[논문]온라인 지문 인식 시스템을 위한 지문 품질 측정

이상훈

온라인 지문 인식 시스템을 위한 지문 품질 측정
Fingerprint Image Quality Assessment for On-line Fingerprint Recognition 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.47 no.2=no.332, 2010년, pp.77 - 85

초록
AI-Helper

온라인 지문 인식 시스템에서는 주변 환경, 사용자의 지문 상태 및 입력 방법에 따라 다양한 품질의 지문이 입력된다. 따라서 지문 인식 시스템의 성능을 향상시키기 위해서는, 입력된 지문 영상을 이용하여 본인과 타인간의 변별력을 높이는 연구뿐만 아니라 다양한 품질의 지문 영상들 중에서 품질이 좋은 지문 영상을 선택하여 이를 인식에 사용하는 연구도 병행이 되어야 한다. 하지만 대부분의 기존 연구에서는 지문의 지역적인 품질만을 측정하였기 때문에 한 장의 지문영상의 품질에 대한 예측은 거의 이루어지지 않았다. 따라서 본 논문에서는 획득된 지문 영상의 품질을 판단하기 위해서 지역적인 지문 품질 측정과 이를 통한 전역적 지문 품질 측정 방볍을 제안하였다. 지역적인 지문 품질 평가에서는 각 지문 블록에서 그레디언트(Gradient)의 확률 밀도 함수(Probability Density Function)의 형태를 측정하여 블록 별 품질 값을 예측하였고, 이를 기반으로 전역적인 품질 평가에서는 신경망(Neural network)올 사용하여 지문 영상 전체를 평가함으로써 입력된 영상의 사용 여부를 판단하였다. FVC2002 데이터베이스를 사용하여 실험한 결과, 제안한 전역적 방법을 사용하였을 때 NFIQ(NIST Fingerprint Image Quality)의 방법보다 정합 예측 성능이 높게 나타난 것올 확인할 수 있었다.

Abstract ▼ AI-Helper

Fingerprint image quality checking is one of the most important issues in on-line fingerprint recognition because the recognition performance is largely affected by the quality of fingerprint images. In the past, many related fingerprint quality checking methods have typically considered the local quality of fingerprint. However, It is necessary to estimate the global quality of fingerprint to judge whether the fingerprint can be used or not in on-line recognition systems. Therefore, in this paper, we propose both local and global-based methods to calculate the fingerprint quality. Local fingerprint quality checking algorithm considers both the condition of the input fingerprints and orientation estimation errors. The 2D gradients of the fingerprint images were first separated into two sets of 1D gradients. Then，the shapes of the PDFs(Probability Density Functions) of these gradients were measured in order to determine fingerprint quality. And global fingerprint quality checking method uses neural network to estimate the global fingerprint quality based on local quality values. We also analyze the matching performance using FVC2002 database. Experimental results showed that proposed quality check method has better matching performance than NFIQ(NIST Fingerprint Image Quality) method.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 인식 성능을 높이기 위해 신뢰도가 높은 특징이 추출되는 영역을 추정하는 지역적인 품질 측정 방법과 정합에 유리한 지문 영상을 선택하는 전역적인 품질 측정 방법을 제안하였다.

가설 설정

지역적인 품질 측정 방법은 이상적인 지문 모델을 단일 차원의 정현파로 가정하였고 그레디언트의 확률밀도함수의 형태를 이용하여 품질을 측정하였다. 입력 지문 영상이 이상적이고 융선의 방향도 올바르게 추정하였을 경우에는 확률밀도함수는 융선 수직 방향은 sub- aussian, 융선 방향은 super-gaussian의 형태를 갖는다.

