TY - JOUR ID - 102144 TI - استخراج ویژگی‌های متمایزکننده با بهره‌گیری از فیلتربانک کمانی گابور بهینه به منظور تشخیص هویت با استفاده اثر کف دست JO - مجله علمی رایانش نرم و فناوری اطلاعات JA - JSCIT LA - fa SN - 2383-1006 AU - گرجی‌کلایی, مهران تقی‌پور AU - رضوی, سیّد محمّد AD - دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران AD - گروه الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران. Y1 - 2020 PY - 2020 VL - 8 IS - 4 SP - 110 EP - 118 KW - اثر کف دست KW - الگوریتم‌های فراابتکاری KW - تأیید هویت KW - شناسایی هویت KW - فیلتربانک کمانی گابور DO - N2 - یکی از مؤثرترین توصیفگرهای مطرح برای بافت، فیلتر گابور می‌باشد. فیلتر کمانی گابور انتخاب مناسبی برای توصیف تصاویری است که با استفاده از حسگرهای بدون تماس نوری معمولی گرفته شده‌اند. به‌منظور تحت پوشش قرار دادن گستره کامل فرکانسی و استخراج ویژگی‌های متمایزکننده عموماً از فیلتربانک استفاده می‌شود. اگرچه در یک فیلتربانک مقیاس‌ها و زوایای چرخش مختلف را داریم، اما انتخاب مقادیر مناسب برای پارامترهایی مانند فرکانس ماکزیمم، ابعاد فیلتر و طول کمان می‌توانند تأثیر بسزایی درنتیجه نهایی داشته باشد. در این مقاله برای تخمین مقادیر بهینه پارامترها از الگوریتم‌های فرا ابتکاری استفاده شده است. بر اساس نتایج به دست آمده در شناسایی هویت با استفاده از توصیفگر فیلتر بانک کمانی گابور بهینه‌شده با الگوریتم بهبودیافته جستجوی گرانشی میانگین نرخ شناسایی هویت مرتبه اول از 43/79 به 71/95 درصد افزایش‌یافته و در تأیید هویت با بهینه کردن فیلتربانک پیشنهادی با استفاده از الگوریتم تبرید شبیه‌سازی‌شده میانگین خطای معادل EER از 84/8 به 12/5 کاهش‌یافته است. UR - https://jscit.nit.ac.ir/article_102144.html L1 - https://jscit.nit.ac.ir/article_102144_9f1b22df96f0d56914cfcbb7a58f1fe9.pdf ER -