Low-quality fingerprint identification model usingglobal map feature indication (gmfi) methodology
Global harita özellik göstergeleri (gmfı) metodolojisikullanarak düşük kaliteli parmak izi tanımlama modeli
- Tez No: 497555
- Danışmanlar: YRD. DOÇ. DR. YURIY ALYEKSYEYENKOV
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Türk Hava Kurumu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 120
Özet
Biyometrik Parmak İzi Tanımlama (BFI), görüntü işleme, bilgisayar görme görevi ve makine öğrenmede en zor görevlerden biridir. Eşsizliği ve zaman içindeki tutarlılığı nedeniyle en iyi bilinen Biyometrik yöntemdir. Yüzyılı aşkın bir süredir, biyometrik parmak izleri insanların kimliğini saptamak için yaygın olarak kullanılmaktadır. Son zamanlardaysa, bilgisayar kapasitelerinin avantajlarından dolayı biyometrik parmak izi tanımlama otomatik bir sistem haline gelmiştir. Biyometrik parmak izi görüntü tanımlama akıllı teknoloji ve bilgi güvenliğinde önemli bir husus oluşturmaktadır. Bu tezde, parmak izi tanımlama için lokalizasyona dayalı ufak ayrıntılar çıkarımı yöntemi için bir geliştirme yaklaşımı önermekteyiz. Lokalizasyona dayalı yaklaşımı geliştirmek için bir Global Harita Özellik Göstergeleri (GMFI) metodolojisine dayanan düşük kaliteli parmak izi tanımlama yaklaşımı için güçlü ve etkin bir model önermekteyiz. Bu tezin ana katkısı, düşük kaliteli parmak izi görüntü tanımlaması ile bütün parmak izi tanımlama durumlarını ele almak, lokalizasyon yaklaşımını orijinal halinden daha güçlü ve daha uygun bir duruma getirerek bu sorunun üstesinden gelmektir. Önerilen sistem, düşük kaliteli parmak izi görüntüsü durumlarında en çok zorluk yaşanan FCV 2006 veri tabanı kullanılarak test edilmiştir. Deneysel sonuçlar lokalizasyon yaklaşımına dayanan ufak detay çıkarımının (%58.13) oranda başarı göstermesine rağmen, bizim yaklaşımımızın yaklaşık (%98.74) oranında başarı gösterdiğini ortaya koymuştur, bu da önerdiğimiz yöntemin standart yaklaşımdan (%40) daha fazla başarılı olduğu anlamına gelmektedir. Bununla beraber bizim yaklaşımımız ön işleme için ortalama süre olarak (10.0854 saniye) alırken, lokal yaklaşım (6.270 saniye) almıştır.
Özet (Çeviri)
Biometric Fingerprint Identification (BFI) is one of the most challenge tasks in the image processing, computer vision task, and machine learning. It is the most well-known biometric since of their uniqueness and the consistency over time. Over a century, biometric fingerprints have been widely used for human identification. More recently, due to the advantages of the computational capability, biometric fingerprint identification becomes an automated system. Biometric fingerprint image identification presents a key issue in the intelligent technology and information security. In this thesis, we propose an enhancement approach for the localization based minutia feature extraction approach for fingerprint identification. We propose such a robust and efficient model for low quality fingerprint identification approach based on a Global Map Features Indication (GMFI) methodology to improve the Localized based approach. Our main contribution of this thesis is to jump over this difficulty to make the localization approach stronger than the original one to make more suitable to deal with all fingerprint image identification cases such a low-quality fingering image identification. The proposed system has been tested using FCV 2006 database that has shown the most challenges low-quality fingerprint image cases. The experimental results show our approach has achieved about 98.74%) while the localization approach based minutia feature extraction has achieved (58.13%) xiii which means that our proposal by (40%) more than the standard approach. Although, our approach has consumed (10.0854 sec.) as the mean average time while the local approach has consumed (6270 sec.) as the means average consuming time for the preprocessing.
Benzer Tezler
- CNN-based text-independent automatic speaker identification
Evrişimsel sinir ağı tabanlı metinden bağımsız otomatik konuşmacı tanılama
MANDANA FASOUNAKI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Deep convolutional neural network based unconstrained ear recognition
Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma
FEVZİYE İREM EYİOKUR
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Dinlenme durumunda elektroensefalografi (EEG) alfa frekansı üzerinden biyometrik tanımlama ve kimlik doğrulama
Biometric identification and authentication via resting state electroencephalography (EEG) alpha frequency
HAZİM ÖZTÜRK
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiBandırma Onyedi Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KUTLUCAN GÖRÜR
- Dinlenme durumunda elektroensefalografi (EEG) alfa frekansıüzerinden biyometrik tanımlama ve kimlik doğrulama
Biometric identification and authentication based on electroencephalography (EEG) alpha frequency in resting state
HAZİM ÖZTÜRK
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiBandırma Onyedi Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KUTLUCAN GÖRÜR
- Determination of river pollution sources using source apportionment method: Ergene river
Kaynak belirleme metodu kullanılarak nehir kirlilik kaynaklarının belirlenmesi: Ergene nehri
FULYA ÇİNGİROĞLU
Yüksek Lisans
İngilizce
2018
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURÇAK KAYNAK TEZEL