생체 인식 및 이미지 처리

이미지는이 정보 시대에 큰 비중을 차지합니다. 생체 인식에서는 이전에 데이터베이스에 생체 인식 이미지가 저장된 개인을 식별하기 위해 이미지 처리가 필요합니다. 얼굴, 지문, 홍채 등은 이미지 처리 및 패턴 인식 기술이 필요한 이미지 기반 생체 인식입니다.

이미지 기반 생체 인식 시스템이 정확하게 작동하려면 사용자 생체 인식의 샘플 이미지가 매우 명확하고 오염되지 않은 형태로 있어야합니다.

생체 인식에서 이미지 처리의 요구 사항

사용자의 생체 인식 이미지가 생체 인식 시스템에 입력됩니다. 이 시스템은 방정식을 사용하여 이미지를 조작 한 다음 각 픽셀에 대한 계산 결과를 저장하도록 프로그래밍되어 있습니다.

데이터의 특정 미세 기능을 선택적으로 향상시키고 특정 노이즈를 제거하기 위해 디지털 데이터에 다양한 이미지 처리 작업이 적용됩니다.

이미지 처리 방법은 세 가지 기능 범주로 분류 할 수 있습니다.

이미지 복원

이미지 복원에는 주로 다음이 포함됩니다.

샘플 획득시 이미지에 도입 된 노이즈를 줄입니다.
생체 인식 등록 중에 왜곡 제거가 나타났습니다.

이미지 평활화는 이미지의 노이즈를 줄입니다. 평활화는 각 픽셀을 인접 픽셀의 평균 값으로 대체하여 수행됩니다. 생체 인식 시스템은 Median Filtering, Adaptive Filtering, Statistical Histogram, Wavelet Transforms 등과 같은 다양한 필터링 알고리즘 및 노이즈 감소 기술을 사용합니다.

이미지 향상

이미지 향상 기술은 이미지의 특정 부분 또는 특징의 가시성을 향상시키고 다른 부분의 정보를 억제합니다. 복원이 완료된 후에 만 수행됩니다. 여기에는 이미지를 추가 처리에 사용할 수 있도록 밝게하기, 선명하게하기, 대비 조정 등이 포함됩니다.

특징 추출

두 가지 유형의 특징이 이미지에서 추출됩니다.

General features − 이미지의 내용을 설명하는 데 사용되는 모양, 질감, 색상 등의 특징.
Domain-specific features − 얼굴, 홍채, 지문 등과 같은 애플리케이션 종속 기능입니다. Gabor 필터는 기능을 추출하는 데 사용됩니다.

이미지에서 특징을 추출 할 때 적절한 분류자를 선택해야합니다. 널리 사용되는 분류기Nearest Neighbor classifier, 후보 이미지의 특징 벡터를 데이터베이스에 저장된 이미지의 벡터와 비교합니다.

B-Splines지문 생체 인식 시스템의 곡선 패턴을 설명하는 데 적용되는 근사치입니다. B- 스플라인의 계수는 피쳐로 사용됩니다. 홍채 인식 시스템의 경우, 홍채 이미지는 Discrete Wavelet Transform (DWT)을 사용하여 분해되고 DWT 계수가 특징으로 사용됩니다.