[논문]런길이 및 체인코드를 이용한 지문 융선의 방향 검출

이정환; 박세현

런길이 및 체인코드를 이용한 지문 융선의 방향 검출
Detection of Fingerprint Ridge Direction Based on the Run-Length and Chain Codes 원문보기

한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.8 no.8, 2004년, pp.1740 - 1747

이정환 (안동대학교 전자정보산업학부) , 박세현 (안동대학교 전자정보산업학부)

초록
AI-Helper

본 논문에서는 지문 융선의 방향정보를 검출하는 효과적인 방법을 제안하였다. 제안방법은 먼저 지문영상을 정규화하고 융선이 있는 전경영역과 융선이 없는 배경영역으로 분할하여 문턱값으로 이진영상으로 변환한다. 전경영역은 융선(ridge)과 골(valley)부분으로 구성되는데 융선의 경계를 런길이 부호를 이용하여 체인코드로 표현한다. 지문 융선의 각 화소에서 방향정보를 검출하기 위해서 체인코드로 표현된 융선 경계를 추적하면서 방향정보를 구한다. 그리고 일정한 블록내의 융선방향은 급격하게 변하지 않으므로 블록별로 평활화하여 각 화소의 방향정보를 구한다. 제안방법의 성능평가를 위해 NIST 및 FVC2002 지문데이터베이스를 이용하여 컴퓨터시뮬레이션을 수행하였다. 실험 결과 제안방법을 지문 융선의 방향정보를 효과적으로 검출하는데 이용할 수 있음을 보였다.

Abstract ▼ AI-Helper

In this paper, we proposed an effective method for detecting fingerprint ridge direction based on the run-length and chain codes. First, a fingerprint image is normalized, and it is thresholded to obtain binary image with foreground and background regions. The foreground regions is composed of fingerprint ridges, and the ridges is encoded with the run-length and chain codes. To detect directional information, the boundary of ridge codes is traced, and curvature is calculated at ecah point of boundary. And the detected direction value is smoothed with appropriate window locally. The proposed method is applied to NIST and FVC2002 fingerprint database to evaluate performance. By the experimental results, the proposed method can be used to obtain ridge direction value in fingerprint image.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 런길이 부호화 및 체인코드를 이용하여 지문 융선의 방향정보를 효과적으로 구하는 방법을 제안하였다. 지문영상의 방향정보 검출과정은 지문영상의 개선, 융선의 양 끝점 및 분기점에 해당하는 특징점 추출을 위해 꼭 필요하며 지문인식과정의 성능에 큰 영향을 미치는 중요한 과정이다.
본 논문에서는 융선 경계상의 각 화소에서의 방향정보를 검출하고 이로부터 융선에 속한 런들의 방향값을 얻는다. 그리고 융선의 방향값은 일정한 블록내에서는 급격하게 변하지 않으므로 융선에 속하지 않는 화소의 방향값을 블록내의 이웃화소들의 방향값을 평균하여 얻는다.
본 논문에서는 이러한 문제점을 해결하기 위해서 보다 정확한 방향값을 검출할 수 있는 방법을 연구하였다. 제안된 방법은 이진영상을 표현하는데 많이 사용하는 런길이(run length) 및 체인코드를 이용하여 각 융선상의 화소에서 방향값을 계산하는 방법이다.

