Hücresel sinir ağları ile parmak izi tanıma

Abstract

Bu tez çalışmasında, Hücresel Sinir Ağları yaklaşımı ile yönden bağımsız parmak izi tanıma sistemi gerçekleştirilmiştir. Yönden bağımsız parmak izi tanıma sisteminin temeli; daha önce HSA (Hücresel Sinir Ağları) yaklaşımı ile gerçekleştirilmemiş çekirdek (core) ve delta noktasının tespitine dayanır. Fakat her parmak izinde çekirdek noktası bulunması olasılığı delta noktası bulunma olasılığına göre daha fazla olduğu için çalışmada çekirdek noktası tespiti esas alınmış ve delta noktası kullanılmamıştır. Parmak izi tanıma, parmak izi görüntüsünü iyileştirmek için ön işleme, veri tabanındaki parmak izleri ile karşılaştırma yapmak için özellik çıkarma, performansı artırmak için sahte özellik noktalarının elenmesi ve veri tabanı ile karşılaştırma yapmak için eşleme adımlarından oluşmaktadır. Bu adımlardan ilk ikisi HSA yaklaşımı ile gerçekleştirilmiştir. Önerilen yöntemin parmak izi tanımadaki başarımı, 50 adetlik parmak izi veri tabanı üzerinde yapılan deneylerle test edilmiş ve uygulamalar sonucunda %93 başarı elde edilmiştir.

In this thesis, a rotation invariant CNN (Cellular Neural Networks) based fingerprint recognition system is introduced. The rotation invariant CNN based fingerprint recognition depends on delta and core point detection which is never implemented with CNN techniques before. Only core point detection was used here, because the availability of a core point in a fingerprint is more likely than a delta point. In fingerprint recognition, preprocessing is used to enhance the input fingerprint image, feature extraction is used for matching with database, false feature elimination is used to increase the system performance by eliminating the false feature points and matching process is used to compare feature points with the existing database. The first two steps were realized by means of CNN approaches. Fingerprint recognition efficiency of the proposed method has been tested by making the experiments on a fingerprint database containing 50 fingerprint images. It has been observed that the proposed method have been found to be successful with 93%.