Bu tez çalışmasının amacı günümüzde kimlik tanımada önemli bir yeri olan parmakizlerinin daha iyi tanımlanması ve sınıflandırılmasını sağlamak için yeni yöntemler ortaya koymaktır. Parmakizlerinin tanımlanabilmesi için algılayıcı ya da tarayıcılardan alınan görüntüler bilgisayar ortamında işlenmektedir. Bu amaçla polar koordinat sisteminde gösterimi daha uygun olan parmakizlerinin yine bu sistemde tanımlı 2-boyutlu dalgacık tabanlı momentlerle öznitelikleri belirlenmiştir. 2-Boyutlu dalgacık momentleri parmakizinin çekirdeği referans alınarak üretilmektedir. Daha iyi bir tanıma için bu öznitelikler bazı yapısal özniteliklerle desteklenmiştir. Sınıflandırma aşamasında parmakizlerinden elde edilen öznitelikler dilsel kuvvetli ve uyarlamalı sinir-bulanık sınıflayıcı, Bayes sınıflayıcı ve yapay sinir ağları ile sınıflandırılmıştır. Dilsel kuvvetli ve uyarlamalı sinir-bulanık sınıflayıcılar ayırt edici özniteliklerin öne çıkarılmasında ve gürültü ve karışıklık içeren özniteliklerin bastırılmasında önemli rolleri vardır. Ayrıca elde edilen kuralların insan düşünce sistemine çok yakın olması sonuçların anlaşılmasını kolaylaştırmaktadır. Deneysel çalışmada kullanılan parmakizleri bu alanda standart olarak kabul edilen FVC2004 veritabanından elde edilmiştir. Veri tabanında mükemmel örnekler olmadığı için tanımlanacak kişi sayısı arttığında sınıflayıcıların başarısı düşmüştür. Bunun dışında elde edilen % 90-95 arasındaki sınıflandırma başarısı genel anlamda yeterli sayılabilir. Anahtar Kelimeler: Parmakizi tanıma, görüntü işleme, öznitelik çıkarma, 2- boyutlu dalgacık momentleri (2-BDM), dilsel kuvvetli ve uyarlamalı sinir-bulanık sınıflayıcı (D.K.U.S.B.S.)
The aim of this thesis is to put forward new methods so as to provide detecting and classifying better of fingerprints which have an important place in identification recognition today. Images, obtained from sensors or scanners, for detecting fingerprints, are processed on computer base. For this purpose, the features of fingerprints which are more suitable to show in polar coordinate system, again have been defined in this system with 2-dimension wavelet based moments. 2-dimension wavelet moments are produced with reference to the core of fingerprint. For better detecting these features have been supported with some structural features. In the process of classification, the fingerprint features have been classified by adaptive neuro-fuzzy classifier with linguistic hedges, Bayes classifier and artificial neural networks. The adaptive neuro-fuzzy classifiers with linguistic hedges have important roles in bringing forward the recognizer features and oppressing the features containing noise and defect. Moreover, since the obtained rules are closer to human thinking system, that makes it easier to understand the results. Fingerprints, used in experimental study, have been obtained from FVC2004 database which is regarded as standard in this field. Since there are no perfect examples in database, the success of classifiers has dropped as the number of people to be defined increases. But for this, classifying success which was obtained between 90-95% can generally be regarded as sufficient. Keywords: Fingerprint recognition, image processing, feature extraction, 2 dimension wavelet moments (2-DWM), adaptive neuro-fuzzy classifier with linguistic hedges (ANFC-LH).
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Elektronik ve Haberleşme Mühendisliği Anabilim Dalı, 2010.
Kaynakça var.
Bu tez çalışmasının amacı günümüzde kimlik tanımada önemli bir yeri olan parmakizlerinin daha iyi tanımlanması ve sınıflandırılmasını sağlamak için yeni yöntemler ortaya koymaktır. Parmakizlerinin tanımlanabilmesi için algılayıcı ya da tarayıcılardan alınan görüntüler bilgisayar ortamında işlenmektedir. Bu amaçla polar koordinat sisteminde gösterimi daha uygun olan parmakizlerinin yine bu sistemde tanımlı 2-boyutlu dalgacık tabanlı momentlerle öznitelikleri belirlenmiştir. 2-Boyutlu dalgacık momentleri parmakizinin çekirdeği referans alınarak üretilmektedir. Daha iyi bir tanıma için bu öznitelikler bazı yapısal özniteliklerle desteklenmiştir. Sınıflandırma aşamasında parmakizlerinden elde edilen öznitelikler dilsel kuvvetli ve uyarlamalı sinir-bulanık sınıflayıcı, Bayes sınıflayıcı ve yapay sinir ağları ile sınıflandırılmıştır. Dilsel kuvvetli ve uyarlamalı sinir-bulanık sınıflayıcılar ayırt edici özniteliklerin öne çıkarılmasında ve gürültü ve karışıklık içeren özniteliklerin bastırılmasında önemli rolleri vardır. Ayrıca elde edilen kuralların insan düşünce sistemine çok yakın olması sonuçların anlaşılmasını kolaylaştırmaktadır. Deneysel çalışmada kullanılan parmakizleri bu alanda standart olarak kabul edilen FVC2004 veritabanından elde edilmiştir. Veri tabanında mükemmel örnekler olmadığı için tanımlanacak kişi sayısı arttığında sınıflayıcıların başarısı düşmüştür. Bunun dışında elde edilen % 90-95 arasındaki sınıflandırma başarısı genel anlamda yeterli sayılabilir. Anahtar Kelimeler: Parmakizi tanıma, görüntü işleme, öznitelik çıkarma, 2- boyutlu dalgacık momentleri (2-BDM), dilsel kuvvetli ve uyarlamalı sinir-bulanık sınıflayıcı (D.K.U.S.B.S.)
The aim of this thesis is to put forward new methods so as to provide detecting and classifying better of fingerprints which have an important place in identification recognition today. Images, obtained from sensors or scanners, for detecting fingerprints, are processed on computer base. For this purpose, the features of fingerprints which are more suitable to show in polar coordinate system, again have been defined in this system with 2-dimension wavelet based moments. 2-dimension wavelet moments are produced with reference to the core of fingerprint. For better detecting these features have been supported with some structural features. In the process of classification, the fingerprint features have been classified by adaptive neuro-fuzzy classifier with linguistic hedges, Bayes classifier and artificial neural networks. The adaptive neuro-fuzzy classifiers with linguistic hedges have important roles in bringing forward the recognizer features and oppressing the features containing noise and defect. Moreover, since the obtained rules are closer to human thinking system, that makes it easier to understand the results. Fingerprints, used in experimental study, have been obtained from FVC2004 database which is regarded as standard in this field. Since there are no perfect examples in database, the success of classifiers has dropped as the number of people to be defined increases. But for this, classifying success which was obtained between 90-95% can generally be regarded as sufficient. Keywords: Fingerprint recognition, image processing, feature extraction, 2 dimension wavelet moments (2-DWM), adaptive neuro-fuzzy classifier with linguistic hedges (ANFC-LH).