Fingerprint recognition system based on law’s texture energy measures with extreme learning machines

dc.authorid0000-0001-5039-6400en_US
dc.contributor.authorÇalışkan, Abidin
dc.contributor.authorAcar, Emrullah
dc.contributor.authorBudak, Cafer
dc.date.accessioned2021-12-01T11:30:55Z
dc.date.available2021-12-01T11:30:55Z
dc.date.issued2017en_US
dc.departmentBatman Üniversitesi Mühendislik - Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümüen_US
dc.description.abstractFingerprint 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.en_US
dc.description.abstractParmak 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 gözlenmiştiren_US
dc.identifier.citationÇalışkan, 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.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12402/4147
dc.language.isoenen_US
dc.publisherINESECen_US
dc.relation.journalInternational Engineering Conference (IEC2017), 19-21 October 2017en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/us/*
dc.subjectBiometricen_US
dc.subjectFingerprint Recognitionen_US
dc.subjectLaw’s Texture Energy Measuresen_US
dc.subjectExtreme Learning Machinesen_US
dc.subjectBiyometriken_US
dc.subjectParmak İzi Tanımaen_US
dc.subjectLaw’ın Doku Enerji Önlemlerien_US
dc.subjectAşırı Öğrenme Makinelerien_US
dc.titleFingerprint recognition system based on law’s texture energy measures with extreme learning machinesen_US
dc.title.alternativeAşırı öğrenme makineleri ile law’ın doku enerji ölçümlerine dayalı parmak izi tanıma sistemien_US
dc.typeConference Objecten_US

Dosyalar

Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama: