کاهش فضاي جستجو در بازشناسي اثر انگشت به کمک تصوير بلوک جهتي
محورهای موضوعی : مهندسی برق و کامپیوترصادق هل‌فروش 1 * , حسن قاسمیان یزدی 2
1 - دانشگاه تربيت مدرس
2 - دانشگاه تربیت مدرس
کلید واژه: اثر انگشتدسته‌بندي پيوستهشناساييکد انگشت,
چکیده مقاله :
نخستين مرحله در هر فرايند شناسايي خودکار اثر انگشت، دسته‌بندي است. فرايند دسته‌بندي، با کوچک‌کردن فضاي جستجو، زمان و هزينه را کاهش مي‌دهد. روشهاي معمول دسته‌بندي، مبتني بر کلاس‌هاي قابل رؤيت اثر انگشت است. نظر به تعداد کم اين کلاس‌ها و عدم توزيع يکنواخت تصاوير اثر انگشت در اين کلاس‌ها، دسته‌بندي پيوسته اثر انگشت مورد توجه قرار گرفته است. در دسته‌بندي پيوسته، يک تابع شباهت تعريف مي‌شود و براي شباهت تصاوير موجود در پايگاه داده و اثر انگشت ورودي، با توجه به تابع تعريف‌شده، درجه‌اي اختصاص مي‌يابد. مرحله تطابق اثر انگشت ورودي با تصاوير موجود در پايگاه داده، از تصويري از پايگاه داده آغاز مي‌شود که بيشترين شباهت را با ورودي داشته باشد. در اين مقاله يک روش براي اندازه‌گيري شباهت و دسته‌بندي پيوسته اثر انگشت مبتني بر تصوير بلوک جهتي، ارائه شده است. روش ارائه‌شده نسبت به انتقال و چرخش اثر انگشت مقاوم بوده و نيازي به وجود و آشکارسازي نقطه مرجع ندارد. پياده‌سازي روش مذکور بر روي پايگاه داده 2000FVC، دقت قابل ملاحظه روش را در کاهش فضاي جستجو در مقايسه با ساير روشها نشان مي‌دهد.
Classification is the first essential step in every automatic fingerprint recognition system. Regarding to the time and expense of recognition process, it has the benefit of search space reduction. Conventional classification methods are based on visible fingerprint classes. However, due to small number of these classes and nonuniform distribution of fingerprints among them, continuous classification scheme has been addressed. In this method, a similarity criterion is defined and a degree of likeness is assigned to the similarity of input fingerprint and each fingerprint in database. According to similarity criterion, matching of input fingerprint is begun first with the image in database that is more similar to input fingerprint. In this paper, a new similarity measuring method is proposed and used for continuous classification of fingerprints. The method is based on block orientation field. It is translation and rotation invariant and does not need core point existence and detection. Experimental results on FVC2000 database demonstrate the effectiveness of the proposed algorithm in search space reduction compared with the other methods.
[1] D. Maltoni, D. Maio, A. K. Jain, and S. Prabhakar, Hand Book of Fingerprint Recognition, Springer, New York, pp. 173-202, 2003.
[2] H. Ghassemian, "An automatic fingerprint classification algorithm," Esteghlal J. of Engineering, vol. 18, no. 1, pp. 1-11, Sep. 1999.
[3] J. Qi, S. Young, and Y. Wang, "Fingerprint matching combining the global orientation field with minutia," Pattern Recognition Letters, vol. 26, no. 15, pp. 2424-2430, 2005.
[4] N. Yager and A. Amin, "Evaluation of fingerprint orientation field registration algorithms," in Proc. 17th Int. Conf. on Pattern Recognition ICPR’04, pp. 721-724, 2004.
[5] H. Ghassemian, "A robust structural fingerprint restoration," International J. of Engineering, vol. 10, no. 14, pp. 182-190, Nov. 1997.
[6] T. Kamei and M. Mizoguchi, "Fingerprint preselection using eigen features," in Proc. IEEE Conf. Computer Vision and Pattern Recognition, pp. 918-923, 1998.
[7] J. D. Boer, A. M. Bazen, and S. H. Gerez, "Indexing fingerprint databases based on multiple features," in Proc. Workshop on Circuits, Systems and Signal Processing ProRISC 2001, pp. 300-306, 2001.
[8] R. Cappeli, D. Maio, and D. Maltoni, "Combining fingerprint classifiers," in Proc. 1st Int. Workshop on Multiple Classifier Systems, pp. 351-361, 2000.
[9] B. Bhanu and X. Tan, "Fingerprint indexing based on novel features of minutiae triplets," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 25, no. 5, pp. 402-421, May 2003.
[10] A. K. Jain, S. Probhakar, L. Hong, and S. Pankanti, "Filter bank-based fingerprint matching," IEEE Trans. on Image Processing, vol. 9, no. 5, pp. 846-859, 2000.
[11] ص. هل‌فروش و ح. قاسميان، "تشخيص غير حساس به چرخش اثر انگشت به کمک تصوير بلوک جهتي،" مجموعه مقالات سيزدهمين کنفرانس مهندسي برق ايران، 2005ICEE، جلد اول، صفحه 198-202، ارديبهشت 1384.
[12] A. M. Bazen and S. H. Gerez, "Systematic methods for the computation of the directional fields and singular points of fingerprints," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 24, no. 7, pp. 905-919, Jul. 2002.
[13] Y. He, J. Tian, X. Luo, and T. Zhang, "Image enhancement and minutiae matching in fingerprint verification," Pattern Recognition Letters, vol. 24, no. 9, pp. 1349-1360, Jun. 2003.
[14] H. Ghassemian, "A robust on-line restoration Algorithm for fingerprint segmentation," in Proc. IEEE Int. Conf. on Image Processing, vol. 2, pp. 181-184, Sep. 1996.
[15] D. Maio, A. K. Jain, "FVC2000: fingerprint verification competition," IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 24, no. 3, pp. 402-412, Mar. 2002.