선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 두 개의 지문 이미지를 정합하는데 지역 구조에 따라서 두지문 이미지의 유사도를 검사하여 정합하였다. 두 지문 이미지의 지역 구조에서 중심점과 분류되어 레이블링된 특징점들의 거리와 각도 둥을 비교하여 정합되는 수를 계산하여 두지문 이미지의 유사도를 결정하였다.
- 이미지의 유사도를 검사하여 정합하였다. 두 지문 이미지의 지역 구조에서 중심점과 분류되어 레이블링된 특징점들의 거리와 각도 둥을 비교하여 정합되는 수를 계산하여 두지문 이미지의 유사도를 결정하였다.
- 결정한다. 만약 이보다 적은 영역을 선택한다면 검출되는 특징점들의 수가 너무 적어 지문 정합에 적합하지 않고, 노이즈의 영향을 크게 받아 잘못된 특징점들을 검출해 낼 수 있으며, 반대로 지문의 전체 이미지를 사용한다면 지문 이미지의 뒤틀림이나, 찌그러짐에 심각한 영향을 받을 수 있기에 위의 방법을 선택하였다.
- 이 논문에서 기존의 특징점 기반 알고리즘을 개선하여 각 특징점의 특징에 따라 분류한 다음 래이블링을 하여 중심점과의 관계를 측정하여 두 지문 이미지의 유사도에 따라 지문 정합을 하였다. 기존의 특징점에 기반한 알고리즘은 지문 이미지 전체의 특징점을 찾고, 특징점들의 유사도에 따라 지문을 정합하였지만 이 논문에서 제안한 알고리즘은 관심영역을 결정하여 관심 영역에서만 특징점을 찾기에 빠르게 지문 정합을 할 수 있다.
- 등록된 이미지는 총 600개의 이미지 이고, 입력받은 이미지의 크기는 256 X 256으로 하였다 지문 이미지의 훼손이 너무 심한 것은 사용하지 않았다. 인식률 실험을 위해서 FAR(false accept rate)와 FRR(false refuse rahe)를 측정하였다. 표 1.
대상 데이터
- 지문 이미지를 2번씩 획득하였다. 등록된 이미지는 총 600개의 이미지 이고, 입력받은 이미지의 크기는 256 X 256으로 하였다 지문 이미지의 훼손이 너무 심한 것은 사용하지 않았다. 인식률 실험을 위해서 FAR(false accept rate)와 FRR(false refuse rahe)를 측정하였다.
- 이 실험을 위해서 30명으로부터 각각 양손 10개의 손가락에서 지문 이미지를 2번씩 획득하였다. 등록된 이미지는 총 600개의 이미지 이고, 입력받은 이미지의 크기는 256 X 256으로 하였다 지문 이미지의 훼손이 너무 심한 것은 사용하지 않았다.
이론/모형
- 지문의 방향성분을 판단하고, 부느럽게 한다. 지문 이미지를 각각 8X8 블록으로 분할한 다음 poincare index를 이용하여 지문의 중심점을 검출한다[4]
※ AI-Helper는 부적절한 답변을 할 수 있습니다.