Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Robust Orientation Estimation Algorithm of Fingerprint Images

노이즈에 강인한 지문 융선의 방향 추출 알고리즘

  • Lee, Sang-Hoon (Biometrics Engineering Research Center, Yonsei Univ.) ;
  • Lee, Chul-Han (Biometrics Engineering Research Center, Yonsei Univ.) ;
  • Choi, Kyoung-Taek (Biometrics Engineering Research Center, Yonsei Univ.) ;
  • Kim, Jai-Hie (Biometrics Engineering Research Center, Yonsei Univ.)
  • 이상훈 (연세대학교 생체인식연구센터) ;
  • 이철한 (연세대학교 생체인식연구센터) ;
  • 최경택 (연세대학교 생체인식연구센터) ;
  • 김재희 (연세대학교 생체인식연구센터)
  • Published : 2008.01.25
Download PDF
⟨ Previous Next ⟩

Abstract

Ridge orientations of fingerprint image are crucial informations in many parts of fingerprint recognition such as enhancement, matching and classification. Therefore it is essential to extract the ridge orientations of image accurately because it directly affects the performance of the system. The two main properties of ridge orientation are 1) global characteristic(gradual change in whole part of fingerprint) and 2) local characteristic(abrupt change around core and delta points). When we only consider the local characteristic, estimated ridge orientations are well around singular points but not robust to noise. When the global characteristic is only considered, to estimate ridge orientation is robust to noise but cannot represent the orientation around singular points. In this paper, we propose a novel method for estimating ridge orientation which represents local characteristic specifically as well as be robust to noise. We reduce the noise caused by scar using iterative outlier rejection. We apply adaptive measurement resolution in each fingerprint area to estimate the ridge orientation around singular points accurately. We evaluate the performance of proposed method using synthetic fingerprint and FVC 2002 DB. We compare the accuracy of ridge orientation. The performance of fingerprint authentication system is evaluated using FVC 2002 DB.

지문의 방향 정보는 융선 강화, 정합, 분류기 등과 같이 전반적인 지문 인식 알고리즘의 기반 정보로 사용하므로 방향 정보의 오차는 지문 인식 성능에 직접적인 영향을 준다. 지문의 방향은 대부분의 영역에서는 융선의 흐름이 완만하게 변하는 전역적인 특성과 중심점(core point)이나 삼각주(delta point)와 같은 특이점(singular point) 부근에서 융선의 흐름이 급격히 변하는 지역적인 특성을 모두 갖고 있다. 따라서 융선의 방향 추출 시에 지역적인 특성만 강조하면 특이점 부근에서의 방향 변화를 민감하게 표현해 줄 수 있지만 노이즈에 취약한 단점이 발생하고 전역적인 특성만 강조하면 노이즈에 강인한 특성을 보이지만 특이점 부근에서 방향 변화에 둔감해진다. 본 논문에서는 지역적인 특성에 민감하면서도 노이즈에 강인한 적응적 지문 방향 추출 방법에 대하여 제안하였다. 또한, 상처에 의해 발생되는 방향성 노이즈는 반복 회귀 진단으로 이상치(outlier)들을 선별하여 제거함으로써 이에 대한 영향을 최소화하였다. 그리고 영역별로 측정 사이즈를 다르게 하여 노이즈에 강인하면서 특이점 부근에서는 융선 변화에 민감하게 방향을 추정하였다. 제안 방법의 평가를 위해 인조 지문(synthetic fingerprint)과 지문 인식의 성능 평가용으로 많이 사용되는 FVC 2002 데이터베이스를 사용하였다. 융선 방향 추출의 정확성은 융선의 방향 값을 사전에 알고 있는 인조 지문 데이터를 생성하여 평가하였고 최종 지문 인식 성능의 평가는 FVC 2002 데이터베이스를 사용하였다.

