DOI QR코드

DOI QR Code

융선 기울기의 변화량을 이용한 앙상블 지문분류 시스템

An Ensemble Fingerprint Classification System Using Changes of Gradient of Ridge

  • 윤경배 (김포대학 컴퓨터계열) ;
  • 박창희 (연세대학교 컴퓨터공학과)
  • 발행 : 2003.10.01

초록

본 논문은 전통적인 지문분류 모델인 헨리식 분류방법으로는 적용이 어려운 현대의 자동화된 지문인식 시스템에서 대용량 데이터베이스 운용시 정합속도를 향상시키기 위한 융선 기울기의 변화량을 이용한 앙상블 지문분류 알고리즘을 적용한다. 기존의 분류체계인 헨리분류체계는 중심점과 삼각점을 모두 획득하는 회전낙인의 경우에 사용 가능한 분류방법이나 현대의 자동화된 지문인식 시스템에서는 입력센서의 크기 및 입력방법의 문제로 인하여, 헨리식 분류방법을 적용할 수 없다. 본 논문에서 제안하는 앙상블 지문분류 시스템 알고리즘은 융선 기울기의 변화량을 이용하여 삼각점을 획득하지 못한 영상에서도 기존의 헨리식 분류체계에 의해 분류된 5개의 문양을 분류할 수 있다. 이와 같은 방법으로 지문분류론 수행한 후 정합을 실행하면 정합 대상이 되는 데이터의 양이 줄어들게 되어 인식 시스템의 정합속도를 향상시킬 수 있다.

Henry System which is a traditional fingerprint classification model is difficult to apply to a modem Automatic Fingerprint Identification System (AFIS). To tackle this problem, this study is to apply algorithm for an An Ensemble Fingerprint Classroom System using changes of gradient of ridge in order to improve precise joining speed of a large volume of database. The existing classification system, Henry System, is useful in a captured fingerprint image of core point and delta point using paper and ink. However, the Henry System is unapplicable in modem Automatic Fingerprint Identification System (AFIS) because of problems such as size of input sensor and way of input. This study is to suggest an Ensemble Fingerprint Classroom System which can classify 5 basic patterns of Henry System in uncaptured delta image using changes of gradient of ridge. The proposed fingerprint classification technique will make an improvement of precise joining speed by reducing data volume.

키워드

참고문헌

  1. 김현,김학일, "RSTI 불편 지문인식 알고리즘," 전자공학학회지, 제35권, S편, 제6호, pp. 828-850, 1998.
  2. 양지성,김학일, "지문의 의사 특징점 제거 알고리즘 및 성능분석", 전자공학회논문지, 제37권, S편, 제5호, 2000.
  3. 한국 과학기술원 시스템 공학센터, "지문을 이용한 Security system의 개발에 관한 연구," 1987.
  4. A. K. Jain, Salil prabhakar, Ling Hong, "A Multichannel approach to fingerprint classification," IEEE transaction on pattern analysis and machine intelligence, Vol.21, No.4, 1999.
  5. A. P. Fitz and R. T. Green, "fingerprint classification using hexagonal fast fourier transform," pattern recognition, Vol.29, No.10, pp. 1587-1597. 1996. https://doi.org/10.1016/0031-3203(96)00018-0
  6. B. G. Shelock and D. M. Monro, "A model for interpreting fingerprint topology," pattern recognition, Vol.26, No.7, pp.1047-1055, 1993. https://doi.org/10.1016/0031-3203(93)90006-I
  7. B. M. Mehtre et. aI., "Segmentation of fingerprint images using the directional image," Pattern Recognition, Vol. 7, pp.429-435, 1987.
  8. C. V. K Rao and K. Black, "type classification of fingerprint: a syntactic," IEEE trans, pattern analysis and machine intelligence, Vol.2, No3, pp.223-231, 1980. https://doi.org/10.1109/TPAMI.1980.4767009
  9. G. T. Candela, P. J, Grother, C. I. Watson, R. A. Wilkinson, and C. L. Wilson, "PCASYS-A pattern-level classification automation system for fingerprints," technical report NISTIR 5647, Apr. 1995
  10. K. Karu and A. K. Jain, "fingerprint classification," pattern recognition, Vol.29, No.3, pp.389-404, 1996. https://doi.org/10.1016/0031-3203(95)00106-9
  11. M. Kamijo, "classifying fingerprint images using neural network: deriving the classification state," proc, third int'l conf, neural network, 1996.
  12. Yonsei University, http://cherup.yonsei.ac.kr/ leftmenu/news/biometricstudy/biometricstudy 2_1.htm, 2003.