﻿<?xml version="1.0" encoding="utf-8"?>
<ArticleSet>
  <ARTICLE>
    <Journal>
      <PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName>
      <JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle>
      <ISSN>16823745</ISSN>
      <Volume>15</Volume>
      <Issue>1</Issue>
      <PubDate PubStatus="epublish">
        <Year>2017</Year>
        <Month>6</Month>
        <Day>21</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Human Recognition via Finger Vein Images in Radon Space Using Common Spatial Patterns</ArticleTitle>
    <VernacularTitle>شناسایی افراد از طریق رگ‌های خونی انگشت دست در فضای رادون با به کارگیری الگوهای فضایی مشترک</VernacularTitle>
    <FirstPage>46</FirstPage>
    <LastPage>54</LastPage>
    <ELocationID EIdType="doi" />
    <Language>fa</Language>
    <AuthorList>
      <Author>
        <FirstName>حمید</FirstName>
        <LastName>حسن‌پور</LastName>
        <Affiliation></Affiliation>
      </Author>
      <Author>
        <FirstName>اکرم</FirstName>
        <LastName>غلامی</LastName>
        <Affiliation></Affiliation>
      </Author>
    </AuthorList>
    <History PubStatus="received">
      <Year>2017</Year>
      <Month>7</Month>
      <Day>18</Day>
    </History>
    <Abstract>One of the most fitting biometric for identifying individuals is finger veins. In this paper, we study the human recognition via finger vein images that recognize persons at a high level of accuracy. First we use entropy based thresholding for segmentation and extraction veins from finger vein images. The method extract veins as well, but the images are very noisy. That means in addition to the veins that appeared as dark lines, they have some Intersecting lines. Then we applied radon transformation to segmented images. The radon transform is not sensitive to the noise in the images due to its integral nature, so in comparison with other methods is more resistant to noise. This transform does not require the extraction of vein lines accurately, that can help to increase accuracy and speed. Then for extracting features from finger vein images, common spatial patterns are applied to the blocks of Radon Transform. In identification step two methods are used: Nearest Neighbor (1-NN) and Artificial Neural Network (MLP). Experiments conducted on sets of finger vein image database of Peking University show 99.6753 percent success rate in identifying individuals.</Abstract>
    <OtherAbstract Language="FA">یکی از مناسب‌ترین بیومتریک‌ها برای شناسایی افراد، رگ‌های انگشت دست می‌باشد. در این مقاله روش جدیدی ارائه شده است که به شناسایی افراد از طریق رگ‌های خونی انگشت دست با دقت بالا می‌پردازد. این مقاله ابتدا از آستانه‌گذاری آنتروپی محلی برای قطعه‌بندی و استخراج رگ‌ها از تصاویر انگشت استفاده می‌نماید. آستانه‌گذاری آنتروپی محلی رگ‌ها را به خوبی استخراج می‌کند اما تصاویر حاصل از آن نویزی هستند به این مفهوم که رگ‌های استخراج‌شده ممکن است به صورت خطوط متقاطع ظاهر شوند. برای کم‌کردن حساسیت مرحله شناسایی نسبت به نویزهای موجود در تصاویر قطعه‌بندی شده، از تبدیل رادون استفاده می‌کنیم. تبديل رادون به علت داشتن ماهيت انتگرالي، نسبت به نويزهاي موجود در تصوير حساس نيست و بنابراین در مقایسه با سایر روش‌ها نسبت به نویز از مقاومت بیشتری برخوردار است. همچنین با استفاده از این تبدیل علاوه بر این که به استخراج خطوط رگ به طور دقیق نیاز نیست، دقت و سرعت شناسایی نیز افزایش می‌یابد. برای استخراج ویژگی از تصاویر رگ انگشت، الگوهای فضایی مشترک به بلوک‌های تبدیل رادون اعمال می‌شوند. در مرحله شناسایی نیز از دو روش نزدیک‌ترین همسایهNN) -1) و شبکه عصبی پرسپترون چندلایه (MLP) استفاده می‌شود. آزمایش‌های انجام‌شده روی مجموعه تصاویر رگ انگشت پایگاه داده دانشگاه پکینگ نرخ موفقیت 6753/99 درصد در شناسایی افراد را نشان می‌دهد.</OtherAbstract>
    <ObjectList>
      <Object Type="Keyword">
        <Param Name="Value">شناسایی رگ انگشت
آستانه‌گذاری آنتروپی محلی
تبدیل رادون
الگوهای فضایی مشترک (CSP)</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="Pdf">http://ijece.org/ar/Article/Download/28236</ArchiveCopySource>
  </ARTICLE>
</ArticleSet>