지문인식 시스템이 높은 신뢰도를 가지기 위해서는, 정확한 특징 정보 검출이 이루어져야 한다. 본 논문에서는 지문 영상내부에서 특징 정보 추출의 정확성을 향상시킬 수 있는 효율적인 주름선 검출 방법을 제안한다. 제안한 방법은 각 화소에 대하여 1차원 방향성 slit을 적용한 다음 slit에 해당하는 화소의 평균 밝기 값과 분산을 이용하여, 화소가 주름선 후보 영역인지를 결정하고 그 위치에 해당하는 주름선 방향을 검출한다. 그리고 후보 영역에 해당하는 화소의 주름선 방향에 의하여 8개의 영상으로 분해한 다음, 각 방향별 분해 영상에서 주름선 영역의 성질을 이용하여 주름선 클러스터를 검출한다. 마지막으로 각 방향별 분해 영상의 주름선 클러스터들을 합성함으로써 주름선 영역을 검출한다. 제안한 방법을 구현하고 실험한 결과 주름선 검출에서 높은 정확성을 나타내었다.
지문인식 시스템이 높은 신뢰도를 가지기 위해서는, 정확한 특징 정보 검출이 이루어져야 한다. 본 논문에서는 지문 영상내부에서 특징 정보 추출의 정확성을 향상시킬 수 있는 효율적인 주름선 검출 방법을 제안한다. 제안한 방법은 각 화소에 대하여 1차원 방향성 slit을 적용한 다음 slit에 해당하는 화소의 평균 밝기 값과 분산을 이용하여, 화소가 주름선 후보 영역인지를 결정하고 그 위치에 해당하는 주름선 방향을 검출한다. 그리고 후보 영역에 해당하는 화소의 주름선 방향에 의하여 8개의 영상으로 분해한 다음, 각 방향별 분해 영상에서 주름선 영역의 성질을 이용하여 주름선 클러스터를 검출한다. 마지막으로 각 방향별 분해 영상의 주름선 클러스터들을 합성함으로써 주름선 영역을 검출한다. 제안한 방법을 구현하고 실험한 결과 주름선 검출에서 높은 정확성을 나타내었다.
For a highly reliable fingerprint recognition system, the precise and accurate feature extraction is indispensable. In this paper, We propose a highly efficient crease extraction method, which can improve the accuracy of feature extraction within the fingerprint image. The proposed method applies th...
For a highly reliable fingerprint recognition system, the precise and accurate feature extraction is indispensable. In this paper, We propose a highly efficient crease extraction method, which can improve the accuracy of feature extraction within the fingerprint image. The proposed method applies the 1-dimensional directional slit for each pixel in fingerprint image. And then it calculates the average grey level and variance to determine whether the current pixel composes the crease, and estimates the direction of crease. Once the direction of every pixel in crease candidate area is estimated, it is decomposed into 8 different images depending on their direction. From the 8 directional images, the crease clusters are estimated by utilizing the property of crease area. The proposed method finally extracts the crease from the crease clusters estimated from directional images. In conclusion, the proposed method highly improved the accuracy of overall feature extraction by accurate and precise extraction of the crease from fingerprint image.
For a highly reliable fingerprint recognition system, the precise and accurate feature extraction is indispensable. In this paper, We propose a highly efficient crease extraction method, which can improve the accuracy of feature extraction within the fingerprint image. The proposed method applies the 1-dimensional directional slit for each pixel in fingerprint image. And then it calculates the average grey level and variance to determine whether the current pixel composes the crease, and estimates the direction of crease. Once the direction of every pixel in crease candidate area is estimated, it is decomposed into 8 different images depending on their direction. From the 8 directional images, the crease clusters are estimated by utilizing the property of crease area. The proposed method finally extracts the crease from the crease clusters estimated from directional images. In conclusion, the proposed method highly improved the accuracy of overall feature extraction by accurate and precise extraction of the crease from fingerprint image.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
가진다. 따라서 본 논문에서는 각 화소에 대하여. 융선 방향을 바탕으로 주름선 특성을 갖는 방향을 검출한 다음, 중심 화소와 주변 화소의 주름선 방향 관계에 의하여 중심 화소를 주름선 영역 후보 화소로 선정한다.
