Detection and classification of fingerprints using artificial neural networks

Abstract

ÖZET YAPAY SINIR AĞLARI KULLANILARAK PARMAK İZİNİN ALGILANMASI ve SINIFLANDIRILMASI Parmak izi tanımlama, kişiye özgü olduğu için, dünya genelinde yasal kanıt olarak kabul edilen en eski biyometrik uygulamalardan biridir. Parmak izi sınıflandırması genel olarak Henry Sınıflandırmasına dayanır. Bu sınıflandırma insan parmak izinin beş temel grup altında incelenmesini sağlamıştır. Henry Sınıflandırması ile, parmak izi tanımlama işlemlerinde, tüm veri tabanında tarama yapmak yerine sadece, oluşturulan bu alt sınıflarda tarama yapılarak tarama zamanında ciddi avantajlar sağlanmaktadır. Parmak izi sınıflandırması, öz (core), delta yapılan ile belirlenir. Bu tezde, parmak izi sınıflandırması, Henry sınıflandırmasına uygun olarak, ikili atımlı yapay sinir ağı (Pulse Coupled Neural Network - PCNN) ve MLP (Multi Layer Perceptron) yapay sinir ağlan ile denenmiştir, ikili Atımlı Yapy Sinir Ağı, görüntünün kullanılabilir özelliğini artırma ve görüntü inceltme işleminin doğrudan gri-seviye imajından yola çıkılarak yapılmasını sağlamaktadır. MLP ağı ise PCNN ağının çıkışında doğrudan sınıflandırma işlemini yapmak için kullanılmıştır, ikili görüntüler (binary image) için görüntü inceltme işlemlerinde PCNN ağı kullanılarak geleneksel metodlardaki görüntü işleme adım zamanında azalma sağlanmıştır. Dolayısı ile gerçek zamanlı parmak izi sınıflandırma işlemlerinde, görüntüyü işlemeye harcanan zamanda avantaj sağlanmış olur.

IV ABSTRACT DETECTION and CLASSIFICATION of FINGERPRINTS USING NEURAL NETWORKS Fingerprints are one of the most mature biometric technologies and are considered legitimate proofs of evidence in courts of law all over the world and believed to be unique to each person. Classification of fingerprints generally based on Henry classification. Use of the Henry classification Scheme retains the main advantage of allowing to search in a particular cluster of fingerprints in the database. This speeds up the processing at the final stage by reducing the number of comparisons with the database for fingerprint identification cases. Classification of fingerprints to five Henry classes is according to the coarse structure of the ridges, mainly core and delta points, which appear in loop and whorl fingerprints. This thesis proposes a method for Henry classification of fingerprints with a Pulse Coupled Neural Network and a Multi Layer Perceptron. Pulse coupled Neural Network is used for image enhancement and image thinning directly from a gray-level bitmap image. Multi Layer Perceptron is used for the classification stage. By using PCNN for image thinning operations directly for binary images, there is no need to process the image by the traditional methods. So it is an advantage for real time classification cases by reducing the image proccessing time for the classifier. The database used in this thesis is consist of 100 realistic fingerprints divided into five fingerprint classes informly.