الفهرس 
Chapter 1 IntroductionOnly 14 pages are availabe for public view
 |  | from | 144 |  |  |
| | | from | 144 | | |
Abstract
يعد التعرف على الوريد اليدوي الظهري (DHV) تقنية بيومترية مزدهرة حظيت مؤخرًا باهتمام كبير.وهذا البحث يستخدم تقنية معالجة الصورو التعلم العميق لتقديم نهج جديد للتعرف على الوريد اليدوي الظهري. وذلك من خلال اكتشاف وتحديد السمات الفريدة الموجودة في الوريد اليدوي الظهري. يبدأ النظام المقترح بآلية معالجة الصور التي يتم تطبيقها لتحسين جودة الصور المكتسبة، وتوضيح التباين وتقليل الضوضاء، ويتم ذلك من خلال استخدام بعض المرشحات مثل Median و Contrast Limited Adaptive Histogram Equalization (CLAHE).. بعد ذلك، يتم استخدام نموذج التعلم العميق، مثل الشبكة العصبية التلافيفية (CNN) التي تعمل على استخراج السمات المميزة تلقائيًا من صور الوريد المعالجة مسبقًا. وتثبت النتائج التجريبية تأثير وموثوقية النموذج المقترح للتعرف على الوريد، مما يجعلها حلاً واعدًا لأنظمة المصادقة البيومترية. النموذج المقترح حقق دقة عالية في معدل تعرف الدقة (accuracy)، والاستدعاء(recall)، الضبط (precious)، ودرجة f (f-score) حوالي 99,7%، 97%، 96%، 96%، على التوالي. وقت التعرف (recognition time) حوالي 1283.45 ثانية. وللزيادة قدرة النموذج على التعرف على السمات وتقليل وقت التعرف، تقليل تعقيد التعلم وشبكة وتكوين ال (CNN).يتم تقديم نموذج مقترح اخر يسمى Restricted Boltzmann Machines (RBM).هذا النموذج حقق دقة فائقة مقارنة بالخوارزميات المعاصرة الأخرى. حيث حقق النموذج المقترح (RBM) دقة عالية (accuracy) في معدل التعرف، والاستدعاء(recall)، والضبط (precious)، ودرجة f (f-score) من 99,9%، 99%، 99%، 99%، على التوالي، ووقت التعرف (recognition time) يبلغ حوالي 137. 235 ثانية.