Identification des empreintes digitales basée sur une méthode holistique.
| dc.contributor.author | Adli Slimane | |
| dc.contributor.author | Amouchas Hocine | |
| dc.date.accessioned | 2025-04-22T11:25:24Z | |
| dc.date.available | 2025-04-22T11:25:24Z | |
| dc.date.issued | 2023 | |
| dc.description | 39p .; ill .; 30cm (CD-ROM) | |
| dc.description.abstract | Ce mémoire traite de l'identification des empreintes digitales, une méthode essentielle pour l'authentification et la sécurité des accès. Le premier chapitre introduit la biométrie, expliquant son importance, ses applications et ses différents types, ainsi que les critères de performance des systèmes biométriques et les défis associés à leur utilisation. Le deuxième chapitre présente un aperçu des méthodes et techniques existantes pour l'identification des empreintes digitales, couvrant l'histoire, les approches de capture et d'analyse, ainsi que les principaux algorithmes de traitement et de reconnaissance. Le troisième chapitre décrit en détail la méthodologie adoptée. Le prétraitement des images d'empreintes digitales inclut l'égalisation d'histogramme pour améliorer le contraste et la binarisation pour simplifier le traitement. Pour l'extraction de caractéristiques, les cartes de distance sont utilisées pour représenter les structures des crêtes et des vallées, tandis que le LBP (Local Binary Pattern) capture les motifs de texture locaux. La classification est effectuée à l'aide de SVM (Support Vector Machine), un algorithme de classification efficace pour différencier les empreintes digitales basées sur les caractéristiques extraites. Les résultats obtenus démontrent que l'approche proposée, combinant ces techniques de prétraitement et d'extraction de caractéristiques avec les SVM pour la classification, offre une performance satisfaisante. Les résultats sont analysés en termes de précision, de taux de faux rejet et de taux de faux acceptation, prouvant l'efficacité de la méthode. En conclusion, ce mémoire démontre que l'utilisation de techniques avancées de prétraitement et d'extraction de caractéristiques, combinées avec des algorithmes de classification robustes comme les SVM, peut améliorer significativement la précision et la fiabilité des systèmes d'identification des empreintes digitales. Des suggestions pour des travaux futurs incluent l'exploration de nouvelles techniques de machine learning et l'intégration de méthodes de fusion multi-biométriques pour une identification encore plus précise | |
| dc.identifier.citation | Instrumentation et Systèmes Embarqués | |
| dc.identifier.other | MAST.ELN.72-23 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/27326 | |
| dc.language.iso | fr | |
| dc.publisher | FGEI.UMMTO | |
| dc.subject | Identification des empreintes digitales | |
| dc.subject | Biométrie | |
| dc.subject | Égalisation d'histogramme | |
| dc.subject | Binarisation | |
| dc.subject | Cartes de distance | |
| dc.subject | Local Binary Pattern | |
| dc.subject | Support Vector Machine | |
| dc.subject | Prétraitement des images | |
| dc.subject | Extraction de caractéristiques | |
| dc.subject | Classification | |
| dc.subject | Taux de faux rejet | |
| dc.subject | Taux de faux acceptation | |
| dc.subject | Techniques de machine learning | |
| dc.subject | Systèmes biométriques | |
| dc.subject | cation et sécuritéAuthentifi | |
| dc.title | Identification des empreintes digitales basée sur une méthode holistique. | |
| dc.type | Thesis |