Fingerprint recognition system based on gray level co-occurrence matrix
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
The biometric system provides an automatic identification of any person, depending on characteristic
and feature/attribution of person. Fingerprint is, today, one of the biometric systems that have a wide
range of use in many investigation areas. Fingerprint, especially used for authentication, is more
reliable comparing to the other traditional methods which are used for access. In this study, a gray level
co-occurrence matrix (GLCM) based fingerprint recognition system which provides successful results
in tissue type imagining recognition has been implemented. The purpose of this study is to show the
effectiveness of the GLCM in fingerprint recognition. By using GLCM which is a feature extracting
method, fingerprint images are classified by multilayer perceptron (MLP) artificial neural network
classification technique. Statistical methods were used to extraction the feature by obtaining the GLCM
matrix for the gray level images. In the first step of system analysis, the system is trained by using GLCM
attribute parameters and performance information is measured for different network topologies of the
MLP classifier. After the classification stage, when the results are compared with the success rates of
previously made fingerprint recognition systems, the success rate of 88.25% is considered as
acceptable. As a result, it is considered that the results are reasonable when results are compared with
other studies in the literature. Experimental results have also shown that the proposed method can
improve the accuracy of existing methods.
Biyometrik sistem, bireyin sahip olduğu karakteristik veya eşsiz özniteliğe dayalı olarak kişiyi otomatik tanımlamayı sağlar. Parmak izi, günümüzde birçok alanda geniş bir kullanım alanına sahip biyometrik sistemlerden biridir. Özellikle kimlik doğrulamasında kullanılan parmak izi, erişim için geleneksel olarak kullanılan diğer yöntemlere göre daha güvenilirdir. Bu çalışmada, doku tipi imge tanılamada başarılı sonuçlar veren gri seviye eş-oluşum matrisi (GSEM) tabanlı parmak izi tanıma sistemi gerçekleştirilmiştir. Bu çalışmanın amacı GSEM’nin parmak izi tanımada olan etkinliğini göstermektir. GSEM özellik çıkartma yöntemi kullanılarak parmak izi imgeleri çok katmanlı algılayıcı (ÇKA) yapay sinir ağı sınıflandırma tekniği kullanılarak sınıflandırılmıştır. Gri seviye imgelere ilişkin GSEM matrisi elde edilerek öznitelik çıkartma için istatistiksel yöntemlerden faydalanılmıştır. Sistem analizinin ilk aşamasında, GSEM öznitelik parametreleri kullanılarak sistem eğitilmiş ve ÇKA sınıflandırıcısının farklı ağ topolojileri için performans bilgileri ölçülmüştür. Sınıflandırma aşamasından sonra, elde edilen sonuçların daha önce yapılmış olan parmak izi tanıma sistemlerinin başarı oranları ile karşılaştırıldığında %88.25 olan başarı oranının kabul edilebilir olduğu düşünülmektedir. Sonuç olarak yapılan çalışma, literatürde ki diğer çalışmalar ile karşılaştırıldığında sonuçların makul düzeyde olduğu düşünülmektedir. Deneysel sonuçlar, önerilen yöntemin mevcut metotların doğruluğunu arttırabildiğini de göstermiştir.
Biyometrik sistem, bireyin sahip olduğu karakteristik veya eşsiz özniteliğe dayalı olarak kişiyi otomatik tanımlamayı sağlar. Parmak izi, günümüzde birçok alanda geniş bir kullanım alanına sahip biyometrik sistemlerden biridir. Özellikle kimlik doğrulamasında kullanılan parmak izi, erişim için geleneksel olarak kullanılan diğer yöntemlere göre daha güvenilirdir. Bu çalışmada, doku tipi imge tanılamada başarılı sonuçlar veren gri seviye eş-oluşum matrisi (GSEM) tabanlı parmak izi tanıma sistemi gerçekleştirilmiştir. Bu çalışmanın amacı GSEM’nin parmak izi tanımada olan etkinliğini göstermektir. GSEM özellik çıkartma yöntemi kullanılarak parmak izi imgeleri çok katmanlı algılayıcı (ÇKA) yapay sinir ağı sınıflandırma tekniği kullanılarak sınıflandırılmıştır. Gri seviye imgelere ilişkin GSEM matrisi elde edilerek öznitelik çıkartma için istatistiksel yöntemlerden faydalanılmıştır. Sistem analizinin ilk aşamasında, GSEM öznitelik parametreleri kullanılarak sistem eğitilmiş ve ÇKA sınıflandırıcısının farklı ağ topolojileri için performans bilgileri ölçülmüştür. Sınıflandırma aşamasından sonra, elde edilen sonuçların daha önce yapılmış olan parmak izi tanıma sistemlerinin başarı oranları ile karşılaştırıldığında %88.25 olan başarı oranının kabul edilebilir olduğu düşünülmektedir. Sonuç olarak yapılan çalışma, literatürde ki diğer çalışmalar ile karşılaştırıldığında sonuçların makul düzeyde olduğu düşünülmektedir. Deneysel sonuçlar, önerilen yöntemin mevcut metotların doğruluğunu arttırabildiğini de göstermiştir.
Açıklama
Anahtar Kelimeler
Biometric System, Palmprint Recognition, Gray Level Co-Occurrence Matrix, Multilayer Perceptron, Biyometrik Sistem, Avuç İçi Tanıma, Gri Seviye Eş-Oluşum Matrisi, Çok Katmanlı Algılayıcı
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Çalışkan, A. (2017). Fingerprint recognition system based on gray level co-occurrence matrix. International Engineering Conference (IEC2017), 19-21 October 2017, Antalya, Türkiye
