Journal of the Korea Institute of Information and Communication Engineering (한국정보통신학회논문지)

The Korea Institute of Information and Commucation Engineering (한국정보통신학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on the fingerprint images classification based on the changes of direction fields of fingerprint images

방향척도을 이용한 지문영상 분류에 관한 연구

  • 김수겸 (목포해양대학교 기관시스템공학부)
  • Published : 2007.01.31
Download PDF
⟨ Previous Next ⟩

Abstract

The classification of fingerprint images is to classify fingerprint images into varies fingerprint types, it is very important in automatic fingerprint recognition. In this paper, a new singular points detection technique was presented. A direction uniform measure is defined to describe the changes of direction fields in a certain neighborhood of fingerprint images. Singular points can be detected by adopting the measure. It should be pointed out that singular points in accurate positions would be obtained in this ways. And an improved Poincare exponential algorithm is presented to identify core points and triangle points. In this paper. making use of 102 experimental fingerprint images datas and attained 7.8% classification errors. This was better than experimental result of abstract [9]. It is possible to use on-line fingerprint images classification.

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.

Keywords

References

  1. H. Lee and R. Gaensslen, Eds., Advances in Fingerprint Technology, New York: Elsevier, 1991
  2. C. Rao and K. Black, Type classification of fmger prints: a syntactic approach, IEEE Trans. On PAMI, Vol.2, pp.223-231, 1980
  3. M. Karnijo, Classifying fmgerprint images using neural network: deriving the classification state, Proc. Thrid Int'l Conf. Neural Network, pp.1932-1937, 1993
  4. P. Hughes and A. Green, The use of neural network for fmgerprint classification, Proc. Second Int'l Conf. Neural Network, pp.79-81, 1991
  5. M. Chong, T. Ngee, L.jun and R. Gay, Geometric framework for fmgerprint image classification, Pattern Recognition, Vol.30, No.9, pp.1475-1488, 1997 https://doi.org/10.1016/S0031-3203(96)00178-1
  6. V. Srinivasan and N. Murthy, Detection of singular points in fmgerprint images, Pattern Recognition, Vol.25, No.2, pp.139-153, 1992 https://doi.org/10.1016/0031-3203(92)90096-2
  7. G. Drets and H. Liljenstrom, Fingerprint subclassification and singular point detection, International Journal of Pattern Recognition and Artificial Intelligence, Vol.12, No.4, pp.407-422, 1998 https://doi.org/10.1142/S0218001498000269
  8. R. Cappelli, A. Lumini, D. Maio and D. Maltoni, Fingerprint Classification by directional image partitioning, IEEE Trans. On PAMI, Vol.21, On.5, pp.402-421, 1999
  9. K. Karu and A. Jain, Fingerprints classification, Pattern Recognition, Vol.29, No.3, pp.389-404, 1996 https://doi.org/10.1016/0031-3203(95)00106-9