제안 방법

그림 8과 동일한 방법으로 11가지 요소들을 고려하였고, 동일한 정합 알고리즘(심사중)을 사용하였다. NFIQ와 동일한 조건으로 인증 성능을 비교하기 위하여 DB별로 동일한 지문 영상 개수를 정합하였다. 예를 들어, NFIQ가 DB 별로 Excellent(400장), Very good 이상(700장), Good 이상(7浏장), 모든 영상(倒0장)의 지문 영상들을 정합하였다면, 제안하는 방법은 800장의 DB의 전역적 품질 값을 정렬하여 상위 400장을 Excellent, 상위 700장을 Veiy good 이상, 상위 7圖장을 Good, 모든 영상을 선택적으로 정합하였다.
품질이 좋은 지문 영상은 특정 주파수 대역을 갖고 있어, 주파수 계수 값의 엔트로피가 상대적으로 크고, 품질이 저하된 지문 영상은 모든 주파수 영역의 에너지가 유사하여 변화가 거의 없기 때문에 엔트로피가 낮은 특성을 사용하였다. Tabassi 등皿”可는 블록별로 계산된 지역적인 품질 값을 기반으로 신경망(neural network)을 이용하여 지문 영상의 정합 값을 예측하는 전역적인 품질 측정을 수행하였다.
그림 9(b)는 노이즈가 심하고 융선과 골이 불분명한 지문 영상의 예를 보여 주고 많은 영역에서 품질이 낮게 계산된 것을 볼 수 있다. 그리고 지역적인 품질은 5단계로 양자화(quantization)하였다.
Hong 등®은 융선과 골의 형태를 정현파(sinusoidal wave)로 가정하여, 블록별로 진폭 (amplitude), 주파수 (frequency) 그리고 변화량 (variance)을 계산하였다. 그리고 해당 블록의 계산된 진폭, 주파수, 변화량이 갖는 분포를 학습 결과와 비교하여 지문의 지역적인 품질을 계산하였다. Yao 등'41는균등 분할된 지문 영역에서 픽셀들의 평균값(mean)과변화량(variance) 을 기준으로 지역적인 품질을 계산하였다.
하지만 인식률을 향상시키기 위한 입력 영상의 사용 여부를 결정하기 위해서는 지문 영상 전체의 품질 측정이 필요하다. 따라서 제안하는 방법은 지문 영상의 블록별로는 그레디언트 (gradient)# 기반으로 하여 품질을 측정圜하고, 이를 기반으로 신경망(neural network)을 통해 지문의 전역적인 품질 값을 예측하였다. 본 논문의 구성은 다음과 같다.
본 논문에서 전역적인 품질 측정은 기존 방법 0~顶과동일하게 신경망을 이용하였고, 다만 11가지 요소들은 제안하는 방법으로 계산된 지역적인 품질값을 사용하여 값을 할당하였다.
이러한 이유로 Tabassi 등如~同은 정합에 영향을 주는 요소들을 H가지로 선별하고 신경망 (neural network)을 이용하여 11가지 요소들을 모두 고려할 수 있는 방법을 사용하였다. 신경망은 역 전파망을 사용하였고 정합에 영향을 주는 11가지 요소들은 정량화한 후에, 각 요소들의 변화와 과거의 정합치를 학습하여 앞으로 입력되는 지문 영상의 정합을 예측하는 방식을 사용하였다,
Ⅲ. 실험

실험에서 지역적 품질이 측정된 값을 기반으로 전역적인 품질을 계산하여 지문 영상을 선택적으로 검증하는 방식으로 비교 분석 하였다. 실험에 사용된 데이터는 공인된 지문 영상 (FVC 2002)囹이고, 제안하는 전역적인 품질은 NFIQ(NIST Fingerprint Image Quality)'®4"의 결과와 비교하였다.
같이 도식화 하였다. 영상이 입력되면 가우시안 (Gaussian) 필터링으로 영상의 노이즈를 제거하고 그 후에 각 픽셀별로 X, y축 그레디언트를 계산하고, 화이트닝(whitening) 변환을 수행한다. 화이트닝은 그레디 언트 벡터들을 무상관(un-correlation), 수직 화(orthogonal) 하는 변환과정이다〔12~刼 이러한 과정 후어L 미리 계산된 융선 방향 및 그의 수직 방향으로 2차원 그레디언트벡터들을 투영하면 2개의 1차원 확률밀도함수 (Probability Density Function)를 구할 수 있다.
융선 방향 추정에 오류가 발생하면 오류가 발생한 정도에 따라 확률밀도함수는 가우시안 형태를 갖는다. 이와 같이 확률밀도 함수의 형태만으로 지역적인 지문 영상의 품질을 추정하였다. 전역적인 품질 측정 방법은 지역적인 품질을 기반으로 하였고 과거에 정합된 지문들이 갖는 지역적인 품질 값의 분포와 특징점 등을 고려하여 신경망에 학습하여 미래의 입력 영상의 정합을 예측하였다.
전처리 알고리즘 중에서 여러 가지 내부적인 요인들이 있지만 본 논문에서 내부적인 요인을 융선 방향 추정 에러로 범위를 한정하였다. 그림 4는 알고리즘별(A, B, C) 융선 방향 추정 성능에 따른 영상의 품질이 달라지는 것의 개념도이다.
Chen 등'이은 융선의 방향성과 2차원 푸리에 (Fourier) 공간상에서 파워 스펙트럼(power spectrum)을 이용하였다. 품질이 좋은 지문 영상은 특정 주파수 대역을 갖고 있어, 주파수 계수 값의 엔트로피가 상대적으로 크고, 품질이 저하된 지문 영상은 모든 주파수 영역의 에너지가 유사하여 변화가 거의 없기 때문에 엔트로피가 낮은 특성을 사용하였다. Tabassi 등皿”可는 블록별로 계산된 지역적인 품질 값을 기반으로 신경망(neural network)을 이용하여 지문 영상의 정합 값을 예측하는 전역적인 품질 측정을 수행하였다.

