Особливості вилучення відбитків на основі гібридної оптимізації рою частинок та алгоритмів кажанів
DOI:
https://doi.org/10.15587/1729-4061.2022.266259Ключові слова:
обробка зображень, біометрія, відбиток пальця, витяг ознак, дрібні деталі, бінаризація, проріджування, роєвий інтелект, оптимізація рою частинок, алгоритм кажанівАнотація
Основним завданням більшості систем безпеки є перевірка того, що насправді люди є тими, за кого себе видають. На відміну від традиційних методів, таких як паролі та смарт-картки, які використовуються в деяких організаціях, ідентифікація по відбитку пальця може бути кращою, оскільки робить крадіжку інформації практично неможливою. Найбільш широко використовуваними біометричними ознаками є відбитки пальців, що дозволяють ідентифікувати людину через їхню унікальність і незмінність. Відбиток пальця складається з западин та гребенів на поверхні кінчика пальця. У цій статті пропонується нова гібридна стратегія оптимізації рою частинок (ОРЧ) з алгоритмом кажанів (АК) для отримання ознак із зображень відбитків пальців. Алгоритми ОРЧ і АК є алгоритмами на основі рою, які імітують поведінку рою частинок і кажанів у природі. У сфері обробки зображень особливості надзвичайно значущі. Перед отриманням ознак слід спочатку видалити зашумлену область з переднього плану, а потім до кожного зразка зображення в базі даних застосувати кілька важливих методів, таких як покращення відбитків пальців з використанням швидкого перетворення Фур'є (ШПФ), бінаризації та проріджування. Гібридний (ОРЧ-АК) алгоритм пропонується як попередній крок для вибору чітких структур дрібниць (або ознак) в декількох ітераціях, які більше підходять для етапу зіставлення. При порівнянні запропонованого методу з кількома методами розрахунку коефіцієнта помилкового відхилення (КПВ) та коефіцієнта помилкового прийняття (КПП) результати показали, що КПВ (0,001) та КПП (0,01) були меншими, ніж у інших запропонованих методів. Це означає, що гібридний алгоритм (ОРЧ-АК) дає кращі результати, що означає, що його можна використовувати як один з кращих підходів до пошуку для отримання ознак з відбитків пальців
Посилання
- Tarjoman, M., Zarei, S. (2008). Automatic fingerprint classification using graph theory. In Proceedings of world academy of science, engineering and technology.
- Al-Ta’l, Z. T. M., Abdulhameed, O. Y. (2013). Features extraction of fingerprints using firefly algorithm. Proceedings of the 6th International Conference on Security of Information and Networks - SIN ’13. doi: https://doi.org/10.1145/2523514.2527014
- Zhang, D. D. (2000). Automated biometrics: Technologies and systems. Springer, 332. doi: https://doi.org/10.1007/978-1-4615-4519-4
- Ravi, J., Raja, K. B., Venugopal, K. R. (2009). Fingerprint recognition using minutia score matching. International Journal of Engineering Science and Technology, 1 (2), 35–42. doi: https://doi.org/10.48550/arXiv.1001.4186
- Abed, H. N., Ahmed, A. L., Hassoon, N. H., Albayaty, I. S. (2018). Hiding Information In An Image Based On Bats Algorithm. Iraqi Journal of Information Technology, 8 (2). doi: https://doi.org/10.34279/0923-008-002-011
- Bonabeau, E., Dorigo, M., Theraulaz, G. (1999). Swarm intelligence: from natural to artificial systems. Oxford Academic. doi: https://doi.org/10.1093/oso/9780195131581.001.0001
- Teodorovic´, D. (2003). Transport modeling by multi-agent systems: a swarm intelligence approach. Transportation Planning and Technology, 26 (4), 289–312. doi: https://doi.org/10.1080/0308106032000154593
- Al-Sahaf, H., Al-Sahaf, A., Xue, B., Johnston, M., Zhang, M. (2016). Automatically Evolving Rotation-invariant Texture Image Descriptors by Genetic Programming. IEEE Transactions on Evolutionary Computation. doi: https://doi.org/10.1109/tevc.2016.2577548
- Al-Sahaf, H., Song, A., Neshatian, K., Zhang, M. (2012). Two-Tier genetic programming: towards raw pixel-based image classification. Expert Systems with Applications, 39 (16), 12291–12301. doi: https://doi.org/10.1016/j.eswa.2012.02.123
