Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightYSA kullanılarak eğitilen bir parmakizi özellik vektörleri için karşılaştırma işlemi çok hızlı bir şekilde gerçekleştirilmiş ve başarılı sonuçlar elde edilmiştir.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada parmakizi görüntüsünün iyileştirilmesi için iki yöntem önerilmiştir. Bunlardan birincisinde lokal histogram eşitleme ve gürültü azaltma filtreleri kullanılmıştır. Gürültü azaltma aşamasında doğrusal, medyan ve uyarlamalı filtreleri kullanılmıştır. İkinci yöntemde ise dalgacık dönüşümü ve iki boyutlu dalgacık dönüşümünün yeni bir açılımı olan çevritsel dönüşüm uygulanmıştır. Elde edilen uygulama sonuçları performans açısından karşılaştırılmıştır. Çalışmada ayrıca filtre-kümesi kullanılarak elde edilen parmakizi özellik vektörlerinin yapay sinir ağları (YSA)’nda eğitilmesiyle bir parmakizi tanıma yöntemi geliştirilmiştir. Parmakizi görüntüsü bütünüyle frekans içerikli bir yapıya sahip olduğundan dolayı filtreleme yönteminin geleneksel yöntemlere göre verimli sonuçlar doğuracağı düşünülmüştür. Geliştirilen yöntemde öncelikle parmakizi görüntüsünün yönsel histogramlar aracılığıyla bulunan bir referans noktası merkez alınarak belirlenen bir dairesel alanı 2 boyutlu Gabor filtreden geçirilmektedir. Her bir parmakizi için elde edilen sabit uzunluklu ve nispeten kısa özellik vektörleri, YSA kullanılarak karşılaştırma işlemine tabi tutulur. YSA kullanılarak eğitilen bir parmakizi özellik vektörleri için karşılaştırma işlemi çok hızlı bir şekilde gerçekleştirilmiş ve başarılı sonuçlar elde edilmiştir.
Abstract
In this work, we propose two methods for fingerprint image enhancement. The first one is carried out using local histogram equalization and noise reduction filters. In noise reduction step, linear, median and wiener filters are used. In the second method a wavelet transform and a contourlet transform which is a new extension of the wavelet transform in two dimensions are applied. The results are compared with each other based on performance. In addition, a method is developed to recognize fingerprints by using an Artificial Neural Network (ANN) which is trained by data obtained from a filterbank. Because of fingerprint patterns contains mainly frequency data, it is thought that filtering method gives better results than traditional methods. At developed method, fingerprint pattern is filtered by a 2D Gabor filter in a circular area whose center is obtained by a reference point determined by directional histogram. For every fingerprint, fixed length and comparatively small feature vectors are obtained and these vectors are applied a matching process by using ANN. These processes are concluded rapidly and improved results are obtained.