선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 개인 인증을 위한 지문인식 시스템에서 사용되는 그레이 레벨 지문 영상에서 골 추적을 이용한 지문의 특징점을 추출하는 알고리즘을제안하였다. 그레이 레벨 지문 영상에서 골 추적을이용한 특징점 추출 알고리즘은 일반적인 특징점추출 알고리즘과 달리 그레이 레벨의 지문 원 영상에서 직접 지문의 골을 추적하여 특징점을 추출한다.
- 본 논문에서는 반복적으로 화소를, 제거하는 세선화 과정을 사용하는 기존의 특징점 추출 알고리즘의 복잡한 처리 절차를 줄이고 입력 지문 영상에서 골의 흐름을 따라 직접 특징점을 추출하여 정합하는 알고리즘을 사용하여 처리 시간을 단축시키고, 지문 영상의 왜곡에서 오는 의사 특징점들의 개수를 줄이는 골 추적을 이용한 지문 정합 알고리즘을 제안한다.
- 본 논문에서는 이러한 문제점에 주목하여 자동 지문 인식 시스템에서 사용되는 지문의 특징점을 빠르고 정확하게 추출할 수 있는 특징점 추출 방법을 제안한다. 제안하는 특징점 추출 방법은 지문 영상의 품질을 향상시키는 전처리 단계, 방향성 추출 및 배경 영역 분리 단계, 실제 각 개 인의 고유한 특징을 추출해 내는 특징점 검출 단계, 그리고 마지막으로 특징점 추출 과정에서 발생한 의사 특징점(false minutiae)을 제거하는 단계로 이루어진다.
- 개선한 알고리즘이다. 지문 입력기를 통해 얻은 원 지문 영상의 골은 융선 상에 존재하는 땀샘으로 인한 구멍이나 작은 융선의 끊김 현상이 적어 융선 추적 방법보다 잡음의 영향이 적으므로 본 논문에서는 골 추적을 이용한 특징점 추출을 제안하였다.
가설 설정
- 골의 단점과 골의 분기점은 각각융선의 분기점과 융선의 단점과 일치한다. 그림 5 는 각각 골의 분기점 (a)과 골의 단점 (b)을 도식화한 것이다. 여기서 특징점은 (1)특징점의 X축과 y 축의 좌표, (2)특징점이 X축과 반 시계 방향으로 이루는 각도와 (3)특징점의 종류 등으로 표현된다.
- 1. 중앙점 m이 속하는 블록에 방향성 <p 값을 가져 온다.
- 2. 선의 끝 섹션 집합 Q에서 국부적 최대 값을찾을 수 없을 경우, 혹은 찾은 국부적 최대 값의 그레이 레벨 값이 설정 값보다 작을 경우. 그러나 실제 웅용에서 위에서와 같은 단순한 조건을 사용한다면, 잡음으로 인해 발생하는 작은 선의 끊김 등으로 인해 선 추적 알고리즘이 쉽게 중단 될 수도 있다.
- 5. 종료 조건을 만족 할 때까지 1~4 단계를 반복한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.