- Albukhanajer, W. A., Briffa, J. A., Yaochu Jin. (2015). Evolutionary Multiobjective Image Feature Extraction in the Presence of Noise. IEEE Transactions on Cybernetics, 45 (9), 1757–1768. doi: https://doi.org/10.1109/tcyb.2014.2360074
- Mahmoodi, S. (2012). Edge Detection Filter based on Mumford–Shah Green Function. SIAM Journal on Imaging Sciences, 5 (1), 343–365. doi: https://doi.org/10.1137/100811349
- Athira Lekshmi, B. A., Linsely, J. A., Queen, M. P. F., Babu Aurtherson, P. (2018). Feature Extraction and Image Classification Using Particle Swarm Optimization by Evolving Rotation-Invariant Image Descriptors. 2018 International Conference on Emerging Trends and Innovations In Engineering And Technological Research (ICETIETR). doi: https://doi.org/10.1109/icetietr.2018.8529083
- Kareem Rasheed, M., Dawood, A. J. (2019). A new card authentication schema based on embed fingerprint in image watermarking and encryption. Journal of Theoretical and Applied Information Technology, 97 (3), 1018–1029. Available at: http://www.jatit.org/volumes/Vol97No3/26Vol97No3.pdf
- Maio, D., Maltoni, D., Cappelli, R., Wayman, J. L., Jain, A. K. (2004). FVC2004: Third Fingerprint Verification Competition. Lecture Notes in Computer Science, 1–7. doi: https://doi.org/10.1007/978-3-540-25948-0_1
- Pan, T.-S., Dao, T.-K., Nguyen, T.-T., Chu, S.-C. (2015). Hybrid Particle Swarm Optimization with Bat Algorithm. Genetic and Evolutionary Computing, 37–47. doi: https://doi.org/10.1007/978-3-319-12286-1_5
- Liao, M., Wan, Z., Yao, C., Chen, K., Bai, X. (2020). Real-Time Scene Text Detection with Differentiable Binarization. Proceedings of the AAAI Conference on Artificial Intelligence, 34 (07), 11474–11481. doi: https://doi.org/10.1609/aaai.v34i07.6812
- Mingote, V., Miguel, A., Ribas, D., Ortega, A., Lleida, E. (2019). Optimization of False Acceptance/Rejection Rates and Decision Threshold for End-to-End Text-Dependent Speaker Verification Systems. Interspeech 2019. doi: https://doi.org/10.21437/interspeech.2019-2550
- Ali, Mouad. M. H., Mahale, V. H., Yannawar, P., Gaikwad, A. T. (2016). Fingerprint Recognition for Person Identification and Verification Based on Minutiae Matching. 2016 IEEE 6th International Conference on Advanced Computing (IACC). doi: https://doi.org/10.1109/iacc.2016.69
- Rao, G. S., NagaRaju, C., Reddy, L. S. S., Prasad, E. V. (2008). A novel fingerprints identification system based on the edge detection. International Journal of Computer Science and Network Security, 8 (12), 394–397. Available at: http://paper.ijcsns.org/07_book/200812/20081256.pdf
- Kukula, E. P., Blomeke, C. R., Modi, S. K., Elliott, S. J. (2009). Effect of human-biometric sensor interaction on fingerprint matching performance, image quality and minutiae count. International Journal of Computer Applications in Technology, 34 (4), 270. doi: https://doi.org/10.1504/ijcat.2009.024079
- Cao, K., Yang, X., Chen, X., Zang, Y., Liang, J., Tian, J. (2012). A novel ant colony optimization algorithm for large-distorted fingerprint matching. Pattern Recognition, 45 (1), 151–161. doi: https://doi.org/10.1016/j.patcog.2011.04.016
- He, Y., Tian, J., Luo, X., Zhang, T. (2003). Image enhancement and minutiae matching in fingerprint verification. Pattern Recognition Letters, 24 (9-10), 1349–1360. doi: https://doi.org/10.1016/s0167-8655(02)00376-8
- Chaudhari, A. S., Patnaik, G. K., Patil, S. S. (2014). Implementation of Minutiae Based Fingerprint Identification System Using Crossing Number Concept. Informatica Economica, 18 (1), 17–26. doi: https://doi.org/10.12948/issn14531305/18.1.2014.02
![Особливості вилучення відбитків на основі гібридної оптимізації рою частинок та алгоритмів кажанів](https://journals.uran.ua/public/journals/3/submission_266259_304235_coverImage_uk_UA.png)
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Ahmed LuayAhmed, Noor Hassoon, Layla AL.hak, Mahdi Edan, Hazim Abed, Sura Abd
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.