Please use this identifier to cite or link to this item: http://dspace.univ-guelma.dz/jspui/handle/123456789/14023
Full metadata record
DC FieldValueLanguage
dc.contributor.authorGriouz, Badreddine-
dc.date.accessioned2022-11-24T12:34:56Z-
dc.date.available2022-11-24T12:34:56Z-
dc.date.issued2021-09-24-
dc.identifier.urihttp://dspace.univ-guelma.dz/jspui/handle/123456789/14023-
dc.description.abstractCette thèse propose des systèmes de reconnaissance automatique des personnes par les signaux de la main tels que la reconnaissance des veines des doigts (FVR). En effet, il trouve principalement son importance pour l'authentification des documents administratifs et officiels dans lesquels une plus grande précision est nécessaire. Dans l'approche proposée, les caractéristiques sont extraites à l'aide de trois descripteurs: Les caractéristiques d'image statistique binaire (BSIF), Les modèles binaires locaux (LBP) et la quantification de phase locale (LPQ). Nous avons proposé aussi la méthode de décomposition pyramidale spatiale (SPD) pour améliorer les performances. La technique (SPD) décompose une image en sous-régions à partir desquelles les histogrammes sont calculés et concaténés. Dans l'étape suivante, le vecteur des paramètres obtenus est réduit en utilisant la méthode LDA qui élimine également la redondance dans le vecteur caractéristique, enfin le classificateur KNN est appliqué pour obtenir la décision finale. Les bases de données d'images SDUMLA et PolyU sont utilisées pour évaluer le système proposé. Les performances mesurées par le taux de reconnaissance atteignent jusqu'à 99,8% et 99,6% respectivement par le système proposé pour les bases de données SDUMLA , PolyU et FVUSM respectivement. Les résultats obtenus surpassant ainsi certains systèmes existantsen_US
dc.language.isofren_US
dc.subjectreconnaissance des veines des doigts (FVR), empreinte des doigts (FKP); extraction de caractéristiques; biométrie; modèles binaires locaux (LBP); caractéristiques d'images statistiques binaires (BSIF), quantification de phase locale (LPQ); k-classificateur du voisin le plus proche (KNN)en_US
dc.titleReconnaissance automatique par signaux de la mainen_US
dc.typeThesisen_US
Appears in Collections:Thèses de Doctorat

Files in This Item:
File Description SizeFormat 
Griouz Badreddine THESE DE DOCTORAT.pdf6,18 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.