대상 데이터

그림 11은 NFIQ에 의해서 계산된 전역적 품질을 기반으로 선택적으로 정합하여 ROC(Receiver Operating Characteristic) 커브를 보여주고 있다. 데이터베이스별 그래프는 4단계로 Excellent, Very good 이상, Good 이상, 모든 영상으로 하였다. 그림 10에서 보는 바와 같이 Poor의 영상 개수가 상대적으로 적어서 5단계로 나누었을 때, 인증 성능의 영향이 매우 적어 4단계로 하였다.

데이터처리

방식으로 비교 분석 하였다. 실험에 사용된 데이터는 공인된 지문 영상 (FVC 2002)囹이고, 제안하는 전역적인 품질은 NFIQ(NIST Fingerprint Image Quality)'®4"의 결과와 비교하였다.
II장 1절은 제안하는 블록 별 품질 측정 방법을 소개하고, II장 2절에서는 이를 기반으로 하는 전역적인 품질 측정 알고리즘을 설명한다. m장에서는 실험을 통하여 제안 알고리즘의 성능을 평가하였고 田장에서실험 결과를 통해서 얻은 결과를 분석하고 최종적인 결론을 도출하였다.
제안하는 방법의 전역적인 품질은 NFIQ(NIST Fingerprint Image Quality)如와 비교하였다. NFIQ 는 NIST에서 제공하는 프로그램으로 전역적인 품질을 5단계로 양자화 하였다.

성능/효과

알 수 있다. 따라서 제안한 전역적 품질 측정 방법이 NHQ에 비해서 입력 지문 영상의 정합의 예측 성능이 더 우수한 것을 알 수 있다.
실험결과 NFIQ에 비해서 제안하는 알고리즘의 정합예측 성능이 우수한 것을 확인하였다. 따라서 제안하는 방법을 사용하면, 지문 인식 시스템에서 실시간으로 입력되는 여러 지문 영상들 중에서 품질 좋은 지문 영상의 선택(전역적인 품질 측정)할 수 있고 지문 영상 내에서 안정적인 특징 추출 영역 예측(지역적인 품질 측정) 할 수 있게 되어 인식 성능 향상을 기대할 수 있다.
품질은 8x8 픽셀 크기의 블록단위로 계산하였고 밝은 영역일수록 품질이 높은 것을 나타낸다. 그림 9(a)는 노이즈가 적고 융선과 골이 선명하게 구별되는 지문 영상의 예를 보여주고 대부분의 영역에서 품질이 높게 계산되었다.

후속연구

성능이 우수한 것을 확인하였다. 따라서 제안하는 방법을 사용하면, 지문 인식 시스템에서 실시간으로 입력되는 여러 지문 영상들 중에서 품질 좋은 지문 영상의 선택(전역적인 품질 측정)할 수 있고 지문 영상 내에서 안정적인 특징 추출 영역 예측(지역적인 품질 측정) 할 수 있게 되어 인식 성능 향상을 기대할 수 있다.

