신경망을 이용한 적응적 지문 특징점 품질 검증 방법
Adaptive fingerprint minutiae quality validation method using neural network
- 발행기관 아주대학교 정보통신 전문대학원
- 지도교수 최경희, 김동윤
- 발행년도 2005
- 학위수여년월 2005. 2
- 학위명 석사
- 학과 및 전공 정보통신전문대학원 정보통신공학과
- 본문언어 한국어
초록/요약
신분을 인증하는 지문인식 시스템에서 특징점 기반 지문 인식 방법이 가장 많이 이용되고 있으나 지문의 특징점 정보를 사용하기 때문에 지문 획득 시 발생하는 거짓 특징점에 많은 영향을 받는다. 이러한 거짓 특징점의 제거를 위해 많은 특징점 제거 방법이 사용되고 있다. 특징점의 구조적 특징을 이용하여 이웃 융선을 추적하는 위상 검증 방법(Topological validation)은 거짓 특징점 제거에 뛰어난 효율을 보이지만 올바른 특징점까지 제거되는 단점이 있다. 본 논문에서는 올바른 특징점이 거짓 특징점으로 오판되어 제거되는 것을 줄이기 위해서 특징점의 품질을 평가 한다. 영상의 특정 방향과 주기적인 정보를 필터링 할 수 있는 가보 필터의 특성을 이용하여 특징점 중심의 32×32 블록을18가지 방향의 가보 필터에 필터링 한 특징값을 검출하였고 이 특징값을 이용하여 신경망에 특징점 품질을 학습시킨 후 특징점의 품질을 평가 하였다. 신경망에서 좋은 품질의 특징점이라 판단되면 위상 검증 방법을 수행하지 않음으로써 올바른 특징점을 보호하였고, 신경망에서 좋은 품질이 아닌 특징점이라 판단되면 위상 검증 방법을 이용하여 거짓 특징점을 제거 하였다. 이와 같이 추출된 특징점들을 이용해 실험한 결과 위상 검증 방법만을 사용하였을 때 보다 ERR(Equal eRror Rate)에서 3%의 성능 향상을 보였다.
more목차
목차
제 1 장 서론 = 1
제 2 장 위상 검증 방법 = 5
제 1 절 분기점 검증 방법 = 5
제 2 절 끝점 검증 방법 = 7
제 3 절 위상 검증 방법의 문제점 = 9
제 3 장 특징점 품질 검증 방법 = 10
제 1 절 가보 필터(Gabor Filter) = 10
제 2 절 특징값 검출 = 12
제 3 절 신경망 = 15
제 4 장 지문의 비교 = 16
제 1 절 특징점 추출과 검증 방법 = 17
제 2 절 허프 변환(hough transform) = 20
제 3 절 지문의 정합 = 22
제 5 장 실험 결과 및 분석 = 24
제 6 장 결론 = 26
참고문헌 = 27
ABSTRACT = 29
