Palmprint recognition system using modern multi-resolution techniques and different classifiers

Other Title(s)

نظام التعرف على بصمة اليد باستخدام التقنيات الحديثة في الأبعاد المتعددة و مصنفات مختلفة

Dissertant

Sukkar, Muhammad Sulayman Shirbi

Thesis advisor

al-Hanjuri, Muhammad Ahmad Muhammad

University

Islamic University

Faculty

Faculty of Engineering

Department

Department of Computer Engineering

University Country

Palestine (Gaza Strip)

Degree

Master

Degree Date

2018

Arabic Abstract

من أهم ما يميز العصر الحديث هو استخدام الطرق الحيوية للتعرف على الأشخاص والأشياء وتطبيقاتها المتنوعة في الحماية والتحكم.

وتعد طريقة التعرف على كفة اليد واحدة من أحدث الطرق في هذا المجال.

تتطرق هذه الدراسة لتطوير نظام للتعرف على الأشخاص من خلال بصمة اليد باستخدام أكثر من طريقة من طرق الأبعاد المتعددة إضافة إلى استخدام أكثر من مصنف.

وذلك كمحاولة للتوصل إلى أمثل الطرق وأكثرها دقة وكفاءة في التعرف على بصمة اليد.

شملت الدراسة ثلاث طرق لاستخراج سمات بصمة اليد الأكثر تأثيرا في عملية التصنيف وهي : تحويل المنحنى المصغر Curvelet ) ) تحويل موجة الذرة ( Shearlet ومنحنى القص المصغر .Wave ) atoms ).

كما شملت الدراسة استخدام تقنية لتقليل أبعاد متجه السمات وذلك لضمان الحصول على أفضل نتائج.

وفي المرحلة الأخيرة تم استخدام أكثر من مصنف من أشهر المصنفات المستخدمة حديثا والتي شملت التعلم الموجه ( Supervised Learning ) وغير الموجه Unsupervised Learning ) ) وهي تصنيف الشبكات العصبية الصناعية ( Back-propagation Neural Network ) ) وتصنيف دعم آلة المتجهات ( Support Vector Machineوتصنيف خريطة التنظيم الذاتي ( Self-Organizing Map ) تمت الدراسة باستخدام قاعدة بيانات لجامعة هونج كونج بحيث تم اختيار صور كفة اليد لعدد أربعين شخصا بواقع عشر صور لكل شخص حيث تم استخدام سبع صور في مرحلة تدريب النظام وثلاث صور في مرحلة اختباره و قد أشارت نتائج الدراسة إلى أن أكثر الطرق دقة للتعرف على بصمة اليد كانت من خلال استخدام منحنى القص المصغر( Wave atoms ) مع تصنيف الشبكات العصبية الصناعية Back-propagation Neural Network ).

حيث وصلت دقة هذه التركيبة إلى 98.33%.

English Abstract

One of the best features of the modern world; are the biometric techniques for identification and authentication and its related applications.

Palmprint recognition is one of newest techniques in this field.

This study tackles developing a system for identifying palmprints using modern multi-resolution techniques and different classifiers, as a way to identify more accurate and efficient combination of techniques in palmpring recognition.

The study implements three techniques to exract the most significant features in the classification process, namely: Curvelet transform, Shearlet transform, and Wave atoms transform.

The study also includes a technique to decrease dimensionality of features‟ vector to determine the most efficient results.

In the final stage, the study implements three of the most known classifiers including supervised and supervised learning, the implemented classifeiers are: Back-propagation Neural Network, Support Vector Machine, and Self Organizing Map.

The study uses a dataset from Hong Kong Polytechnic University, includes images of palmprints taken for 40 persons (10 images per each person), where seven images were used for the system training, and three images were used for system testing.

The study results indicates that the most efficient techniques for palmprint recognition is the combination of Wave atoms transform for feature extraction, with Back-propagation Neural Netowrk for classification, which produces accuracy rate of 98.33%.

Main Subjects

Information Technology and Computer Science

Topics

• Pattern recognition
• Palmprints

No. of Pages

52

Table of Contents

• APA
• MLA
• AMA

Language

English

Data Type

Arab Theses

Record ID

BIM-905169