Fingerprint recognition system based on law’s texture energy measures with extreme learning machines
Küçük Resim Yok
Tarih
2017
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
INESEC
Erişim Hakkı
info:eu-repo/semantics/openAccess
Attribution-NonCommercial-ShareAlike 3.0 United States
Attribution-NonCommercial-ShareAlike 3.0 United States
Özet
Fingerprint recognition systems are one of the most popular biometric systems used in many areas,
including prisons, border controls, educational institutions and forensic medicine. This paper presents
a new approach based on the texture features for fingerprint recognition system. The dataset which
employed in this study is obtained from the Hong Kong Polytechnic University High-ResolutionFingerprint database. The proposed system was implemented in two basic stages. Firstly, the texture
feature vectors were extracted from the images by using Law’s Texture Energy Measures (TEM) and
totally 9 parameters were extracted for each image as a feature vector. Then, the obtained feature
vectors were classified by using Extreme Learning Machines (ELM) model. Finally, the average
performance of the proposed system was computed according to different tuning parameters and the
highest accuracy rate was observed as 83.92 % among the all system architectures.
Parmak izi tanıma sistemleri, hapishaneler, sınır denetimleri, eğitim kurumları ve adli tıp da dâhil olmak üzere birçok alanda kullanılan en popüler biyometrik sistemlerden biridir. Bu makalede, parmak izi tanıma sistemi için doku özelliklerine dayalı yeni bir yaklaşım sunulmaktadır. Çalışmada kullanılan veri kümesi, Hong Kong Politeknik Üniversitesi yüksek çözünürlüklü parmak izi veri tabanından elde edilmiştir. Önerilen sistem iki temel aşamada gerçekleştirilmiştir. İlk olarak, görüntü dokusuna duyarlı yöntemlerden biri olan Law’ın Doku Enerji Ölçümleri yöntemi kullanılarak, parmak izi görüntü dokularından öznitelik vektörleri elde edilmiş ve her bir görüntü için toplamda 9 doku parametresinden oluşan bir öznitelik vektörü oluşturulmuştur. Daha sonra, elde edilen bu öznitelik vektörleri, Aşırı Öğrenme Makineleri modelinin girişlerine verilerek sınıflandırılmıştır. Son olarak, önerilen sistemin ortalama performansı farklı ayar parametrelerine göre hesaplanmış ve tüm sistem mimarileri arasındaki en yüksek doğruluk oranı% 83.92 olarak gözlenmiştir
Parmak izi tanıma sistemleri, hapishaneler, sınır denetimleri, eğitim kurumları ve adli tıp da dâhil olmak üzere birçok alanda kullanılan en popüler biyometrik sistemlerden biridir. Bu makalede, parmak izi tanıma sistemi için doku özelliklerine dayalı yeni bir yaklaşım sunulmaktadır. Çalışmada kullanılan veri kümesi, Hong Kong Politeknik Üniversitesi yüksek çözünürlüklü parmak izi veri tabanından elde edilmiştir. Önerilen sistem iki temel aşamada gerçekleştirilmiştir. İlk olarak, görüntü dokusuna duyarlı yöntemlerden biri olan Law’ın Doku Enerji Ölçümleri yöntemi kullanılarak, parmak izi görüntü dokularından öznitelik vektörleri elde edilmiş ve her bir görüntü için toplamda 9 doku parametresinden oluşan bir öznitelik vektörü oluşturulmuştur. Daha sonra, elde edilen bu öznitelik vektörleri, Aşırı Öğrenme Makineleri modelinin girişlerine verilerek sınıflandırılmıştır. Son olarak, önerilen sistemin ortalama performansı farklı ayar parametrelerine göre hesaplanmış ve tüm sistem mimarileri arasındaki en yüksek doğruluk oranı% 83.92 olarak gözlenmiştir
Açıklama
Anahtar Kelimeler
Biometric, Fingerprint Recognition, Law’s Texture Energy Measures, Extreme Learning Machines, Biyometrik, Parmak İzi Tanıma, Law’ın Doku Enerji Önlemleri, Aşırı Öğrenme Makineleri
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Çalışkan, A., Acar, E., Budak, C. (2017). Fingerprint recognition system based on law’s texture energy measures with extreme learning machines. International Engineering Conference (IEC2017), 19-21 October 2017, Antalya, Türkiye.
