یک الگوریتم طبقه بندی خودکار اثر انگشت

نویسنده

چکیده

الگوریتمهای دستی متفاوتی برای طبقه بندی اثر انگشت ارائه شده است که کاملترین آنها الگوریتم FBI است. به کارگیری الگوریتمهای دستی برای یک سیستم خودکار از نظر دقت و سرعت جستجو مناسب نیست. در این مقاله با انتخاب و استخراج خودکار ویژگیهای مناسب، یک الگوریتم دقیقتر و سریعتر برای طبقه بندی اثر انگشت ارائه شده است. در روشهای دستی، نقاط قلب1، مثلث2، و پیچ3 به عنوان ویژگیهای ساختاری و اصلی در طبقه-بندی اثر انگشت به کار می روند. در الگوریتم ارائه شده، ویژگیهای ساختاری یک اثر انگشت قلب و مثلث اند که استفاده از جهت و مختصات نسبی آنها از ویژگیهای جدید این الگوریتم است. به کمک این ویژگیها می توان زیرگروههای جدیدی برای طبقه بندی اثر انگشت تعریف کرد. با این عمل، فضای جستجوی زیرگروهها تا حد ممکن کوچک می شود و سرعت و دقت شناسایی اثر انگشت به طور چشمگیر افزایش می یابد. روش ارائه شده، مستقل از چرخش بوده و مکان نسبی قلب و مثلث با دقت بسیار خوبی به دست می آید. در انتها نتایج طبقه بندی روی آثار متنوع انگشت ارائه شده است. نتایج نشان می دهند که دقت طبقه بندی بالا بوده و این الگوریتم نسبت به اغتشاشات نمونه برداری حساسیت کمتری دارد.

عنوان مقاله [English]

An Automatic Fingerprint Classification Algorithm

نویسنده [English]

  • M. H. Ghassemian Yazdi
چکیده [English]

Manual fingerprint classification algorithms are very time consuming, and usually not accurate. Fast and accurate fingerprint classification is essential to each AFIS (Automatic Fingerprint Identification System). This paper investigates a fingerprint classification algorithm that reduces the complexity and costs associated with the fingerprint identification procedure. A new structural algorithm for classification of fingerprints is described. This algorithm is based on structural features: "core" and "delta", and their orientation. The accuracy and speed of the proposed method is tested for a large number of fingerprint images with different initial qualities. The results are independent of image orientation and, show a significant classification performance.

ارتقاء امنیت وب با وف ایرانی