A COMPARATIVE PERFORMANCE ANALYSIS OF VARIOUS CLASSIFIERS FOR FINGERPRINT RECOGNITION

PARMAK İZİ TANIMA İÇİN FARKLI SINIFLANDIRICILARIN KARŞILAŞTIRMALI BAŞARIM ANALİZİ

Abstract

In this study, recognition of fingerprint images has been performed by recent classifiers as well as some important and common classifiers available in the literature. The classification methods used in the study are support vector machines, k-nearest neighbors, Naive-Bayes, decision tree learning, and deep neural networks. Training/testing data set has been obtained basically by using four different versions of fingerprint images of 165 different fingers. Additional seven rotated versions of each different fingerprint images are also used to extend the data set. Feature vector of each fingerprint image (a fingercode) has been produced by using directional Gabor filters and averaging specific regions (sectors) of their output images. After creating fingercode data set, all classifiers has been trained to recognize fingerprint images. Detailed simulation results show that deep neural networks can be effectively used among all classifiers for recognition of fingerprint images.

Özet

Bu çalışmada, güncel sınıflandırıcılar ve ayrıca literatürdeki mevcut bazı önemli ve yaygın sınıflandırıcılar kullanılarak parmak izi görüntüleri tanınmıştır. Çalışmada kullanılan sınıflandırma yöntemleri; destek vektör makineleri, k-en yakın komşu, Naive-Bayes, karar ağacı öğrenimi ve derin sinir ağlarıdır. Eğitim ve test veri setleri temel olarak 165 farklı parmağın dört farklı parmak izi görüntüsü alınarak elde edilmiştir. Her bir farklı parmak izi görüntüsüne ek olarak, bu izlerin yedi farklı döndürülmüş versiyonu da veri kümesini genişletmek amacıyla kullanılmıştır. Her parmak izi görüntüsünün özellik vektörü (parmak kodu), yönlü Gabor süzgeci ile süzgeçleme sonrası çıktı görüntülerindeki ilgilenilen (sektör) alanlarının ortalaması alınarak üretilmiştir. Parmak izi veri seti oluşturulduktan sonra, tüm sınıflandırıcılar parmak izi görüntülerini tanımak üzere eğitilmiştir. Detaylı simülasyon çalışmaları, parmak izi görüntülerinin tanınması amacıyla kullanılan sınıflandırıcılar arasında en başarımlı olanının derin sinir ağı tabanlı sınıflandırıcı olduğunu göstermiştir.