방향성 지도를 구성하는 부 영상의 방향을 정하기 위하여 많은 방법들이 연구되었으나, 본 논문에서는 Sobel 연산을 이용하는 최적화 함수에 의한 방벱迥을 사용하여 부 영상의 방향성을 검출한다. 검출된 방향을 그림 2와 같이 22.
본 논문에서는 이러한 기존 방법들의 장점을 활용하면서, 정확하고 최적화된 새로운 주름선 검출 방법을 제안한다. 제안하는 방법은 크게 세 가지 과정으로 이루어진다.
본 논문에서는 이러한 주름선 영역의 특성에 착안하여, 후보 화소 영상을 각 방향별로 분해하여 주름선 특성을 보이는 영역을 검출하고 그 결과를 합성함으로써, 주름선 영역을 정확하게 추출하게 된다. 주름선 검출을 위한 8방향 영상 분해 및 합성 과정을 도시하면 그림 4 와 같다.
본 논문에서는 이와 같은 주름선의 특성을 복합적으로 이용함으로써, 주름선을 효율적으로 검출할 수 있는 새로운 방법을 제안한다.
본 논문에서는 화소가 가지는 주름 선 방향에 의한 영상 분해를 이용하는 새로운 주름 선 검출 방법을 제안하였다. 제안한 방법은 '주름선 영역을 구성하는 화소의 특성은 주름선 영역 전체의 특성과 일치한다'는 특징을 이용하여 주름 선 영역 후보화소를 검출한다.
제안한 방향성 영상 분해 기반의 주름선 검출 방법에 대한 성능을 확인하기 위하여 실험을 수행한다. 본 논문에서는 제안한 방법을 Visual C++로 구현하고, Pentium-4 CPU 2.
가설 설정
(1) 주름선 영역 화소는 골 및 배경과 유사한 높은 밝기 값을 갖는다.
(2) 와妇와 L는 일치하지 않는다.
영상 (b) 입력 영상에서 주름선 영역.
제안 방법
FVC2002 DB2에서 주름선을 포함하는 지문 영상으로부터 주름선을 추출한 결과를 표 2에 Chenyu의 방향성 최적화 필터에 의한 방법과 비교하여 나타내었다. 제안한 방법이 오 추출 1.
4와 같이 8방향으로 분해한다. 그리고 각 분해된 방향성 영상에 존재하는 후보 화소 클러스터가 주름선 특성 조건을 만족하는지를 검증하여 주름선 영역을 검출한다. 이때, 분해된 각 방향성 영상에는 다수의 클러스터가 존재하므로, labeling 알고리즘을 적용하여 각각의 클러스터를 분리한 다음, 주름선의 형태적 특성을 이용하여 클러스터들 중에서 주름선 영역을 검출한다.
이때 주름선 영역에 해당하는 화소의 클러스터는 분해 영상에서도 화소가 구성하는 클러스터가 유지되는 것을 확인할 수 있다. 그리고 분해 영상들로부터 주름선 특성 클러스터를 검출한 후, 전체 방향의 분해 영상들을 합성함으로써 주름선 영역을 결정하게 된다.
먼저, 주름선 영역을 구성하는 화소의 특성은 주름선 영역 전체의 특성과 일치하는 것을 이용하여, 주름선 영역을 구성하는 후보 화소를 검출한다. 그리고 후보 화소로 구성된 영상에서 후보 화소가 가지는 주름선 방향을 이용하여 영상을 분해한다. 마지막으로 분해된 영상으로부터 주름선 영역 클러스터 (cluster)들을 검출한 다음, 합성함으로서 주름선 영역을 결정한다.
그리고 후보 화소로 구성된 영상에서 후보 화소가 가지는 주름선 방향을 이용하여 영상을 분해한다. 마지막으로 분해된 영상으로부터 주름선 영역 클러스터 (cluster)들을 검출한 다음, 합성함으로서 주름선 영역을 결정한다. 제안된 방법은 주름선의 방향에 무관하고, 통계적 연산만으로 주름선을 검출할 수 있는 장점을 갖는다.
제안하는 방법은 크게 세 가지 과정으로 이루어진다. 먼저, 주름선 영역을 구성하는 화소의 특성은 주름선 영역 전체의 특성과 일치하는 것을 이용하여, 주름선 영역을 구성하는 후보 화소를 검출한다. 그리고 후보 화소로 구성된 영상에서 후보 화소가 가지는 주름선 방향을 이용하여 영상을 분해한다.
