초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

지문인식 분야는 크게 분류(classification)와 정합 (matching)으로 나누어져 연구되어왔다. 분류는 일반적으로 와상문, 궁상문, 솟은궁상문, 오른쪽제상문, 왼쪽제상문 등의 5종류로 분류되며, 지문이 어떤 분류에 속하는지 구별하여 특정인의 지문 형태를 결정하여 주는 작업으로 대형 데이터베이스에서 인덱스로 사용되어 검색시간 단축과 매칭의 정확도를 높여준다. 본 논문에서는 지문 분류에서 품질이 나쁜 이미지는 분류를 위한 특이점 (핵 과 삼각점)의 검술이 어려운 점을 감안하여 방향성과 주파수 선택력이 강한 Gabor 필터의 특징을 이용한 지문 분류 방법으로 지문 분류의 정확성을 향상시킬 수 있는 방안을 제시하고 실험을 통하여 이를 증명한다.

지문인식 분야는 크게 분류(classification)와 정합 (matching)으로 나누어져 연구되어왔다. 분류는 일반적으로 와상문, 궁상문, 솟은궁상문, 오른쪽제상문, 왼쪽제상문 등의 5종류로 분류되며, 지문이 어떤 분류에 속하는지 구별하여 특정인의 지문 형태를 결정하여 주는 작업으로 대형 데이터베이스에서 인덱스로 사용되어 검색시간 단축과 매칭의 정확도를 높여준다. 본 논문에서는 지문 분류에서 품질이 나쁜 이미지는 분류를 위한 특이점 (핵 과 삼각점)의 검술이 어려운 점을 감안하여 방향성과 주파수 선택력이 강한 Gabor 필터의 특징을 이용한 지문 분류 방법으로 지문 분류의 정확성을 향상시킬 수 있는 방안을 제시하고 실험을 통하여 이를 증명한다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 각각의 필터는 10개의 각도 (0° , 18° , 36° , 54" , 72° , 90° , 108° , 126° , 144° , 162° ) 를 위한 33 X 33 필터 제공기에 의해 형성이 되고(그림 3)과 같이 지문을 filtering한다. Gabor 필터의 적용 목적은 윱선 구조를 강하게 하면서 잡음을 제거하고 이미지에서 특별한 방향성 정보를 제공하는데 있다. Sectorizatione 그 방향에서 융선의 존재를 발견할 것이다.
• 본 논문에서는 코어와 삼각점, 융선의 방향 성분을 이용하지 않고 Gabor 필터를 사용하여 국부적 융선구조로부터 직접 획득한 Gabor featur를 이용하여 지문 올 분류하는 방법으로 Gabor 필터를 사용한 방법이 이미지의 품질이 좋지 않은 지문에 대하여 보다 강하고 분류의 정확성이 기존 방법들에 대하여 향상될 수 있음올 증명하고자 한다.

가설 설정

• Gabor 필터의 적용 목적은 윱선 구조를 강하게 하면서 잡음을 제거하고 이미지에서 특별한 방향성 정보를 제공하는데 있다. Sectorizatione 그 방향에서 융선의 존재를 발견할 것이다. 223픽셀의 Sectorizatione 원형의 뒤틀림의 영향을 피하기 위해 유도된다.

