Geri Dön

Hücresel sinir ağları ile parmak izi tanıma

Fingerprint recognition with cellular neural networks

  1. Tez No: 337197
  2. Yazar: TUBA ÇELİK MAYADAĞLI
  3. Danışmanlar: DOÇ. DR. RİFAT EDİZKAN, YRD. DOÇ. DR. ERTUĞRUL SAATÇI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Parmak izi Tanıma, Hücresel Sinir Ağları, Fingerprint recognition, Cellular Neural Network
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Telekomünikasyon Bilim Dalı
  13. Sayfa Sayısı: 106

Özet

Bu tez çalışmasında, Hücresel Sinir Ağları yaklaşımı ile yönden bağımsız parmak izi tanıma sistemi gerçekleştirilmiştir. Yönden bağımsız parmak izi tanıma sisteminin temeli; daha önce HSA (Hücresel Sinir Ağları) yaklaşımı ile gerçekleştirilmemiş çekirdek (core) ve delta noktasının tespitine dayanır. Fakat her parmak izinde çekirdek noktası bulunması olasılığı delta noktası bulunma olasılığına göre daha fazla olduğu için çalışmada çekirdek noktası tespiti esas alınmış ve delta noktası kullanılmamıştır. Parmak izi tanıma, parmak izi görüntüsünü iyileştirmek için ön işleme, veri tabanındaki parmak izleri ile karşılaştırma yapmak için özellik çıkarma, performansı artırmak için sahte özellik noktalarının elenmesi ve veri tabanı ile karşılaştırma yapmak için eşleme adımlarından oluşmaktadır. Bu adımlardan ilk ikisi HSA yaklaşımı ile gerçekleştirilmiştir.Önerilen yöntemin parmak izi tanımadaki başarımı, 50 adetlik parmak izi veri tabanı üzerinde yapılan deneylerle test edilmiş ve uygulamalar sonucunda %93 başarı elde edilmiştir.

Özet (Çeviri)

In this thesis, a rotation invariant CNN (Cellular Neural Networks) based fingerprint recognition system is introduced. The rotation invariant CNN based fingerprint recognition depends on delta and core point detection which is never implemented with CNN techniques before. Only core point detection was used here, because the availability of a core point in a fingerprint is more likely than a delta point. In fingerprint recognition, preprocessing is used to enhance the input fingerprint image, feature extraction is used for matching with database, false feature elimination is used to increase the system performance by eliminating the false feature points and matching process is used to compare feature points with the existing database. The first two steps were realized by means of CNN approaches. Fingerprint recognition efficiency of the proposed method has been tested by making the experiments on a fingerprint database containing 50 fingerprint images. It has been observed that the proposed method have been found to be successful with 93%.

Benzer Tezler

  1. A generalized localization framework for terrestrial and aerial systems

    Kara ve hava sistemleri için genel bir konumlandırma çerçevesi

    SALİHA BÜYÜKÇORAK EDİBALİ

    Doktora

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜNEŞ KARABULUT KURT

  2. Hücresel sinir ağları ile medikal görüntü işleme

    Medical image processing with cellular neural networks

    ENİS GÜNAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    Elektrik ve Elektronik MühendisliğiNiğde Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HALİS ALTUN

  3. Anahtarlamalı durum kontrollü hücresel sinir ağları tabanlı tigan benzeri sistem

    Switched state controlled cellular neural networks based tigan-like system

    FATMA AKTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiErciyes Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ENİS GÜNAY

  4. Rastgele markov alanları ve hücresel sinir ağları ile görüntü işleme

    Image processing with markow random fields and cellular neural networks

    MAHMUT ŞAMİL SAĞIROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN NURİ UÇAN