Using GLCM based on LBP/data mining tools for human identification through palm vein image

Abstract

Son yıllarda, avuç içi tanıma diğer biyometrik tanıma yöntemlerine (yüz, iris, parmak izi ve avuç içi baskı) göre yüksek maliyeti olması nedeniyle popüler biyometrik olmadığı kabul edilir. Ancak, avuç içi tanımanın klasik biyometrik yöntemlere göre sahtecilik riskinin az olması, teklik ve tutarlı güçlü bağışıklık avantajları vardır. Biyometrik sistemlerde, kişilerin tanınması ve doğrulanması için el izi, ses, parmak izi, yüz, avuç içi damar görüntüsü gibi birçok metotlar vardır. Bu metotlar; bilgisayar sistemleri, dizüstü bilgisayarlar, binalara güvenli giriş ve ATM'lerde uygulamalarda kullanılır. Çalışmamızda, kişiyi avuç içi damar görüntüsü ile tanımak için üç yöntem kullanıldı. Birinci yöntemde, GLCM ile özellikler çıkartıldı, birleştirildi ve LBP ile tanındı. İkinci yöntemde, GLCM ile dalgacık dönüşümü (WD) algoritması kullanılarak resimler sıkıştırıldı ve LBP ile tanındı. Üçüncü yöntemde tanıma için veri madenciliği (sinir ağı, SOM) kullanıldı. Bizim tez çalışmasının amacı; avuç içi damar kullanarak yüksek oranda insan tanımaktır. En iyi sonucu 3. Yöntemde elde ettik. Hazır bir avuç içi görüntü veri tabanı kullanılmıştır.

Palm recognition is one of the research areas that has been considered in recent years. The palm vein pattern is not popular biometric because of its high development cost when compared with other biometric system such as fingerprint, palm print, face and iris. However, the main advantage of palm vein on classical biometric is the low risk of falsification, uniqueness, strong immunity to forge and stability. In biometric systems, there are many methods to allow identification or verification of human persons such as handprint, voice, finger print, face, palm vein image, which are used in many applications computer systems, laptops, secure access to buildings, and ATMs, cellular phones. In our work, we have tried to use palm vein image with three methods identification of human persons. First method that we have used LBP with GLCM, where extract features and combine all of them. Second method we used wavelet transformation (WD) algorithm with LBP, GLCM, where we used WD to compression the images and add more extract to our model. Third method that we have used is one of type data mining (neural network), the aim of our thesis is to get the high accuracy of palm vein recognition for human identification. The outcomes reveal that we get the high accuracy rate with large numbers of persons by suing the first method. We have used a ready palm print image database.