제안 방법

또주사선이 끝날 때 마다 주사선의 동기를 위해 "L" 코드를 COD 테이블에 저장하여 주사선의 y좌표를 알 수 있도록 하였다.
경계추적을 위해 이진영상이 저장된 메모리를 직접 주사하지 않고 런길이 부호화에서 구한 COD 및 ABS테이블을 검색하여 서로 연결된 두 런의 좌표를 찾아서 체인 부호를 구하는데, 이 방법은 아래와 같이 3부분으로 구분된다.
얻는다. 그리고 융선의 방향값은 일정한 블록내에서는 급격하게 변하지 않으므로 융선에 속하지 않는 화소의 방향값을 블록내의 이웃화소들의 방향값을 평균하여 얻는다. 기존의 방향정보검출방법卩]은 먼저 지문영상을 WxW크기로 블록으로 나누고, 블록내의 각 화소 (如顶)에서 기울기연산자를 사용하여 Z축 및 g축의 기울기성분 如(待), 為(槌)를 각각 계산하고 블록내의 중심점(Z"/)에서의 방향정보를 아래 식으로 계산한다.
전처리된 영상에 대하여 밝기값에 대한 편차를 보정하기 위해 정규화 과정을 수행한다. 그리고 지문 융선에 대한 방향값을 블록별로 계산하여 융선이 없는 배경부분과 융선이 있는 전경영역으로 분할한다. 전경영역에 대하여 Gabor필터, 가우시안필터 등을 사용하여 영상을 개선 (enhancement)한 후 융선과 골을 구분하여 이진영상으로 만들고, 세선화 과정을 적용하여 한 화소로 구성되는 가는 융선을 얻는다.
또한 동일한 런의 양 끝점에서의 방향값을 비교하여 런내부의 방향값을 계산한다. 이렇게 얻은 방향값을 블록별로 평균하여 융선이 있는 전경영역에 속한 모든 화소의 방향값을 구한다.
전경영역에 대하여 Gabor필터, 가우시안필터 등을 사용하여 영상을 개선 (enhancement)한 후 융선과 골을 구분하여 이진영상으로 만들고, 세선화 과정을 적용하여 한 화소로 구성되는 가는 융선을 얻는다. 마지막으로 세선화과정을 거친 가는 융선을 추적하여 단점, 분기점등특징점을 검출하여 지문영상을 인식한다[7, 8, 10]. 지문인식시스템에서 융선의 방향정보는 매우 중요한 특징이 되며, 특징점의 방향정보의 정확성은전체 인식시스템의 성능에 큰 영향을 미치게 된다.
그림 6에서는 전경영역의 각 화소에서의 방향정보를 표시한 것으로 밝은 부분은 각도가 큰 화소이고, 어두운 부분은 각도가 작은 화소들이다. 방향정보는 융선상의 경계점에서 곡률값을 계산하고, 융선의 곡률값은 일정한 블록내에서는 급격히 변하지 않으므로 이를 평활화하여 융선에 속하지 않는 화소의 방향정보를 얻었다. 본 논문에서는 평활화를 위한 블록의 크기를 8x8로 하였다.
융선을 구성하는 런 내부 화소의 방향정보는 융선 방향이 급격하게 변하지 않으므로 융선 경계의 방향정보를 이용하여 구할수 있다. 본 논문에서는 융선의 경계점은 런의 시점과 종점으로 구성되므로 런 내부의 방향정보는 런의 시점 및 종점의 방향정보를 사용하여 구한다. 그림 4는 융선상의 경계 丸.
본 논문에서는 입력된 지문영상에서 전경영역만을 이진영상으로 변환한다. 그리고 융선의 방향정보를 검출하기 위해서 이진영상을 런길이 부호화및 체인코드로 표현한다.
제안된 방법은 먼저 입력된 지문영상을 정규화하고, 정규화된 지문영상에 대하여 블록별 분산을 이용하여 전경과 배경으로 영상을 분할한다. 분할된 이진영상에서 전경영역에 런길이부호화를 적용하여 융선의 경계를 체인코드로 표현한다. 그리고 융선의 경계를 추적하면서 각 화소의 방향정보를 검출하는 방법이다.
제안된 방법은 이진영상을 표현하는데 많이 사용하는 런길이(run length) 및 체인코드를 이용하여 각 융선상의 화소에서 방향값을 계산하는 방법이다. 제안된 방법은 먼저 입력된 지문영상을 정규화하고, 정규화된 지문영상에 대하여 블록별 분산을 이용하여 전경과 배경으로 영상을 분할한다. 분할된 이진영상에서 전경영역에 런길이부호화를 적용하여 융선의 경계를 체인코드로 표현한다.
제안된 방법은 이진영상을 표현하는데 많이 사용하는 런길이(run length) 및 체인코드를 이용하여 각 융선상의 화소에서 방향값을 계산하는 방법이다. 제안된 방법은 먼저 입력된 지문영상을 정규화하고, 정규화된 지문영상에 대하여 블록별 분산을 이용하여 전경과 배경으로 영상을 분할한다.
제안된 방법의 성능 평가를 위해 인공적으로 만든 지문영상, 전경영역으로만 구성된 지문영상, 전경과 배경영역으로 나누어지는 지문영상 등으로 지문영상의 각 화소의 방향값을 계산하여 컴퓨터시뮬레이션을 수행하였다. 실험결과 제안 방법이 지문영상의 방향값을 보다 정확하게 계산할 수 있음을 알 수 있었다.
제안방법에서는 융선 경계를 추적하면서 경계상의 각 점에서의 곡률값을 계산하여 방향정보를 구한다. 지문 융선의 경계를 체인코드로 표현하면 다음 식(11)과 같이 표현할 수 있다.
지문영상의 방향정보 검출과정은 지문영상의 개선, 융선의 양 끝점 및 분기점에 해당하는 특징점 추출을 위해 꼭 필요하며 지문인식과정의 성능에 큰 영향을 미치는 중요한 과정이다. 제안방법은 먼저 지문영상을 정규화하고 블록별로 분산을 계산하여 지문영상을 융선이 있는 전경영역과 융선이 존재하지 않는 배경영역으로 분할하고 전경영역만을 이진영상으로 변환한다. 그리고 이진영상에 대하여 런길。j 부호화를 수행하고 이로부터 융선의 경계선을 체인코드로 표현한다.

