$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

모바일 카메라를 이용한 지문인식을 위한 지문영역 추출 및 융선방향 추출 알고리즘

Fingerprint Segmentation and Ridge Orientation Estimation with a Mobile Camera for Fingerprint Recognition

초록

본 논문에서는 모바일 카메라를 이용한 지문인식 시스템 개발에서 지문영역 추출 및 융선 방향 정보 추출 방법에 대해 제안한다. 모바일 카메라로 획득한 지문영상은 기존의 지문센서(접촉식 센서)로 획득한 영상과 여러 가지 다른 특성을 나타낸다. 우선 모바일 카메라로 획득한 지문영상은 칼라영상이며, 배경영역이 획득 장소와 시간에 따라 변화가 심하고, 지문 융선과 골의 조도차가 접촉식 센서에서 획득한 영상보다 작아 노이즈에 대한 영향이 크다는 특징이 있다. 이러한 환경에서 지문영역을 추출하고자 손가락의 색 정보와 지문의 주파수 정보를 이용하여 초기영역을 설정하고 설정된 초기영역을 이용하여 영역확장 방법으로 지문영역을 추출하였다. 손가락의 색 정보는 학습과정을 통해 손가락 색의 확률 분포를 LUT (Look Up Table)기법을 이용해 모델하였고, 주파수 정보는 초점이 맞는 손가락 영역과 초점이 맞지 않는 배경영역의 영상 주파수 특성 차이를 이용하였다. 지문 방향 정보 추출에서는 카메라로부터 발생하는 노이즈나 극단치 (outlier)의 영향을 줄이기 위해 그래디언트 필드에서 초기 방향을 기준으로 노이즈와 극단치를 제거한 후 방향을 구하는 방법을 사용하였다. 실험에서는 모바일 카메라를 이용하여 획득한 지문영상으로 지문영역 추출 및 융선방향 정보 추출에 대한 평가를 했다. 지문영역 추출 알고리즘 평가를 위해 600장의 수동 구분된 지문영상을 사용하였고 융선방향 정보 추출은 지문 인식성능으로 비교 평가 하였다.

Abstract

Fingerprint segmentation and ridge orientation estimation algorithms with images from a mobile camera are proposed. The fingerprint images from a mobile camera are quite different from those from conventional sensor, called touch based sensor such as optical, capacitive, and thermal. For example, the images from a mobile camera are colored and the backgrounds or non-finger regions are very erratic depending on how the image capture time and place. Also the contrast between ridge and valley of a mobile camera image are lower than that of touch based sensor image. To segment fingerprint region, we first detect the initial region using color information and texture information. The LUT (Look Up Table) is used to model the color distribution of fingerprint images using manually segmented images and frequency information is extracted to discriminate between in focused fingerprint regions and out of focused background regions. With the detected initial region, the region growing algerian is executed to segment final fingerprint region. In fingerprint orientation estimation, the problem of gradient based method is very sensitive to outlier that occurred by scar and camera noise. To solve this problem, we propose a robust regression method that removes the outlier iteratively and effectively. In the experiments, we evaluated the result of the proposed fingerprint segmentation algerian using 600 manually segmented images and compared the orientation algorithms in terms of recognition accuracy.

참고문헌 (15)

  1. Angelopoulou Elli, 'Understanding the Color of Human Skin.'Proceedings of the 2001 SPIE conference on Human Vision and Electronic Imaging VI, SPIE Vol. 4299, pp. 243-251, May 2001 
  2. V. Vezhnevets and V. Sazonov and A. Andreeva, 'A survey on pixel-based skin color detection techniques', Graphicon 2003, 13th International Conference on the Computer Graphics and Vision, Moscow, Russia, September, 2003 
  3. Zarit, B. D., Super, B. J., and Quek, F.KH. 'Comparison of Five Color Models in Skin Pixel Classification' International Workshop on Recognition, Analysis, and Tracking of Faces and Gestures in Real-Time Systems, pp. 58-63, 1999 
  4. Trygve Randell, John Hakon Husoy, 'Filtering for Texture Classification: A Comparative Study', IEEE Transactions on PAMI, Vol.21 No.4, pp.291-310, April 1999 
  5. Chern, N. K., Neow, P. A. and Ang Jr., M. H., 'Practical Issues in Pixel-Based Autofocusing for Machine Vision,' Proceedings of the 2001 IEEE International Conference on Robotics and Automation, Seoul, Korea, pp. 2791-2796, May 21-26, 2001 
  6. Richard O. Duda et al, 'Pattern Classification', Wiley-Interscience, Second Edition, 2002 
  7. R. C. Gonzalez, R. E. Woods, 'Digital Image Processing', Addison-Wesley, Second Edition, pp. 613, 2002 
  8. Michael Kass, Andrew Witkin, 'Analyzing oriented pattern', Computer Vision, Graphics, and Image Processing, Vol. 37, Issue 3, pp.362-385, 1987 
  9. Nalini K, Ratha, Chen Shaoyun, Anil K. Jain, 'Adaptive flow orientation-based feature extraction in fingerprint images', Pattern Recognition, Vol. 28, Issue 11, pp. 1657-1672, November 1995 
  10. A.M. Bazen and S.H. Gerez, 'Directional field computation for fingerprints based on the principal component analysis of local gradients', in Proceedings of ProRISC2000, 11th Annual Workshop on Circuits, Systems and Signal Processing, Veldhoven, The Netherlands, November 2000 
  11. Jie Zhou, Jinwei Gu, 'A model-based method for the computation of fingerprints orientation field', IEEE Transactions of image processing, vol.13, No.6, pp.821-835, 2004 
  12. Stock R.M. and Swonger C.W., 'Development and Evaluation of a Reader of Fingerprint Minutiae', Tech. Report: no. XM-2478-1:13-17, 1969 
  13. Douglas C. Montgomery, Elizabeth A. Peck, G. Geoffrey Vining, 'Introduction to Linear Regression Analysis' 3rd Edition, John Wiley Sons. Inc., 2001 
  14. 장원철, 이동재, 김재희, '변형된 게이버 필터를 사용한 지문영상의 향상' 대한전자공학회 논문지 제30권 SP편 제1호 pp. 103-113, 2003년 1월 
  15. D. Lee, K. Choi and Jaihie Kim, 'A Robust Fingerprint Matching Algorithm Using Local Alignment', International Conference on Pattern Recognition, Quebec, Canada, August 2002 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. 원문복사서비스 안내 바로 가기

상세조회 0건 원문조회 0건

DOI 인용 스타일