초록
본 논문은 다수의 지문 특징점 템플릿(fingerprint minutiae template)을 융합하여 하나의 슈퍼 템플릿(super-template)을 생성하는 새로운 알고리즘을 제안한다. 슈퍼 템플릿은 지문의 올바른 특징점 정보만으로 구성된 템플릿을 의미하는 것으로써 된 연구에서 제안하는 재귀적 베이지안 추정(recursive Bayesian estimation) 방법으로 특징점의 신뢰도를 추정하여 논은 신뢰도를 가지는 특징점만으로 슈퍼 템플릿을 생성한다. 본 논문에서는 지문 영상이 순차적으로 획득될 때, 나중에 획득된 지문 영상 특징점 정보에 재귀적 베이지안 추정 기법을 적용하여 먼저 획득된 영상의 특징점들에 대한 신뢰도를 추정한다. 적용된 재귀적 베이지안 추정 방법은 여러 영상에서 공통적으로 발견된 특징점에 대해 그 신뢰도를 증가시키는 반면, 다른 영상에서 발견되지 않는 특징점의 신뢰도는 감소시킨다. 같은 방법으로, 특징점의 타입(분기점과 단점)에 대한 신뢰도도 추정할 수 있다. 본 논문은 실험을 통해 제안한 알고리즘에 의한 슈퍼 템플릿이 인증 성능을 크게 향상시킬 수 있음을 보였다.
This paper proposes an algerian of generating a tuner-template from multiple fingerprint impressions using a data fusion technique for fingerprint enrollment. The super-template is considered as a single fingerprint template which contains most likely true minutiae based on multiple fingerprint images. The proposed algorithm creates the super template by utilizing a recursive Bayesian estimation method (RBEM), which assumes a sequential fingerprint input model and estimates the credibility of the minutiae in previous input templates froma current input template. Consequently. the RBEM assigns a higher credibility to commonly detectable minutiae from several input templates and a lower credibility to rarely found minutiae from other input templates. Likewise, the RBEM is able to estimate a credibility of the minutia type (ridge ending or bifurcation). Preliminary experiments demonstrate that, as the number of fingerfrint images increases, the performance of recognition can be improved while maintaining the processing time and the size of memory storage for tile super-template almost constant.