제안 방법

• 10 개의 Gabor 팔터를 통과 시켜 얻은 10개의 방향 이미지에서 각 Sector안에서 픽셀 값의 변화를 계산한다. 이것은 지문의 부분에서 지문 융선의 각 방향의 집중을 의미한다.
• 쎈서는 500dpi 해상도를 가진 Veridicom사의 FPS-110 센서유니트를 사용하여 8 bit Gray- Scale 의 300 x 300 이미지를 스캔하였다. 이 40개의 지문을 35개의 Training set 과 5개의 Testing set으로 나누어 실험한 결과 92%의 정확한 매칭율올 얻었다.
• 지문 분류의 목적은 검색 시간과 복잡한 계산 시간을 줄이기 위한 인덱스 구조를 제공하기 위한 것이다. 우리는 국부 융선 구조로부터 직접 획득하는 새로운 설명에 뒷받침 할 수 있는 지문 분류 알고리즘〔3〕 에서 융선의 방향추출을 위한 Gabor Filtering 각도를 10개 각도로 한 보다 정밀한 Filterization올 하여 지문을 분류하는 방법을 제안한다. 이 방법은 지문 분류에서 가장 어려운 질이 좋지 않은 지문에 대해 보다 강하게 처리 할 수 있다.
• 구조기초 접근 방법은 핵과 삼각점에 의존하지 않는 반면 질이 낮은 지문이 미지에서는 얻기가 대단히 어려운 상태로 방향성 추출의 신뢰성이 요구된다. 위에 거론된 몇 가지의 지문분류 접근 방법에 의해 지문을 와상문, 우제상문, 좌제상문 궁상문, 솟은 궁상문의 5종으로 분류한다. 지문 분류의 목적은 검색 시간과 복잡한 계산 시간을 줄이기 위한 인덱스 구조를 제공하기 위한 것이다.
• 이렇게 강조된 융선 과 주름이 지문 이미지의 효과적인 표현의 구성 요소이다. 지문 이미지를 X 축에 관련된 0 (O' , 18° , 36° , 5 4° , 72° , 90° , 108° , 126° , 144° , 162° )의 10개 값에 대응하는 10개의 콤포넨트 이미지로 분해한다. 즉 지문이미지를 10개의 콤포넨트 이미지로 만들기 위해 10개의 Gabor 필터 각각에 여과시킨다.
• 지문 분류에서 가장 많이 사용되는 두 가지 방법은 모양 기초와 구조기초인데 모양기초는 이미지에 나타나는 특이점인 핵 과 삼각점을 사용하는 기술이다. 핵과 삼각점의 개수와 위치를 확인한 후 지문을 분류한다. (그림 1) 궁 상문은 핵과 삼각점이 없고, 제상문과 솟은궁상문은 하나의 코어와 삼각점을 가지는데 솟은궁상문은 핵과 삼각점이 수직선으로 연결되고 왼쪽제상문은 핵이 있는 Loop가 삼각점의 왼쪽에 오른쪽제상문은 Loop가삼각점의 오른쪽에 있다.

대상 데이터

• 모조 중심점을 중심으로 255 X 255로 잘나낸 지문 이미지를 이 중심점 주위로 6개 동심원으로 나누는데 각 “밴드, 는 20 픽셀의 반지름이고 중앙 원의 반지름은 12 픽셀로 총 223 픽셀이다. 전체원을 20 Sectors로 균둥분할 (10개 각도로 Gabor Filtering을 하기 때문에) 한 후 중앙 밴드는 무시한다.
• 실험을 위해 각기 다른 40명으로부터 80개 (엄지 손가락의 지문을 2회씩 스캔)의 지문을 획득하여 이중 품질이 좋은 40개를 실험에 사용하였다. 쎈서는 500dpi 해상도를 가진 Veridicom사의 FPS-110 센서유니트를 사용하여 8 bit Gray- Scale 의 300 x 300 이미지를 스캔하였다.
• 우리가 제 안하는 Gabor Filterization에 의한 지문의 분류는 향상된 정확성으로 지문을 분류할 것이고 다음과 같이 i ) 지문의 전처리, ii) 지문을 나타내는 특징 추출, ⅲ) 결정 여부를 위한 지문 분류의 3단계로 나누어져 실행이 되며 지문 이미지는 5Sdpi의 해상도를 필요로 한다. 즉, 융선 과 융선의 간격이 약 10픽셀 정도가 필요하벼, 300 X 300 Gray-Scale 이미지를 획득하였다.

이론/모형

• Mean Nearest Neighbor방식을 사용하여 분류한다. [14] .
• 시작된다. 우리는 Rao, A. Ravis- Hankar 의 〔11〕를 이용하여 중앙점을 찾아낸다.

성능/효과

• 3) Frequency based 접근은 분류를 위해 지문의 주파수 스펙트럼을 사용한다. [6] .
• 쎈서는 500dpi 해상도를 가진 Veridicom사의 FPS-110 센서유니트를 사용하여 8 bit Gray- Scale 의 300 x 300 이미지를 스캔하였다. 이 40개의 지문을 35개의 Training set 과 5개의 Testing set으로 나누어 실험한 결과 92%의 정확한 매칭율올 얻었다.
• 이 실험은 Pentium ID 컴퓨터에서 형상 추출에 1.8 초 이하의 시간이 소요되었고 92%의 Class 매칭의 정확성을 얻었으며 이 결과에 임계값을 적용하면 정확성이 더 향상된다. 이는 Gabor 필터를 이용한 지문 분류가 기존에 사용하던 분류방법에 비해 향상된 결과는 보여주는 것이다.

후속연구

• 이는 Gabor 필터를 이용한 지문 분류가 기존에 사용하던 분류방법에 비해 향상된 결과는 보여주는 것이다. Gabor 필터를 이용하여 실제 DB에 적용이 연구과제이며, 또한 Gabor 필터를 이용하여 지문 분류과정을 거치지 않고 직접 인식 (Recognition)을 하는 연구가 앞으로의 과제이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기