Derin öğrenmeye dayalı el sırtı damar tanıma tekniğinin geliştirilmesi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2018

Tezin Dili: Türkçe

Öğrenci: SAINAIMUJIANG KUERBAN

Danışman: Mete Çelik

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

El sırtı damarı tanıma, biyometrik tanıma tekniklerinden birisidir. Şimdiye kadar çok çeşitli biyometrik yaklaşımlar test edilmiş ancak bazıları istenen performansta sistem doğruluğu verememiştir. Bu nedenle bu tezde, Yakın Kızılötesi (Near Infrared - NIR) görüntüleri kullanarak el damarı kalıplarını tanımlamak ve tanımak için Evrişimsel Sinir Ağı (Convolutional Neural Network - ESA) yöntemi ile bir derin öğrenme sınıflandırma stratejisi önerilmiştir. NIR el damarı görüntüleri farklı sıcaklık koşullarına sahiptir ve damar örüntüinin her birey için farklı olması nedeniyle daha iyi bir kalite ve ileri güvenlik sağlar. Başlangıçta damar görüntüleri, yüksek kaliteli el damarı görüntüleri elde etmek için, ön işleme tabi tutulur ve bu işlem el sırtı damarlarının çıkarılması için uygun görüntüler sağlar. Daha sonra, el sırtından damarın çıkarılması için Fuzzy C-Mean (FCM) yöntemi kullanılmakta ve böylece özellik çıkarımı adımının desteklenmesi sağlanmaktadır. Damar tanıma evreleri için, ESA, önceden oluşturulmuş tanımaya göre sınıflandırılmış ilgi bölgesini (region of interest - ROI) eğitir. Ayrıca, ESA yaklaşımı doğruluğu önemli ölçüde arttırır ve el damarını tanıma problemine çözüm bulur. Deneysel sonuçlar, önerilen modelin % 94.5 doğruluk elde ettiğini göstermektedir. Anahtar Kelimeler: Evrişimsel Sinir Ağları, Derin Öğrenme, Örüntü tanıma, Sınıflandırma, Biyometrik Sistem