제안 방법

• 이때, 주위 블럭과 비교흐!]서 방향이 크게 어긋나는 지역은 해상도를 높여서 다시 방향을 계산한다. 다음으로 지문 내의 각각의 블럭에 대하여 화질평가를 수행한다. 마지막으로 앞에서 구한 블럭의 방향을 이용하여 게 이 버 필터링 (gabor filtering)을 수행하여 이미지 향상을 꾀한다
• 다음으로 지문 내의 각각의 블럭에 대하여 화질평가를 수행한다. 마지막으로 앞에서 구한 블럭의 방향을 이용하여 게 이 버 필터링 (gabor filtering)을 수행하여 이미지 향상을 꾀한다
• 가장 많이 사용되는 특징점 추출 알고리즘은 전처리 과정을 거쳐 후보 특징점을 추출하고 후처리 과정에서의사 특징점을 제거하는 알고리즘이다. 본 논문에서 설계한 정합 알고리즘은 특징 점 주 출 알고리즘에서 구한 특징점에 직교좌표의 정보를 조합한 특징점들 중에서 정합을 시도하려는 특징점 데이터 Set A와 B에 대하여 지역 정합을 시도하여 지역 정합된 특징점의 비율이 임계값을 넘어가면 전역정합을 시도하여 정합점수를 결정하고 가장 높은 정합수를 얻은 지문 데이터를 결정한다.
• 본 논문에서 제안하는 방식은 1:N 방식의 지문인식시스템에 적합한 알고리즘으로 방법은 포인트 패턴 매칭을 기본으로 하여 특징점의 속성인 위치 정보, 방향 정보, 특징점의 종류를 사용하여 구성된다. 포인트 패턴 매칭에서는 각각의 특징점의 좌표가 아래 (식 3.
• 본 논문에서는 위에서 나열한 왜곡들을 최소한으로 줄이고 포인트 패턴 정합 방 식을 이용하여 1:N 정합에 적합한 지문 인식 알고리즘을 설계 하였다.
• 본 논문에서는 포인트 패턴을 이용하여 기존의 정합 알고리즘보다 빠른 지문정합 알고리 즘을 설계하였으며 LN정합에 적합한 알고리즘이다. 가장 많이 사용되는 특징점 추출 알고리즘은 전처리 과정을 거쳐 후보 특징점을 추출하고 후처리 과정에서의사 특징점을 제거하는 알고리즘이다.
• 지문 정합 시스템에서는 지문 특징점 추출 시스템에서 얻어진 원본 템플릿과 정합하려는 대상 템플릿을 이용하여 두 지문 간의 유사도를 측정하여 판정한다. 우선 두 템플릿의 특이점을 이용하여 직교좌표계를 생성하고 각 좌표계위 에 생성된 특징점의 성분을 지역정합을 실시하고 일정한 임계 값 이상이면 전역정합을 실시하 여 [12] 각 지문정보 성분에 가중치 값을 부여하여 계산한 후 정합되면 같은 지문으로 판정한다. 아래 [그림 2]는 지문 정합 시스템의 단계를를 보여주고 있다.
• 융선추출 단계에서는 지역 평균과 분산을 이용하여 적웅 이진화(adaptive thresholding)# 수행한 후 융선 내의 구멍(hole)과 외부의 얼룩 (speckle)을 제거한다. 이후 이진화 이미지에 세선화 알고리즘을 적용하여 1 픽셀(pixel) 두께의 골격(skeleton)을 뽑아낸다.
• 지문 정합 시스템에서는 지문 특징점 추출 시스템에서 얻어진 원본 템플릿과 정합하려는 대상 템플릿을 이용하여 두 지문 간의 유사도를 측정하여 판정한다. 우선 두 템플릿의 특이점을 이용하여 직교좌표계를 생성하고 각 좌표계위 에 생성된 특징점의 성분을 지역정합을 실시하고 일정한 임계 값 이상이면 전역정합을 실시하 여 [12] 각 지문정보 성분에 가중치 값을 부여하여 계산한 후 정합되면 같은 지문으로 판정한다.