Classification floue des images

ASSAS, Ouarda (2013) Classification floue des images. Doctoral thesis, Université de Batna 2.

[img]
Preview
Text
ing assas ouarda.pdf

Download (3MB) | Preview

Abstract

La classification des empreintes digitales consiste à attribuer une empreinte donnée à l'une des classes existantes déjà reconnus dans la littérature. Une recherche sur l'ensemble des empreintes digitales dans la base de données prend beaucoup de temps, donc le but est de réduire le temps de recherche et de la complexité des calculs en choisissant un sous-ensemble approprié de base de données pour la recherche. La classification des empreintes digitales est et restera un problème difficile dans la reconnaissance des formes, en raison de la variabilité interclasse minimale et de la variabilité intra-classe maximale. Ce travail présente des modèles de la classification des empreintes digitales basée sur les réseaux de neurones flous et l’utilisation des points singuliers (centre et Delta) ainsi que leurs positions relatives comme vecteur caractéristique de celles-ci. Le vecteur de sortie est défini en fonction des valeurs d'appartenance aux cinq classes, arc, arc tendu, spire, boucle à gauche et boucle à droite. Trois modèles de réseaux neuronaux flous ont été développés et les images d'empreintes digitales de la base CASIA-FingerprintV5 ont été utilisées pour la construction et le test de ces réseaux. L'utilisation de l’approche neuro-floue pour la classification augmente la crédibilité de la sortie du système de classification.

Item Type: Thesis (Doctoral)
Uncontrolled Keywords: Biométrie, Empreinte digitale, Classification, Extraction des caractéristiques, Points singuliers globaux, les réseaux de neurones artificiels, la logique floue, les réseaux de neurones flous.
Subjects: Technologie
Technologie > Electronique
Divisions: Faculté de technologie > Département d'électronique
Date Deposited: 25 Apr 2017 12:50
Last Modified: 25 Apr 2017 12:50
URI: http://eprints.univ-batna2.dz/id/eprint/1081

Actions (login required)

View Item View Item