본 논문에서 제안하는 주름선 검출 방법은 II장에서 기술한 주름선 영역의 특징을 바탕으로 한다. 지문 영상으로부터 주름선 영역의 특성을 갖는 후보 화소를 검출하고, 검출된 화소가 갖는 주름선 방향을 이용하여 영상 분해 및 합성에 의해 주름선 영역을 검출한다.
성능을 확인하기 위하여 실험을 수행한다. 본 논문에서는 제안한 방법을 Visual C++로 구현하고, Pentium-4 CPU 2.66GHz의 PC에서 실험을 수행하였다. 실험의 입력 데이터는 표 1과 같이 FVC2002 DB2 에서 주름선을 포함하는 지문 영상을 대상으로 하였다.
그림 7. 영상 분해 및 합성에 의한 주름선 검출.
따라서 본 논문에서는 각 화소에 대하여. 융선 방향을 바탕으로 주름선 특성을 갖는 방향을 검출한 다음, 중심 화소와 주변 화소의 주름선 방향 관계에 의하여 중심 화소를 주름선 영역 후보 화소로 선정한다.
그리고 각 분해된 방향성 영상에 존재하는 후보 화소 클러스터가 주름선 특성 조건을 만족하는지를 검증하여 주름선 영역을 검출한다. 이때, 분해된 각 방향성 영상에는 다수의 클러스터가 존재하므로, labeling 알고리즘을 적용하여 각각의 클러스터를 분리한 다음, 주름선의 형태적 특성을 이용하여 클러스터들 중에서 주름선 영역을 검출한다.
마지막으로 분해된 영상으로부터 주름선 영역 클러스터 (cluster)들을 검출한 다음, 합성함으로서 주름선 영역을 결정한다. 제안된 방법은 주름선의 방향에 무관하고, 통계적 연산만으로 주름선을 검출할 수 있는 장점을 갖는다. 제안한 방법의 타당성을 검증하기 위하여 FVC2002 DB2에 대하여 실험한 결과, 기존의 방법에 비해 지문 영상의 주름선 영역을 보다 정확히 검출함을 확인할 수 있었다.
제안한 방법은 '주름선 영역을 구성하는 화소의 특성은 주름선 영역 전체의 특성과 일치한다'는 특징을 이용하여 주름 선 영역 후보화소를 검출한다. 그리고 후보화소가 가지는 주름 선 방향에 의해 영상을 분해한 다음, 분해 영상에 대하여 주름선 영역 클러스터를 검출하고 이들을 합성하여 주름선 영역을 검출하는 방법이다.
주름선 영역의 특징을 바탕으로 한다. 지문 영상으로부터 주름선 영역의 특성을 갖는 후보 화소를 검출하고, 검출된 화소가 갖는 주름선 방향을 이용하여 영상 분해 및 합성에 의해 주름선 영역을 검출한다.
대상 데이터
본 논문에서는 부 영상에 대하여 분산을 계산하고 높은 분산을 나타내는 영역을 지문 영역으로 선정한다. 영상에서 MXN 화소 크기의 부 영상에 대하여 분산은 식 (2) 와 같이 계산된다.
결과는 그림 9와 같다. 실험에서 검출하는 주름선은 '골-융선-골'의 결 주기 크기보다, 큰 폭을 갖는 주름선을 대상으로 한다. 이러한 크기 정도의 융선 끊어짐 현상은 융선 방향을 이용하여 연결을 시도할 경우, 오류가 발생할 가능성이 높은 크기이다.
66GHz의 PC에서 실험을 수행하였다. 실험의 입력 데이터는 표 1과 같이 FVC2002 DB2 에서 주름선을 포함하는 지문 영상을 대상으로 하였다. FVC2002 DB2 지문 영상은 해상도 569dpi이며 296x560 화소 크기를 가지는 256 그레이 스케일 영상이다项
이론/모형
붙는 현상이 발생한다. 일반적으로 지문 영상의 해석 성능을 높이기 위해 잡음 제거와 융선의 연속성의 강조를 위한 방향성 필터 (directional filter)를 적용한다図 본 논문에서는 잡음 제거를 위해서, 앞서 검출한 융선의 방향성 지도를 이용하는 방향성 평균 필터(directional mean filterX 적용한다. 방향성 평균 필터는 식(1)과 같이 현재 화소 위치를 기준으로 임의의 방향 축에 있는 화소들의 밝기 값을 평균하는 방법이다.
