Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Fingerprint classification using the clustering of the orientation of the ridges

융선의 방향성분 군집화를 통한 효과적인 지문분류기법

  • 박창희 (연세대학교 전자공학과) ;
  • 윤경배 (김포대학교 컴퓨터계열) ;
  • 최준혁 (김포대학교 컴퓨터계열)
  • Published : 2003.12.01
Download PDF
⟨ Previous Next ⟩

Abstract

The cores and deltas of fingerprints designate the parts where the flow of the ridges change radically. Observations on the change of the orientation of the ridges around the cores and deltas enable us to guess the location of the cores and deltas. According]y clustering the orientation flowing to the same direction after doing research on the orientation of the ridges on the whole makes us see that the cores and deltas are shaping around the boundaries of the clustering area. It is also observed that The patterns of clustering of the orientation of the ridges classified as Arch, Tented Arch, Left loop, Right Loop and Whorl have its own characteristics respectively. In this paper the method of classifying the fingerprints effectively is proposed and proved its effectiveness by using the clustering of the orientation of the ridges, finding the cores of the fingerprints which don't secure the deltas.

지문의 중심점과 삼각점은 융선의 흐름이 급격히 변하는 부분에 생기는 부위를 지칭하는 것으로 중심점과 삼각점 주위의 융선의 변화를 관찰하면 중심점과 삼각점의 존재 여부를 추측할 수 있다. 융선의 전역적인 방향성분을 구한 후 같은 방향 성분끼리 군집화를 수행하면 군집화된 부분의 경계에 중심점과 삼각점이 형성되는 것을 관찰할 수 있으며, 궁상문, 솟은 궁상문, 좌제상문, 우제상문, 와상문등 크게 5종류로 분류되는 지문의 문양별 방향성문 군집화의 특성이 다르다는 것을 관찰할 수 있다. 본 논문에서는 삼각점을 획득하지 못한 지문을 이용하여 지문의 중심점을 구한 후 방향성분 군집화를 통하여 지문분류를 효과적으로 할 수 있는 방법을 제안하고 실험을 통하여 이를 증명한다.

Keywords

References

  1. 박창희, 윤경배, 고창배 "융선 엔트로피 계측을 이용한 지문분류" 정보처리학회 논문지, 제 10-B 권 제 4 호, 2003.
  2. 심현보, 박영배, "Gabor 필터를 이용한 효율적인 지문분류" 정보처리학회 논문지, 제9-B권, pp.29-34 2002
  3. 양지성, 김학일, "지문의 의사 특징점 제거 알고리즘 및 성능분석" 전자공학회논문지, 제 37 권, S 편, 제 5 호, 2000.
  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. 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
  7. 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
  8. Maio D, Maltoni D, "A Structural Approach to Fingerprint Classification," Proc. 13th ICPR, Vienna, 1996.
  9. M. Kamijo, "classifying fingerprint images using neural network : deriving the classification state," proc, third int'l conf, neural network, 1996.
  10. R. Cappelli, A. Lumini, D. Maio, D. Malton, "fingerprint classification by directional image partitioning," IEEE trans on pattern analysis machine intelligence, Vol.21, No.3, pp.389-404, 1996
  11. U.S, FBI, "The science of fingerprints : classification and uses," U.S. Goverment Printing Office, Washington, D.C. 1984