Parmakizi tanıma algoritmalarına iki yeni yaklaşım

Abstract

Kişiye ait fiziksel özellikleri kullanarak kimlik tespitini gerçekleştiren sistemler biyometrik tanıma sistemleri olarak adlandırılmaktadırlar. Bu sistemlerin tercih edilmesinin nedeni, şifreli sistemlerden daha güvenilir olmalarıdır. Bu tez, en yaygın olarak kullanılan biyometrik uygulama olan parmakizi görüntülerinin iyileştirilmesi, iyileştirilmiş görüntülere ait hücresel ve bloksal görüntülerin oluşturulması, oluşturulan yönsel görüntülerden tekil nokta ve özellik noktalarının çıkarılarak, hafızada daha az yer tutan taslakların oluşturulması, bu taslakların sıkıştırılması, sınıflandırılması ve teşhis edilmesi konularını içermektedir. İyileştirme işlemi iki aşamalı olarak gerçekleşmektedir. İlk aşamada görüntüler normalize edilerek, tüm görüntülerin aynı düzlemde temsil edilmesi ve geri plan görüntülerin çıkarılması gerçekleştirilmektedir. Kırpma adı verilen gri seviyeli görüntünün adaptif bir eşik ile süzül mesi sonucunda daha iyi çözünürlüğe sahip görüntüler elde edilmektedir. Parmakizi görüntüsüne ait yönlerin bulunması aşamasında gradient tabanlı sobel operatörünün kullanılmaktadır. Sıkıştırma işlemi için olasılıksal bir yöntem olan Temel Bileşen Analizleri kullanılmaktadır. Buraya kadar anlatılan kısımlar biyometrik tanıma sistemlerinde kayıt modülü olarak adlandırılan kısmı oluşturmaktadır. Arkasından eşleştirme modülü yer almaktadır, bu modülde elde edilen taslakların sınıflandırılması ve en yakın komşılık yaklaşımına göre teşhis yer almaktadır. Bu bölümde ayrıca Boğaziçi Üniversitesinde asistan olan O. Taner Yıldız'ın karar ağacı algoritmalarından da yararlanılmıştır. Bu kısım yayınlanacağı için burada yer verilmemektedir.Biometric identification systems use physical features to check a person's identity. The systems are prefered, due to ensure much greater security than password systems. In this thesis, the most common biometric system, fingerprint systems are processed. The first fingerprint images are enhanced, pixelwise and blockwise images are formed from enhanced images, than singular points and point patterns are obtained, which are called to be templates of the fingerprint and cover less field than images in the memory. The followed steps are compression, classification and identification. Enhancement process includes two phases. In the first phase, images are normalized for new scaling and background removal. Clipping applies to obtain better resolution by using adaptive thresholds. To get directional image representation, gradient based sobel operator is used. A probabilistic method, Principal Component Analysis is applied for compression process. The described algorithms in the previous paragraph are named to be enrollment module. On the following module is matching. In this module, classification and identification of the templates take part. Number of k nearest neighborhood is used for the identification process. On the other hand, O. Taner Yıldız's decision tree algorithms, who is from Boğaziçi University, are applied for identification. This approximation is not going to explain in the following chapters, due to publish.