성능/효과
(3) 주름선 길이는 久를 따라 일정 크기 이상이다.
(4) 0c를 따라 구성된 1차원 방향성 슬릿(slit)의 밝기 값은 변화량이 매우 작다.
따라서 본 논문에서 제안한 방법을 지문인식 시스템에 적용하면, 지문 영상의 주름 선 영역에서 오 추출을 최소화하고 정 추출을 보존하므로 지문인식 성능 향상을 기대할 수 있다. 향후 주름선 추출의 정확도 향상과 함께, 추출된 주름 선 영역을 이용한 지문인식 시스템에 대한 연구가 지속적으로 진행되어야 한다.
마지막으로, 각 방향성 분해 영상을 모두 합성함으로써 입력 영상에 대하여 주름선 영역으로 구성된 주름선 검출 영상이 완성된다.
그리고 후보화소가 가지는 주름 선 방향에 의해 영상을 분해한 다음, 분해 영상에 대하여 주름선 영역 클러스터를 검출하고 이들을 합성하여 주름선 영역을 검출하는 방법이다. 제안한 방법은 주파수 변환없이 연산량 이적은 통계적 연산을 수행하여 주름선을 검출할 수 있으며, 실험한 결과 높은 정확성을 확인하였다.
제안된 방법은 주름선의 방향에 무관하고, 통계적 연산만으로 주름선을 검출할 수 있는 장점을 갖는다. 제안한 방법의 타당성을 검증하기 위하여 FVC2002 DB2에 대하여 실험한 결과, 기존의 방법에 비해 지문 영상의 주름선 영역을 보다 정확히 검출함을 확인할 수 있었다.
나타내었다. 제안한 방법이 오 추출 1.8%와 미추출 8%를 나타내었으며, Chenyu의 방법과 비교하여, 오 추출 0.7%와 미추출 2% 향상된 결과를 보였다.
후속연구
기대할 수 있다. 향후 주름선 추출의 정확도 향상과 함께, 추출된 주름 선 영역을 이용한 지문인식 시스템에 대한 연구가 지속적으로 진행되어야 한다.
참고문헌 (10)
김재희, '생체인식 심화학습-지문인식' 시큐리티 월드, pp. 58-63, February 2001
Asker M. Bazen and Sabih H. Gerez, 'Segmentation of Fingerprint Images', ProRISC 2001 Workshop on Circuits, Systems and Signal Processing, pp. 475-479, November 2001
Raymond Thai, Fingerprint Image Enhancement and Minutiae Extraction, The University of Western Australia, 2003
Pontus Hyme'r, Extraction and Application of Secondary Crease Information in Fingerprint Recognition Systems, Linkoping University, Germany, March 2005
Chenyu Wu, Jie Zhou, Zhao-qi Bian, Gang Rong, 'Robust Crease Detection in Fingerprint Images', Proceedings of the 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'03), Vol. 2, pp. 505-512, June 2003
Marios S. Pattichis, George Panayi, Alan C. Bovik, and Shun-Pin Hsu, 'Fingerprint Classification Using an AM-FM Model', IEEE Trans. on Image Processing, Vol. 10, no. 6, pp. 951-954, June 2001
Davide Maltoni, Dario Maio, Anil K. Jain, Salil Prabhakar, Handbook of Fingerprint Recognition, pp. 91-94, Springer, 2003
Asker M. Bazen and Sabih H. Gerez, 'Systematic Methods for the Computation of the Directional Fields and Singular Points of Fingerprints', IEEE Trans. on Pattern Analysis Machine Intelligence, Vol. 24, no. 7, pp. 905-919, July 2002
Xinjian Chen, Jie Tian, Jiangang Cheng, Xin Yang, 'Segmentation of Fingerprint Images Using Linear Classifier', EURASIP Journal on Applied Signal Processing, pp. 480-494, 2004
※ AI-Helper는 부적절한 답변을 할 수 있습니다.