• International Journal of Computer Science & Network Security
• /
• 제22권3호
• /
• pp.29-36
• /
• 2022

In deep learning classification tasks, most models frequently assume that all labels are available for the training datasets. As such strategies to learn new concepts from unlabeled datasets are scarce. In fingerprint classification tasks, most of the fingerprint datasets are labelled using the subject/individual and fingerprint datasets labelled with finger type classes are scarce. In this paper, authors have developed approaches of classifying fingerprint images using the majorly known fingerprint classes. Our study provides a flexible method to learn new classes of fingerprints. Our classifier model combines both the clustering technique and use of deep learning to cluster and hence label the fingerprint images into appropriate classes. The K means clustering strategy explores the label uncertainty and high-density regions from unlabeled data to be clustered. Using similarity index, five clusters are created. Deep learning is then used to train a model using a publicly known fingerprint dataset with known finger class types. A prediction technique is then employed to predict the classes of the clusters from the trained model. Our proposed model is better and has less computational costs in learning new classes and hence significantly saving on labelling costs of fingerprint images.

• 한국멀티미디어학회논문지
• /
• 제16권7호
• /
• pp.870-878
• /
• 2013

본 논문에서는 생체인증 시스템의 하나인 지문인식 시스템의 정확도와 효율성을 높이기 위한 새로운 지문 분류 방법을 제안한다. 기존 연구에 따르면 지문은 융선과 골의 방향과 형상에 따라 몇 가지 유형으로 분류할 수 있다. 지문 데이터베이스를 사전에 유형에 따라 분류해 놓고 인식 대상인 지문의 유형을 정확하게 분류할 수 있다면 지문 인식 시간을 크게 줄일 수 있다. 왜냐하면 선택된 부류 안의 지문들만을 상대로 인증 대상인 지문과 비교하면 되기 때문이다. 본 논문은 우선 지문 영상으로부터 실제 지문 정보가 위치하는 관심영역 추출 방법을 제시한다. 다음엔 추출된 관심영역을 대상으로 질감 인식기반의 명암도 동시발생 행렬과 웨이브릿 변환을 통한 특징 추출 방법을 제시하고 기존의 명암도 동시발생 행렬만을 이용한 특징 추출 방법과 다층 퍼셉트론 및 서포트 벡터 머신을 사용해 성능을 비교한다.

• 제어로봇시스템학회논문지
• /
• 제6권5호
• /
• pp.390-395
• /
• 2000

We present a fingerprint identification algorithm using the wavelet transform and correlation. The wavelet transform is used because of its simple operation to extract fingerprint minutiaes features for fingerprint classification. We perform the rowwise 1-D wavelet transform for a $256\times256$ fingerprint image to get a $1\times256$ column vector using the Haar wavelet and repeat 1-D wavelet transform for a 1$\times$256 column vector to get a $1\times4$ feature vector. Using PNN(Probabilistic Neural Network), we select the possible candidates from the stored feature vectors for fingerprint images. For those candidates, we compute the correlation between the input binary image and the target binary image to find the most similar fingerprint image. The proposed algorithm may be the key to a low cost fingerprint identification system that can be operated on a small computer because it does not need a large memory size and much computation.

• 한국정보통신학회논문지
• /
• 제11권1호
• /
• pp.108-113
• /
• 2007

지문영상 분류는 특징을 이용하여 여러 가지 유형의 지문영상으로 분류하는 것으로, 지문영상 자동인식시스팀에서 매우 중요하다. 본 논문에서는, 지문영상의 한 점에서의 방향척도를 제안하였다. 이 방향척도는 지문영상의 방향장 영상에서 융선 방향의 변화경로를 상술하는 것으로 지문영상의 각각의 점에 대하여 제안된 방향척도를 계산한다. 제안한 알고리즘을 이용하여 지문영상을 특징점(핵심점과 삼각점)을 정의한 후 유형별로 분류하였다. 또한 개선된 Poincare 지수 알고리즘도 제안하여 핵심점과 삼각점을 구분하였다. 102개의 지문영상 실험 데이터에 대한 분류에러는 7.8%로서 문헌[9]의 분류오차 12.4%보다 좋은 실험결과를 얻을 수 있었다. 또한 제안한 방법은 온라인 지문영상 분류에도 사용가능 할 것으로 생각한다.