대상 데이터

방향정보는 융선상의 경계점에서 곡률값을 계산하고, 융선의 곡률값은 일정한 블록내에서는 급격히 변하지 않으므로 이를 평활화하여 융선에 속하지 않는 화소의 방향정보를 얻었다. 본 논문에서는 평활화를 위한 블록의 크기를 8x8로 하였다. 그림 7 은 제안방법을 적용하여 얻은 그림 6의 방향정보를 16방향 Poincare 인덱스[14]로 표시한 것이다.
실험에 사용된 영상은 크기는 256x256이고 256 단계의 밝기값을 갖으며 500dpi로 스캔된 데이터이다. 그림 5(a)는 인공적으로 만든 영상으로 제안방법이 방향정보를 정확하게 검출하는지를 알아보기 위한 것이다.

데이터처리

제안방법의 성능을 평가하기 위해서 NIST 및 FVC₂₀02 지문데이터베이스[6]의 지문영상을 사용하여 Visual C++6.0으로 컴퓨터 시뮬레이션을 수행하였다.

성능/효과

수행하였다. 실험결과 제안 방법이 지문영상의 방향값을 보다 정확하게 계산할 수 있음을 알 수 있었다. 앞으로 제안방법을 확장하여 지문영상의 개선 및 인식방법에 대한 연구가 수행되어야 한다.
그림 8은 기존방법【1】을 적용하여 방향정보를 구한 것이다. 실험결과 제안방법이 지문영상의 방향정보를 효과적으로 검출하는데 사용될 수 있음을 알 수 있었다.

후속연구

실험결과 제안 방법이 지문영상의 방향값을 보다 정확하게 계산할 수 있음을 알 수 있었다. 앞으로 제안방법을 확장하여 지문영상의 개선 및 인식방법에 대한 연구가 수행되어야 한다.

참고문헌 (14)

Lin Hong, Yifei Wan, and Anil K. Jain,, 'Fingerprint Image Enhancement: Algorithm and Performance Evaluation', IEEE Trans. on Pattern Analysis and Macjine Intelligence, vol.20, no.S, pp.777-789, August, 1998

상세보기
Anil K. Jain, Salil Prabhakar, Lin Hong, and Sharath Pankanti, 'Filterbank_based Fingerprint Matching', IEEE Trans. on Image Processing, vo1.9, no.5, pp.846-859, May. 2000

상세보기
D. Sherlock, D. Monor, and K. Millard, 'Fingerprint Enhancement by Directional Fourier Filtering', IEE Proc. Vision, Image and Signal Processing, vo1.141, no.2, pp.87-94, 1994

상세보기
Anil K. Jain, Lin Hong, and R. Bolle, 'On-Line Fingerprint Verification', IEEE Trans. on Pattern Analysis and Machine Intelligence, vo1.19, no.4, pp.302-313, 1997

상세보기
D.Miao and D. Maltoni, 'Direct Gray-Scale Minutiae Detection in Fingerprints', IEEE Trans. on Pattern Analysis and Machine Intelligence, vo1.19, no.l, 1997
D. Maio, D. Maltoni, R. Cappelli, J.L Wayman, and Anil K. Jain, 'FVC2000 : Fingerprint Verification Competition', ICPR, Barcelona, Sept. 2000, http://www.bias.csr.unibo.it/fvc2000
양지성, 안도성, 김학일, '지문의 의사특징점제거알고리즘 및 성능분석', 전자공학회 논문지, 제37권, C편, 제3호, pp.130-144, 2000
김현, 김학일, 'RSTI 불변 지문인식 알고리즘', 전자공학회 논문지, 제35권 S편, 제6호, pp.838-850, 1998
C. J. Lee and S. D. Wang, 'Fingerprint Feature Extraction using Gabor Filters', Electronics Letters, vo1.35, no.4, pp.288-290, 1999

상세보기
N. K. Ratha, S. Chen, and Anil K. Jain, 'Adaptive Flow Orientation-based Feature Extraction in Fingerprint Images', Pattern Recognition, vol.28, no.11, pp.1657-1678, 1995

상세보기
김두현, 박래홍, 컨백스구조를 이용한 지문의 특징점 추출', 전자공학회 논문지, 제40권, SP편, 제6호, pp.427-435, 2003
S. D. Kim, J. H. Lee, and J. K. Kim, 'A new chain coding algorithm for binary images using run-length codes', Computer Vision, Graphics, and Image Processing 41, pp.114-128, 1988

상세보기
D. W. Jung and R. H. Park, Robust Fingerprint Identification based on Hybrid Pattern Recognition Methods', in Hybrid Methods in Pattern Recognition, H. bunke and A. Kandel, Eds., World Scintific Pub. co., pp.275-300, 2000
D.Maltoni, D.maio, A.K.Jain, and S.Prabhakar, 'Handbook of Fingerprint Recognition', Springer, 2003

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증