초록
온라인 지문 인식 시스템에서는 주변 환경, 사용자의 지문 상태 및 입력 방법에 따라 다양한 품질의 지문이 입력된다. 따라서 지문 인식 시스템의 성능을 향상시키기 위해서는, 입력된 지문 영상을 이용하여 본인과 타인간의 변별력을 높이는 연구뿐만 아니라 다양한 품질의 지문 영상들 중에서 품질이 좋은 지문 영상을 선택하여 이를 인식에 사용하는 연구도 병행이 되어야 한다. 하지만 대부분의 기존 연구에서는 지문의 지역적인 품질만을 측정하였기 때문에 한 장의 지문영상의 품질에 대한 예측은 거의 이루어지지 않았다. 따라서 본 논문에서는 획득된 지문 영상의 품질을 판단하기 위해서 지역적인 지문 품질 측정과 이를 통한 전역적 지문 품질 측정 방볍을 제안하였다. 지역적인 지문 품질 평가에서는 각 지문 블록에서 그레디언트(Gradient)의 확률 밀도 함수(Probability Density Function)의 형태를 측정하여 블록 별 품질 값을 예측하였고, 이를 기반으로 전역적인 품질 평가에서는 신경망(Neural network)올 사용하여 지문 영상 전체를 평가함으로써 입력된 영상의 사용 여부를 판단하였다. FVC2002 데이터베이스를 사용하여 실험한 결과, 제안한 전역적 방법을 사용하였을 때 NFIQ(NIST Fingerprint Image Quality)의 방법보다 정합 예측 성능이 높게 나타난 것올 확인할 수 있었다.
Fingerprint image quality checking is one of the most important issues in on-line fingerprint recognition because the recognition performance is largely affected by the quality of fingerprint images. In the past, many related fingerprint quality checking methods have typically considered the local quality of fingerprint. However, It is necessary to estimate the global quality of fingerprint to judge whether the fingerprint can be used or not in on-line recognition systems. Therefore, in this paper, we propose both local and global-based methods to calculate the fingerprint quality. Local fingerprint quality checking algorithm considers both the condition of the input fingerprints and orientation estimation errors. The 2D gradients of the fingerprint images were first separated into two sets of 1D gradients. Then，the shapes of the PDFs(Probability Density Functions) of these gradients were measured in order to determine fingerprint quality. And global fingerprint quality checking method uses neural network to estimate the global fingerprint quality based on local quality values. We also analyze the matching performance using FVC2002 database. Experimental results showed that proposed quality check method has better matching performance than NFIQ(NIST Fingerprint Image Quality) method.