The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Fingerprint Classification Based On the Entropy of Ridges

융선 엔트로피 계측을 이용한 지문 분류

  • 박창희 (연세대학교 대학원 전자공학) ;
  • 윤경배 (김포대학 컴퓨터계열) ;
  • 고창배 (경동대학 정보통신공학부)
  • Published : 2003.08.01
Download PDF
⟨ Previous Next ⟩

Abstract

Fingerprint classification plays a role of reduction of precise joining time and improvement of the accuracy in a large volume of database. Patterns of fingerprint are classified as 5 patterns : left loop, right loop, arch, whorl, and tented arch by numbers and the location of core point and delta point. The existing fingerprint classification is useful in a captured fingerprint image of core point and delta point using paper and ink. However, this system is unapplicable in modern Automatic Fingerprint Identification System (AFIS) because of problems such as size of input and way of input. To solve the problem, this study is to suggest the way of being able to improve accuracy of fingerprint by fingerprint classification based on the entropy of ridges using fingerprint captured mage of core point and prove this through the experiment.

지문의 분류(Classification)는 대용량 지문 데이터베이스에서 정합시간의 단축과 정확도를 높여주는 역할을 한다. 지문의 종류는 크게 궁상문, 솟은 궁상문, 좌제상문, 우제상문, 와상문의 5종류로 분류되며, 이는 중심점과 삼각점의 개수 및 위치등을 이용하여 분류하고 있다. 기존의 지문 분류는 중심점과 삼각점을 모두 획득하는 회전날인의 경우에 사용 가능한 분류방법이나 현대의 자동화된 실시간 지문인식 시스템에서는 입력센서의 크기 및 입력방법의 문제등으로 인하여 적용할 수 없는 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여, 중심점을 획득한 지문을 이용하여 중심점에서 융선의 엔트로피 계측을 기반으로 하며 지문 분류의 정확성을 향상시킬 수 있는 방법을 제안하고 실험을 통하여 이를 증명한다.

Keywords

References

  1. 양지성, 김학일, '지문의 의사 특징점 제거 알고리즘 및 성능분석,' 전자공학회논문지, 제37권 제S편 제5호, 2000
  2. 김현, 김학일, 'RSTI 불변 지문인식 알고리즘', 전자공학학회지, 제35권 제S편 제6호, pp.828-850, 1998
  3. Anil Jain, Lin Hong, Ruud Bolle, 'On-Line Fingerprint Verification,' IEEE transactions on pattern analysis and machine intelligence, Vol.19, No.4, Apr., 1997 https://doi.org/10.1109/34.587996
  4. C. V. K Rao and K. Black, 'type classification of fingerprint: a syntetic,' IEEE Trans,pattern analysis and machine intelligence, Vol.2, No.3, pp.223-231, 1980 https://doi.org/10.1109/TPAMI.1980.4767009
  5. B. G. Shelock and D. M. Monro, 'A model for interpreting fingerprint topology,' pattern recognition, Vol.26, No.7, pp.1047-1055, 1993 https://doi.org/10.1016/0031-3203(93)90006-I
  6. G. T. Candela, P. J. Grother, C. I. Watson, R. A. Wilkinson, and C. L. Wilson, 'PCASYS-A pattern-level classification automation system for fingerprints,' technical report NIS TIR 5647, Apr., 1995
  7. A. P. Fitz and R. T. Green, 'fingerprint classification using hexagonal fast fourier transform,' pattern recognition, Vol.29, No.10, pp.1587-1597, 1996 https://doi.org/10.1016/0031-3203(96)00018-0
  8. M. Kamijo, 'classifying fingerprint images using neural network:deriving the classification state,' proc third int'l conf neural network, 1996 https://doi.org/10.1109/ICNN.1993.298852
  9. K. Karu and A. K. Jain, 'fingerprint classification,' pattern recognition, Vol.29, No.3, pp.389-404, 1996 https://doi.org/10.1016/0031-3203(95)00106-9
  10. M. M. S. Chong, T. H. N. Gee, L. Jun and K. L. Gay, 'geometric frame work for fingerprint classification,' pattern recognition, Vol.30, No.9, pp.1475-1488, 1997 https://doi.org/10.1016/S0031-3203(96)00178-1
  11. A, K, Jain, Salil prabhakar, Ling Hong, 'A Multichannel approach to fingerprint classification,' IEEE transation on pattern analysis and machine intelligence, Vol.21, No.4, 1999 https://doi.org/10.1109/34.761265
  12. Yonsei University, http://cherup.yonsei.ac.kr/leftmenu/news/biometricstudy/biometricstudy2_1.htm, 2003