Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2007 / Cilt: 22 - Sayı: 2

FİLTRELEME TEKNİKLERİ İLE İYİLEŞTİRİLMİŞ PARMAKİZLERİNİ YAPAY SİNİR AĞLARI İLE TANIMADA YENİ BİR YAKLAŞIM

Pages
0
Publication Date
2013-02-15
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

YSA kullanılarak eğitilen bir parmakizi özellikvektörleri için karşılaştırma işlemi çok hızlı bir şekilde gerçekleştirilmiş ve başarılı sonuçlar elde edilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada parmakizi görüntüsünün iyileştirilmesi için iki yöntem önerilmiştir.
📊
Key Findings & Data:Parmakizi görüntüsübütünüyle frekans içerikli bir yapıya sahip olduğundan dolayı filtreleme yönteminin geleneksel yöntemlere göreverimli sonuçlar doğuracağı düşünülmüştür.
💡
Conclusion & Impact:YSA kullanılarak eğitilen bir parmakizi özellikvektörleri için karşılaştırma işlemi çok hızlı bir şekilde gerçekleştirilmiş ve başarılı sonuçlar elde edilmiştir.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Biyometrik · parmakizi iyileştirme · parmakizi tanıma

Özet

Bu çalışmada parmakizi görüntüsünün iyileştirilmesi için iki yöntem önerilmiştir. Bunlardan birincisinde lokalhistogram eşitleme ve gürültü azaltma filtreleri kullanılmıştır. Gürültü azaltma aşamasında doğrusal, medyan veuyarlamalı filtreleri kullanılmıştır. İkinci yöntemde ise dalgacık dönüşümü ve iki boyutlu dalgacık dönüşümününyeni bir açılımı olan çevritsel dönüşüm uygulanmıştır. Elde edilen uygulama sonuçları performans açısındankarşılaştırılmıştır. Çalışmada ayrıca filtre-kümesi kullanılarak elde edilen parmakizi özellik vektörlerinin yapaysinir ağları (YSA)’nda eğitilmesiyle bir parmakizi tanıma yöntemi geliştirilmiştir. Parmakizi görüntüsübütünüyle frekans içerikli bir yapıya sahip olduğundan dolayı filtreleme yönteminin geleneksel yöntemlere göreverimli sonuçlar doğuracağı düşünülmüştür. Geliştirilen yöntemde öncelikle parmakizi görüntüsünün yönselhistogramlar aracılığıyla bulunan bir referans noktası merkez alınarak belirlenen bir dairesel alanı 2 boyutluGabor filtreden geçirilmektedir. Her bir parmakizi için elde edilen sabit uzunluklu ve nispeten kısa özellikvektörleri, YSA kullanılarak karşılaştırma işlemine tabi tutulur. YSA kullanılarak eğitilen bir parmakizi özellikvektörleri için karşılaştırma işlemi çok hızlı bir şekilde gerçekleştirilmiş ve başarılı sonuçlar elde edilmiştir.

🔖

Cite This Article

ALTUN, A. A., ALLAHVERDİ, N. (2013). FİLTRELEME TEKNİKLERİ İLE İYİLEŞTİRİLMİŞ PARMAKİZLERİNİ YAPAY SİNİR AĞLARI İLE TANIMADA YENİ BİR YAKLAŞIM. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 22 - Sayı: 2, 0. https://ajindex.com/articles/21071

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. Wayman J., Jain A.K., Maltoni D., Maio D., Biometric Systems: Technology, Design and Performance Evaluation, Springer, 2004.
  2. Mario, D., Maltoni, D., “Direct Gray-Scale Minutiae Detection in Fingerprints”, IEEE Trans. Pattern Analysis and Machine Intelligence, vol., no. 1, pp.27-40, 1997.
  3. Duncan, D., Po, Y., Do, M.N., “Directional Multiscale Modeling Of Images Using The Contourlet Transform”, IEEE Transactions on Image Processing, June 11, 2004.
  4. Altun A.A., Allahverdi N., Koçer H.E., “2 Boyutlu Gabor Filtre Kullanarak Yapay Sinir Ağları İle Parmakizi Analizi”, 4. Uluslar arası İleri Teknolojiler Sempozyumu, cilt 1, sf. 10-14, - Yıldırım N., Saraç, U., Özer, H., “Gabor Filtre Kullanarak Parmakizi Analizi”, SIU 2002, 10. Sinyal İşleme ve İletişim Uygulamaları Kurultayı, Pamukkale, 2002.
  5. Jain, A.K., Prabhakar, S., Lin, H., Pankanti, S., “FingerCode: A Filterbank for Fingerprint Representation and Matching”, IEEE Computer Society Conference on Computer Vision and Pattern Recognition,, pt. 2, p 187-93, Vol. 2, - Yaman, K., Sarucan, A., Atak, M., Aktürk, N., “Dinamik Çizelgeleme İçin Görüntü İşleme ve ARIMA Modelleri Yardımıyla Veri Hazırlama”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt 16, No 1, 19-40, 2001.
  6. Altun, A., Allahverdi, N., Koçer, H.E., Yılmaz, T., Alan, S., “Filtreleme Teknikleri Kullanarak Parmakizi Görüntüsü İyileştirme”, SIU 2005 13. Sinyal İşleme ve İletişim Uygulamaları Kurultayı, 2005.
  7. Ortiz, F., Torres, F., Gil, P., “Gaussian Noise Elimination in Colour Images by Vector- Connected Filters”, 17th International Conference on Pattern Recognition, pt. 4, Vol.4, p 807-10, 2004.
  8. Vatansever, F., Çankaya, İ., Akgün, D., “Dalgacık Tabanlı Görüntü Temizleme”, 4. Uluslar arası İleri Teknolojiler Sempozyumu, cilt 1, sf. 63-68, - Prabhakar, S., Fingerprint Classification and Matching Using a Filterbank, PhD Thesis, Michigan State University, 2001.
  9. Erdem, O.A., Uzun, E., “Yapay Sinir Ağları ile Türkçe Times New Roman, Arial ve Elyazısı Karakterleri Tanıma”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt, No 1, 13-19, 2005.
  10. Bishop, C.M., Neural Networks for Pattern Recognition, Oxford University Press,
  11. Oxford, UK, 1995.
  12. Ghada, B., B. John, O., “Enhancing trie-based syntactic pattern recognition using AI heuristic search strategies”, Lecture Notes in Computer Science, v 3686, n PART I, Pattern Recognition and Data Mining: Third International Conference on Advances in Pattern Recognition, ICAPR 2005. Proceedings, p 1-17,