참고문헌 (23)

A. Jain, A. Ross, and S. Prabhakar, "An Introduction to Biometric Recognition", IEEE Trans. Circuit and Systems For Video Technology, Vol. 14, No.1, pp. 4-20, Jan. 2004.

상세보기
A. Jain, L. Hong, and R. Bolle, "On-line fingerprint verification", IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 19, no. 4, pp.302-314, Apr. 1997.

상세보기
L. Hong, Y.Wan, and A. Jain, "Fingerprint image enhancement: Algorithm and performance evaluation," IEEE Transaction Pattern Analysis and Machine Intelligence, vol. 20, no. 8, pp. 777-789, Aug. 1998.

상세보기
M. Yao, S. Pankanti, N. Haas, N. Ratha, and R. Bolle, "Quantifying quality: A case study in fingerprints," in Proc. IEEE Automatic Identification Advanced Technologies, pp. 126-131, Mar. 2002.
R. Bolle, S. Pankanti, and Y. Yao, "System and method for determining the quality of fingerprint images," U.S. Patent US 5 963 656, Oct. 1999.
L. Shen, A.Kot, and W. Koo, "Quality measures of fingerprint images," in Proc. 3rd Int. Conf. Audio- and Video-based Biometric Person Authentication, pp. 266-271, Jun. 2001.
N. Ratha and R. Bolle, "Fingerprint image quality estimation," IBM Comput. Sci. Res., Rep. No. RC21622, 1999.
E. Lim, X. Jiang, and W. Yau, "Fingerprint quality and validity analysis," in Proc. IEEE Int. Conf. Image Processing, vol. 1, pp. 469-472, Sep. 2002.
T. Chen, X. Jiang, and W. Yau, "Fingerprint image quality analysis," in Proc. Int. Conf. Image Process, pp. 1253-1256, 2004.
E. Tabassi, C. Wilson, and C. Watson, "Fingerprint image quality," National Institute of Standards and Technology, NISTIR7151, Aug. 2004.
E. Tabassi and C. Wilson, "A novel approach to fingerprint image quality," in Proc. Int. Conf. Image Processing, vol. 2, pp. 37-40, 2005.
S. H. Lee, H. S. Choi, K. T. Choi, J. H. Kim, "Fingerprint-Quality Index Using Gradient Components" in IEEE Trans. Information Forensics and Security, Vol. 3, no. 4, pp. 792-800, Dec. 2008.

상세보기
S. H. Lee, C. H. Lee, and J. H. Kim, "Modelbased quality estimation of fingerprint images," in Proc. IAPR Int. Conf. Biometrics, ser. Lect. Notes Comput. Sci. 3832. New York: Springer, pp. 229-235, Jan. 2006.
A. Hyvarinen, J. Karhunen and E. Oja, "Independent Component Analysis", John Wiley and Sons. Inc, 2001.
D. Maio and D. Maltoni, "Ridge-line density estimation in digital images," in Proc. Int. Conf. Pattern Recognition, Australia, Aug. 1998.
K. Mardia, A. Baczkowski, X. Feng, T. Hainsworth, "Statistical Methods for Automatic Interpretation of Digitally Scanned Fingerprints",Internal Report STAT 97/23, 12, 1997.
X. Feng, P. Milanfar, "Multiscale Principal Components Analysis for Image Local Orientation Estimation", The 36th Asilomar Conference on Signals, Systems and Computers, 2002.
Jinwei Gu, Jie. Zhou, David Zhang, "A combination model for orientation field of fingerprints", Pattern recognition, vol. 37, pp. 543-553, 2004.

상세보기
A. Almansa and T. Lindeberg, "Fingerprint enhancement by shape adaptation of scale-space operators with automatic scale-selection," IEEE Trans. Image Process., vol. 9, no. 12, pp. 2027-2042, Dec. 2000.

상세보기
D. Maio and D. Maltoni, "Direct gray-scale minutiae detection in fingerprints," IEEE Trans. Pattern Anal. Mach. Intell., vol. 19, no. 1, pp. 27-40, Jan. 1997.

상세보기
J.Weickert, "Coherence-enhancing diffusion filtering," Int. J. Comput. Vis., vol. 31, pp. 111-127, 1999.
JOY A. THOMAS, "Elements of Information Theory" John Wiley & Sons Inc, 1991.
FVC2002, http://bias.csr.unibo.it/fvc2002

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