Robustness of fingerprint verification algorithms against synthetic deformations
Parmak izi eşleştirme algoritmalarının sentetik bozulmalara karşı dayanıklılığı
- Tez No: 601909
- Danışmanlar: DR. ÖĞR. ÜYESİ NESLİ ERDOĞMUŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Parmak izi tanıma, insanların tanımlanmasında kullanılan biyometrik tekniklerden biridir. Parmak izi tanıma konusundaki gelişmeler ve araştırmalar, parmak izi tanıma ve doğrulama senaryolarının geliştirilmesinde büyük öneme sahiptir. Parmak izi tanıma sistemlerinin hemen hemen her yerde kullanılması ve kolayca erişilebilir olması, bu alanlarda yapılan araştırmalarla doğrudan orantılıdır. Bir yüzey üzerinde parmak izi alırken, büyük olasılıkla bazı sorunlar olacaktır ve bu durum parmak izi tanıma performansını etkiler. Güvenli bir tanıma sistemi için bu tür sorunların sisteme nasıl tepki vereceği önemlidir. Tezin amacı sadece mevcut özellik tabanlı parmak izi tanıma tekniklerinin değil aynı zamanda derin öğrenme, görüntü işleme temeli alan parmak izi tanıma tekniklerinin sonuçlarını elde etmek ve karşılaştırmaktır. Önemli olan, parmak izi doğrulama algoritmalarının sentetik olarak bozulmuş parmak izi görüntülerinin koşulları altında nasıl sonuçlar verdiğidir. İki farklı doğrulama sistemi geliştirdikten sonra, sistem sonuçlarını çarpık görüntülerle ve düzgün görüntülerle karşılaştırmaktır. Parmak izi görüntüsü üzeri harici olarak deformasyon etkisi olan ve olmayan iki yöntemin sonuçları karşılaştırılır. İlk sistem, görüntüleri parmak izi üzerindeki özelliklerle karşılaştıran özellik tabanlı bir tanıma sürümüdür. Bunu yapmak için ORB ve SIFT teknikleriyle iki farklı tanımlayıcı kullanılır. Bu konvansiyonel yaklaşımda, eşleşen bir parça da vardır ve bu kısım Brute Force Matcher ve Yaklaşık En Yakın Komşu (ANN) eşleştiricisi olarak adlandırılan iki farklı eşleştirme algoritmasıyla denenir. İkinci algoritma, ham parmak izi görüntülerini modele giriş olarak alarak parmak izi görüntülerini eşleştirmek için tamamen sinir ağı modelinin sonucunu alarak eşleştirme sonuçlarını belirler. Bu çalışma, derin sinir ağı yaklaşımının hem orijinal veri setinde hem de veri setinin çarpık versiyonlarında daha sağlam ve daha hızlı sonuçlar verdiğini ortaya koydu.
Özet (Çeviri)
Fingerprint recognition is one of the biometric techniques used for the identification of humans. The developments and research about fingerprint recognition to date are of great importance in advancing fingerprint recognition and verification scenarios. The fact that fingerprint recognition systems are used almost everywhere and are easily accessible is directly proportionate to a large amount of research in these areas. During the acquisition of the fingerprint, there are many environmental factors that may affect the quality of the print and eventually, its ability to be recognized. For a fingerprint recognition algorithms, it is important to handle the difficulties that arise due to those variations. The aim of the thesis is to obtain and compare the results of not only an existing feature-based fingerprint recognition techniques but a fingerprint recognition technique that uses deep learning. The main focus is on how fingerprint verification algorithms behave under the circumstances of synthetically distorted fingerprint images. After developing two different verification systems, the goal is to compare system results with and without distorted images. The results of the two methods with and without externally added deformations effect on the fingerprint image is compared. The first system has a feature-based approach comparing the images via local features on the fingerprint. In order to do this two different descriptors that are called ORB and SIFT are used. In the feature-based approach, there is also a matching part and this part is tried with two different matching algorithms that are called Brute Force Matcher and Approximate Nearest Neighbor (ANN) matcher. The second algorithm makes the decision of match or non-match by feeding the raw fingerprint images as an input to a deep neural network and comparing the feature vectors calculated by the network. This study has revealed that deep neural network approach has given more robust and faster results on both the original dataset and distorted versions of the dataset.
Benzer Tezler
- FPGA tababanlı, PCI ara yüzlü, gerçek zamanlı rasgele sayı üreteci sistemi tasarımı ve uygulamaları
FPGA based real time statistical test system with PCI for random number genarator design and applications
MURAT ERAT
Doktora
Türkçe
2008
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KENAN DANIŞMAN
- Avuç parmak eklem yüzey örüntüsü çıkarımı ve aya imgelerine dayalı çoklu biyometrik sistem geliştirilmesi
Extraction of palm finger joint surface and development of multibiometric system based on palm image
ÖZGE MAKUL
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT EKİNCİ
- Design and implementation of a threshold-based linking scheme to extend browser fingerprint lifespan
Tarayıcı parmak izi ömrünü uzatmak için eşik tabanlı bir bağlantılama yönteminin tasarımı ve uygulaması
ELİF ECEM ŞAMLIOĞLU
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. ALBERT LEVİ
- Deep learning in fingerprint analysis
Parmak izi analizinde derin öğrenme
PELİN İRTEM
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NESLİ ERDOĞMUŞ
- Bazı karbonik anhidraz izoenzimlerinin inhibitör tasarımında kullanılabilecek makine öğrenme modellerinin geliştirilmesi
Development of machine learning models for the discovery of inhibitors of selected carbonic anhydrase isoenzymes
ELİF GÖZDE HACISÜLEYMAN
Doktora
Türkçe
2025
BiyolojiKahramanmaraş Sütçü İmam ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. AHMET KAYRALDIZ
PROF. DR. EROL EROĞLU