Keyward : Hand vein recognition / Threshold segmentation / Feature matching
Quotation : 155
Department of Automation, Harbin Engineering University, Harbin 150001, China
IEEE 2005 July
Abstact
- 이 논문의 구성
- 손등 정맥 인식의 기초 이론과 어려움에 대해 설명
- 기존 손등 정맥 이미지의 the threshold segmentation method와 thinning method 설명
- 그 후, new threshold segmentation method와 향상된 conditional thinning method 제안
- 먼저, 끝점과 분기점 기반 손등 정맥 이미지 feature 추출 방법 설명
- 정맥 이미지를 매치(?)하기 위해 거리에 기반을 둔 매칭 방법 사용
- 좋은 결과가 나옴
1. INTRODUCTION
- 정보화 시대에 접어들면서 정보에 대한 의존성과 요구가 나날이 증가하고 있다.
> 그로인해 정보 보안이 더 중요해짐
> 그리고 신원 인증이 새로운 의미를 가짐
- 생물학적 특성에 기반을 둔 신원 인증 기술은 큰 장점을 가진다.
> 그 이유는, 고유 생리학 사용과 인간의 행동 특성에 있음
지문인식 이야기
- 현재, 지문인식은 비교적 완벽한 신원 인증 기술이다.
> 실제 적용가능
> 다른 feature 추출 기술보다 비교적 저렴
- 그러나, 큰 제한이 있다.
> 갑자기 손가락에서 지문이 사라질수가 있음
> 손가락이 젖거나 너무 건조함 : 그 결과, 핑거프린트 이미지는 낡거나 흐릿해짐
> 그래서, 매칭이 잘 안되고 인식률이 떨어짐
> 가장 큰 결점은, 쉽게 복사하고 모방됨
그 이유는, 지문은 신체 표면에 나와있기 때문
> 추가로, 손가락을 접촉해야 하므로 위생 문제도 있음
- 그래서 이 논문에서 정맥인식 할거래
지문인식과 비교 했을때 정맥 인식의 이점
- 정맥은 몸의 내부에 있어서 가공될 수 없다.
- 정맥 인식은 비 접촉식이다.
- 정맥의 특징은 오래 지속된다.
- 지금까지(2005년 기준) 한국, 서양, 일본에서 정맥인식 기술이 개발되었는데 중국에서만 없었다 (ㅋ)
정맥 인식의 몇가지 어려운점
- 원본 상태에서 정맥 이미지의 그레이 스케일 판별은 매우 어렵다.
- 일반적인 조건부 thinning은 완벽한 단일 픽셀을 얻지 못한다,
- 이것은 끝점과 분기점기반 feature 추출에 큰 문제를 가져온다
- 참조 논문이 적었데
2. THRESHOLD DISPOSAL OF VEIN IMAGE ( THRESHOLD IMAGE METHOD )
- 다른 이미지 인식들과 동일한 절차를 가진다.
- 이미지 추출
- 이미지 표준화
- 정맥 이미지 임계 값 처분을 계속 한다.(?) 이게 이 논문의 주 된 내용중 하나
- 정맥 이미지의 경우, 이 논문의 실험에선 좋은 세분화 효과는 단일 임계 값( 임계 값 고정, 총 평균, 총 OSTU(?) 등등 )과 다중 임계 값 분할 방법( 부분 평균, 부분 OSTU )으로 얻을 수 없는걸 나타낸다.
> 그러나, 세분화 효과는 단일 임계 값에서 다중 임계 값으로 향상됨
- 그래서, 이 논문에선 the threshold image method라고 불리는 완전히 새로운 정맥 이미지 세분화 방법을 제안한다.
the threshold image method
- 임계 값의 수를 픽셀 값의 수로 증가 시킨다.
- 원본 이미지와 동일한 크기로 임계 값 이미지를 얻으면 임계 이미지를 기준으로 원본 이미지를 분할 할 수 있다.
The principle of the algorithm
- 모든 픽셀 f(x, y)에 대해 이진화 과정에서 픽셀 값 (0 or 255)을 결정할 수 있는 하나의 그레이 스케일 값 T가 있다.
> T는 f(x, y)와 그 주변의 N 점(N = (2K - 1) * (2K - 1))에 의해 결정된다.
> 이 논문에서 T값 = 5
the process of the algorithm
- 먼저, 이미지는 충분히 smooth 해야한다.
- 그리고 이 이미지를 세분화
- 세분화의 첫 번째 단계는 smoothing image algorithm(?)과 같다.
- 31x31 사이즈의 smoothing template 사용 (사이즈는 실제 조건에 따라 결정)
- 31x31범위 안에서 그레이 스케일의 평균 값 계산
- template의 중앙의 픽셀 그레이 스케일 값으로 넣는다.
- 새로운 비트맵 T(x, y)가 만들어지고 모든 픽셀 스케일은 0으로 셋팅 // 원본 이미지 (f(x, y))
- 원본 이미지는 절대 수정되지 않는다.
- 새로운 이미지 T(x, y)는 threshold image라고 불린다.
- 그 이유는, 전체 이미지가 원본 이미지의 임계값으로 간주되기 때문이다.
- 위 식으로 원본 이미지와 임계값 이미지를 비교하고 fig.4 이미지가 나오게 된다.
3. IMAGE THINNING
- 이 논문에서는 일반 조건부 thinning과 templates의 결합 방법을 사용해 정맥 이미지를 얇게 했다.
- 일반 조건부 thinning 후 특별한 비-단일 픽셀 포인트를 제거한다.
The conditional thinning algorithm
- the improved thinning algorithm
- 비-단일 픽셀점을 제거하기 위해 템플릿 알고리즘이 추가 되었다.
단일 픽셀 포인트의 종류
이 논문은 현재 연구에 맞지 않으니 다음에 보도록 하자