Keywords

References

  1. A. Jain, L. Hong, S. Pankanti, R. Bolle, "An identity-authenticationsystem using fingerprints", Proc. IEEE 85 (9), 1365-1388, 1997
  2. D. Maio, D. Maltoni, "Direct gray-scale minutiae detection in fingerprints", IEEE Trans. Pattern Anal. Mach. Intell. 19 (1) 27-40, 1997
  3. X. Jiang, W. Yau, "Fingerprint minutiae matching based on the local and global structures", Proceedings ofthe 15th International Conference on Pattern Recognition, vol. 2, pp.1042-1045, September 2000
  4. R. Cappelli, A. Lumini, D. Maio, D. Maltoni, "Fingerprint classification by directional image partitioning", IEEE Trans. Pattern Anal. Mach. Intell. 21 (5), 402-421, 1999 https://doi.org/10.1109/34.765653
  5. M.Kass, A.Witkin, "Analyzing Oriented Pattern", Computer Vision, Graphics, and Image Processing, Vol. 37, 362-385, 1987 https://doi.org/10.1016/0734-189X(87)90043-0
  6. L. Hong, Y. Wan, and A. Jain, "Fingerprint Image Enhancement: Algorithm and Performance Evaluation", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 20, pp. 777 -789, August 1998 https://doi.org/10.1109/34.709565
  7. K. Mardia, A. Baczkowski, X. Feng, T. Hainsworth, "Statistical Methods for Automatic Interpretation of Digitally Scanned Fingerprints", Internal Report STAT 97/23, 12, 1997
  8. X. Feng, P. Milanfar, "Multiscale Principal Components Analysis for Image Local Orientation Estimation", The 36th Asilomar Conference on Signals, Systems and Computers , 2002
  9. Jinwei Gu, Jie. Zhou, David Zhang, "A combination model for orientation field of fingerprints", Pattern recognition, vol. 37, 2004, pp. 543-553 https://doi.org/10.1016/S0031-3203(03)00178-X
  10. D. Marr, "Vision" San Francisco, California: Freeman, 1982
  11. Douglas C. Montgomery, Elizabeth A. Peck, G. Geoffrey Vining, "Introduction to Linear Regression Analysis, 3rd Edition", John Wiley Sons. Inc. 2001
  12. R. Dula, P. Hart, D. Stork, "Pattern Classification", John Wiley Sons. Inc, 2001
  13. S. Huvanandana, C. Kim, J. Hwang, "Reliable and fast fingerprint identification for security applications", 2000 International Conference on Image Processing , Volume: 2, Jan. 2001 Page(s): 503 -506
  14. D. Maltoni, D. Maio, A. Jain, and S. Prabhakar, "Handbook of Fingerprint Recognition", Springer, NewYork: 2003
  15. FVC2000, http://bias.csr.unibo.it/fvc2000
  16. FVC2002, http://bias.csr.unibo.it/fvc2002
  17. FVC2004, http://bias.csr.unibo.it/fvc2004
  18. FVC2006, http://bias.csr.unibo.it/fvc2006
  19. R. Cappelli, D. Maio, and D. Maltoni, "An Improved Noise Model for the Generation of Synthetic Fingerprints", in Proceedings 8th International Conference on Control, Automation, Robotics and Vision, Kunming, China, 6-9th, December 2004
  20. D. Maio, D. Maltoni, "Ridge-line Density Estimation in Digital Images", International Conference on Pattern Recognition, Australia, August 1998
  21. W. Jang, D. Park, D. Lee, and S. Kim, "Fingerprint Image Enhancement Based on a Half Gabor Filter", Proc. IAPR Intl. Conf. on Biometrics, ICB, Springer LNCS-3832, pp. 258-264, Hong Kong, January 2006
  22. D. Lee, K. Choi, and J. Kim, "A Robust Fingerprint Matching Algorithm Using Local Alignment", International Conference on Pattern Recognition, Quebec, Canada, August 2002