International Islamic University Malaysia Engineering Journal (Jan 2022)

COMPUTATIONLESS PALM-PRINT VERIFICATION USING WAVELET ORIENTED ZERO-CROSSING SIGNATURE

  • Jitendra Chaudhari,
  • Hiren Mewada,
  • Amit Patel,
  • Keyur Mahant,
  • Alpesh Vala

DOI
https://doi.org/10.31436/iiumej.v23i1.2086
Journal volume & issue
Vol. 23, no. 1

Abstract

Read online

Palmprints can be characterized by their texture and the patterns of that texture dominate in a vertical direction. Therefore, the energy of the coefficients in the transform domain is more concentrated in the vertical sideband. Using this idea, this paper proposes the characterization of the texture features of the palmprint using zero-crossing signatures based on the dyadic discrete wavelet transform (DWT) to effectively identify an individual. A zero-crossing signature of 4 x 256 was generated from the lower four resolution levels of dyadic DWT in the enrolment process and stored in the database to identify the person in recognition mode. Euclidean distance was determined to find the best fit for query palmprints zero-crossing signature from the dataset. The proposed algorithm was tested on the PolyU dataset containing 6000 multi-spectral images. The proposed algorithm achieved 96.27% accuracy with a lower recognition time of 0.76 seconds. ABSTRAK: Pengesan Tapak Tangan boleh dikategorikan berdasarkan ciri-ciri tekstur dan corak pada tekstur yang didominasi pada garis tegak. Oleh itu, pekali tenaga di kawasan transformasi adalah lebih penuh pada jalur-sisi menegak. Berdasarkan idea ini, cadangan kajian ini adalah berdasarkan ciri-ciri tekstur pada tapak tangan dan tanda pengenalan sifar-silang melalui transformasi gelombang kecil diadik yang diskret (DWT) bagi mengecam individu. Pada mod pengecaman, tanda pengenalan sifar-silang 4 x 256 yang terhasil daripada tahap diadik resolusi empat terendah DWT digunakan dalam proses kemasukan dan simpanan di pangkalan data bagi mengenal pasti individu. Jarak Euklidan yang terhasil turut digunakan bagi memperoleh padanan tapak tangan paling sesuai melalui tanda pengenalan sifar-silang dari set data. Algoritma yang dicadangkan ini diuji pada set data PolyU yang mengandungi 6000 imej pelbagai-spektrum. Algoritma yang dicadangkan ini berjaya mencapai ketepatan sebanyak 96.27% dengan durasi pengecaman berkurang sebanyak 0.76 saat.

Keywords