Palmprint recognition system based on gabor wavelet transform with K-NN classifier model
Küçük Resim Yok
Tarih
2017
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
INESEC
Erişim Hakkı
info:eu-repo/semantics/openAccess
Attribution-NonCommercial-ShareAlike 3.0 United States
Attribution-NonCommercial-ShareAlike 3.0 United States
Özet
Palmprint recognition system is regarded as reliable and accurate biometric identification system. The
biometric approach palm recognition system has attracted the attention of researchers in recent times
because of the presenting a new biometric feature compared to other models. In this work, gabor wavelet
transform (GWT) based palmprint recognition system has been developed. Firstly, image coordinate
system is determined in order to facilitate image alignment for feature extraction. Then, region of
interest is cropped from the palmprint images. With the developed system, features are extracted from
the region of interest and they are given to k-nearest neighbors (k-NN) classifier as input parameters.
Finally, the highest success rate for GWT based systematic sampling was computed as 86.90%
according to the non-request data selection and it was observed that the proposed recognition system
provide successful results in classification of palmprint images. Moreover, a good identification of the
feature vector is the main factor that affects performance. Thus, the performance can also be improved
by finding more suitable feature vectors.
Avuç içi tanıma sistemi, güvenilir ve doğru bir biyometrik tanıma sistemi olarak kabul edilmektedir. Biyometrik yaklaşımlı avuç içi tanıma sistemi, diğer modellere nazaran yeni bir biyometrik özellik sunduğundan dolayı, son zamanlarda araştırmacıların ilgisini çekmektedir. Bu çalışmada, gabor dalgacık dönüşümü (GDD) tabanlı avuç içi tanıma sistemi geliştirilmiştir. İlk olarak, özellik çıkarımında görüntü uyumunu kolaylaştırmak için koordinat sistemi belirlenmiştir. Sonra, ilgilenilen bölge avuç içi imgesinden alınmıştır. Geliştirilen sistem ile ilgilenilen bölgenin özellikleri çıkartılmış ve bu özellikler k-en yakın komşu (k-NN), sınıflandırıcısının girişlerine verilmiştir. Sonuç olarak, GDD tabanlı sistematik örnekleme için iadesiz veri seçimine göre en yüksek başarı oranı %86.90 olarak hesaplanmış ve avuç içi imgelerinin sınıflandırılmasında, önerilen sistemin başarılı sonuçlar verdiği gözlemlenmiştir. Dahası, öznitelik vektörünün iyi bir şekilde belirlenmesi performansı etkileyen asıl faktördür. Bu nedenle, daha uygun öznitelik vektörleri bulunarak performans arttırılabilmektedir.
Avuç içi tanıma sistemi, güvenilir ve doğru bir biyometrik tanıma sistemi olarak kabul edilmektedir. Biyometrik yaklaşımlı avuç içi tanıma sistemi, diğer modellere nazaran yeni bir biyometrik özellik sunduğundan dolayı, son zamanlarda araştırmacıların ilgisini çekmektedir. Bu çalışmada, gabor dalgacık dönüşümü (GDD) tabanlı avuç içi tanıma sistemi geliştirilmiştir. İlk olarak, özellik çıkarımında görüntü uyumunu kolaylaştırmak için koordinat sistemi belirlenmiştir. Sonra, ilgilenilen bölge avuç içi imgesinden alınmıştır. Geliştirilen sistem ile ilgilenilen bölgenin özellikleri çıkartılmış ve bu özellikler k-en yakın komşu (k-NN), sınıflandırıcısının girişlerine verilmiştir. Sonuç olarak, GDD tabanlı sistematik örnekleme için iadesiz veri seçimine göre en yüksek başarı oranı %86.90 olarak hesaplanmış ve avuç içi imgelerinin sınıflandırılmasında, önerilen sistemin başarılı sonuçlar verdiği gözlemlenmiştir. Dahası, öznitelik vektörünün iyi bir şekilde belirlenmesi performansı etkileyen asıl faktördür. Bu nedenle, daha uygun öznitelik vektörleri bulunarak performans arttırılabilmektedir.
Açıklama
Anahtar Kelimeler
Biometric, Palmprint Recognition, Gabor Wavelet Transform, K-Nearest Neighbors, Biyometrik, Avuç İçi Tanıma, Gabor Dalgacık Dönüşümü, K-En Yakın Komşu
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Çalışkan, A., Ergen, B., Acar, E. (2017). Palmprint recognition system based on gabor wavelet transform with K-NN classifier model. International Engineering Conference (IEC2017), 19-21 October 2017, Antalya, Türkiye
