文献

J-GLOBAL ID：202202289201671139   整理番号：22A1153414

教師つき掌紋認識のためのロバストな特徴融合利用【JST・京大機械翻訳】

Robust features fusion utilization for supervised palmprint recognition

著者 (3件)： Ata Mohamed Maher (Department of Communications and Electronics Engineering, MISR Higher Institute for Engineering and Technology, Mansoura, Egypt) ,  Elgamily Khaled Mohammed (Department of Electronics and Communications Engineering, Mansoura Higher Institute for Engineering and Technology, Mansoura, Egypt) ,  Mohamed Mohamed A. (Department of Electronics and Communications Engineering, Faculty of Engineering, Mansoura University, Mansoura, Egypt)
資料名： Concurrency and Computation: Practice & Experience  (Concurrency and Computation: Practice & Experience)
巻： 34  号： 10  ページ： e6817  発行年： 2022年 
JST資料番号： W2542A  ISSN： 1532-0626  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,教師つき掌紋認識のためのロバストな特徴融合方法論を提案した。特徴融合のプロセスを,主線のロバスト形態学的特徴と次の特徴抽出器(主成分分析(PCA),変換領域抽出器,不変モーメント)の間のハイブリッド化に従って定式化した。関心領域(ROI)を谷点位置の同定に基づいて抽出した。さらに,正しいROIを定式化するために,形態学的操作とエッジ検出の両方を適用した。最初に,各抽出主線の長さと傾斜を形態学的に推定した。第二に,異なる特徴抽出技術を(PCA),変換領域,不変モーメントを含む得られたROIに適用した。最後に,7つの教師つき機械学習法を,最高の掌紋認識精度を達成するために操作した。認識の精度を,感度,ジセ,精度,Jaccard係数,相関,精度,および認識時間を測定して評価した。実験所見は,全ての試験機械学習法の中で,不変モーメントと主線形態の間の融合の特徴ベクトルに基づく逆伝搬によるフィードフォワードニューラルネットワークが,成功した掌紋認識の約99.9%を達成したことを示した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 実験 ,  ニューラルネットワーク ,  特徴抽出 ,  *手【生体】 ,  モーメント ,  定式化 ,  主成分分析 ,  エッジ検出 ,  *ロバスト性 ,  機械学習 ,  *データ融合 ,  モルフォロジー
準シソーラス用語： 特徴ベクトル ,  フィードフォワードニューラルネットワーク ,  *掌紋 ,  関心領域 ,  Jaccard係数 ,  *特徴融合 , 【Automatic Indexing@JST】

著者キーワード (7件)： 離散余弦変換 ,  離散ウェーブレット変換 ,  不変モーメント ,  主成分分析 ,  Hough変換 ,  形態学的特徴 ,  形質転換ドメイン

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 教師 ,  掌紋 ,  ロバスト ,  特徴融合