安德鲁销量大麻金,迈克尔吴作栋Kah Ong大卫非政府组织赤凌,“一个自动化的掌纹识别系统”,形象和视觉计算、Vol.23, pp.501 - 515, 2005。
  2. Patprapa Tunkpien, Sasipa Panduwadeethorn, Suphakant Phimoltares”,紧凑的提取原则行掌纹使用连续过滤操作,程序的第二个国际会议上的知识和智能技术,pp.39-44, 2010年。
  3. 三通康妮,安德鲁销量,迈克尔吴作栋,大卫的非政府组织,“掌纹识别与PCA和ICA”,形象和视觉计算新西兰北帕默斯顿,pp.227 - 232, 2003。
  4. K.Y.拉其普特人,梅丽莎Amanna Mankhush Jagawat玛雅Sharma,“掌纹识别使用图像处理”TECHNIA计算机科学和通信技术的国际杂志,3卷,2号,pp.618 - 621, 2011。
  5. 我曾埃达玛Putra Erdiawan,“高性能掌纹识别系统基于二维伽柏”TELKOMNIKA 8卷,3号,pp.309 - 318, 2010。
  6. 新浪阿克巴里Mistani Shervin Minaee, Emad Fatemizadeh,“多光谱掌纹识别使用混合特性”电气工程系,沙里夫理工大学的,德黑兰pp.1-7, 2011年。
  7. 香港W.K.,Zhang, D., Li W.X., “Palmprint feature extraction using 2-D Gabor filters.” Pattern recognition, Vol. 36, pp.2339–2347, 2003.
  8. 张W.K.香港,j .你,m . Wong“在线掌纹识别”,IEEE模式分析与机器智能,25(9)卷,pp.1041 - 1051, 2003。
  9. Imtiaz, h . s . Aich s . A .法塔赫,“一种新型预处理技术或DCT域掌纹识别”,国际期刊的我国技术研究,技术问题3,pp.31-35, 2012年。
  10. 9 Lipane, S.B. Gundre”,手掌印认可评审论文”,国际期刊分析,183 - 185页。
  11. 要不是Somvanshi Milind范围,“调查的掌纹识别”,国际科学和工程研究期刊》的研究,3卷,pp.1-7, 2012年。
  12. CASIA掌纹数据库,http://biometrics.idealtest.org/dbDetailForUser.do?id=5。
  13. IITD掌纹数据库,http://www4.comp.polyu.edu.hk/ csajaykr / IITD / Database_Palm.htm。
  14. 理大掌纹数据库,http:// www.comp.polyu.edu.hk生物识别技术。