• 제어로봇시스템학회논문지
• /
• 제18권9호
• /
• pp.887-893
• /
• 2012

In this paper, we propose a new approach to extract directional features based on directional patterns of each region in fingerprint images. The proposed approach computes the center of gravity to extract features from fingerprint images of various shapes. According to it, we divide a fingerprint image into four regions and compute the directional values of each region. To extract directional features of each region from a fingerprint image, we spilt direction values of ridges in a region into 18 classes and compute frequency distribution of each region. Through the result of our experiment using FVC2002 DB database acquired by electronic devices, we show that directional features are effectively extracted from various fingerprint images of exceptional inputs which lost all or part of singularities. To verify the performance of the proposed approach, we explained the process to model Arch, Left, Right and Whorl class using the extracted directional features of four regions and analyzed the classification result.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제35권1호
• /
• pp.41-49
• /
• 2008

지문분류는 지문을 전역특징에 따라 미리 정의된 클래스로 분류하여 대규모 지문식별시스템의 매칭시간을 감소시키는데 유용하다. 그런데, 지문의 고유성으로 인해 전역특징이 다양하게 분포함에도 불구하고, 기존의 지문분류 방법들은 모든 지문에 대해 고정된 영역으로부터 비적응적으로 전역특징을 추출하였다. 본 논문에서는 다양한 지문을 효과적으로 분류하기 위해 각 지문에 적응적으로 특징을 추출하는 방법을 제안한다. 이는 각 지문의 융선 방향의 변화량을 계산하여 적응적으로 특징영역을 탐색한 후, 특징영역내의 융선 방향 값을 특징벡터로 추출하고 지지벡터기계(Support Vector Machines)를 이용해 분류한다. 본 논문에서는 NIST4 데이타베이스를 이용하여 실험을 수행하였다. 그 결과 5클래스 분류에 대해 90.3%, 4클래스 분류에 대해 93.7%의 분류성능을 얻었으며, 비적응적으로 추출한 특징벡터와의 비교실험을 통해 제안하는 적응적 특징추출방법의 유용성을 입증하였다.

• 제어로봇시스템학회논문지
• /
• 제18권11호
• /
• pp.1005-1010
• /
• 2012

We propose a novel approach to classify fingerprints using the extracted adaptive core block for improving classification performance of incomplete fingerprints in this paper. We compute representative directions from fingerprint images by the block unit and learn horizontal and vertical Markov models by deciding the center position of a fingerprint image based on the expert knowledge. The center block of a test image is the block has the highest probability after comparing the Markov model with $11{\times}11$ blocks. The proposed approach can effectively classify incomplete fingerprints using the optimal center block.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1998년도 추계종합학술대회 논문집
• /
• pp.963-966
• /
• 1998

In this paper, a fingerprint classification algorithm is presented. Fingerprint types are classified into five categories: arch, tented arch, left loop, right loop and whorl. Singular points (cores and deltas) are detected using Poincare index on the directional image smoothed by adaptive window size. The method is shown to be robust to the variation of fingerprint image qualaity.

• 정보처리학회논문지B
• /
• 제9B권5호
• /
• pp.653-662
• /
• 2002

지문인식은 입력지문이 데이터베이스 내에 있는 특성인의 지문과 일치하는지 여부를 확인하는 것이다. 이를 위해 대형 지문 데이터베이스에서는 여러 가지 전처리 과정과 분류 및 매칭을 하고 소형 지문데이터 인식에서는 분류를 하지 않고 바로 매칭을 한다. 매칭 방법은 특징점 (단점, 분기점)에 기초한 매칭이 주를 이루고 있는데, 특징점에 기초한 매칭은 지문의 변환, 회전, 비선형 변형, 가짜 특징점 등이 발생하는 문제로 특징점 추출 및 특징점들 간의 정확한 매칭에 매우 복잡한 계산을 필요로 하고, 지문의 품질향상을 위해 많은 전처리 과정이 필요한 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 지문인식에 특징점을 이용하지 않고, Gabor 필터에 지문을 통과시켜 얻은 지문의 융선에서 Gabor 특징값을 산출하여 이 특징값을 지문인식에 이용하는 간단한 새로운 방법을 제안하고 이 방법이 지문인식 실행에 가능성을 가지고 있음을 실험으로 증명하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2004년도 춘계종합학술대회
• /
• pp.468-471
• /
• 2004

본 논문에서는 런길이부호화를 이용하여 지문영상의 융선을 분류하는 방법을 연구하였다. 자동지문인식 시스템에서 단점, 분기점과 같은 특징점을 검출하기 위해 지문영상의 융선을 분류할 필요가있다. 본 논문에서는 분할된 지문영상을 런길이 부호화를 이용하여 지문융선을 분류하는 방법을 제안한다. 또한 융선의 분류와 동시에 각 런의 중심점을 연결하는 지문 세선화과정이 수행되고, 분기점 및 단점이 포함된 특징영역을 동시에 검출할 수 있다. 제안방법의 성능평가를 위해 지문영상을 사용하여 분기점 및 단점을 포함하는 특징영역을 검출하고, 동시에 지문융선을 분류할 수 있음을 보였다.