Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/2730| Improving Fingerprint Recognition Using Image Processing and Machine Learning Techniques | |
| Andres Rojas | |
| Gordana Jovanovic Dolecek | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| image processing graphical user interface MATLAB fingerprint recognition supervised machine learning accuracy feature extraction ensemble subspace classifier | |
| This thesis presents a fingerprint recognition system based on ensemble classifiers with linear discriminants, a type of supervised learning algorithm that has not been reported so far for fingerprint recognition systems. First, a graphical application composed of several simple and interesting examples on the main topics of the image processing area is presented. This was used as a foundation to understand and apply the fundamentals of image processing in the recognition system. Subsequently, important concepts about biometrics are introduced, specifically about fingerprints and why they are used for recognition systems. Then there is a brief description of the fingerprint image databases used in this work. Next, the preprocessing algorithm is described, which applies several image processing techniques such as enhancement, binarization, segmentation, etc., in order to eliminate noise and improve the appearance of images. The different types of transformations applied to the enhanced images are also reported in order to calculate representative features that will be used to train supervised learning algorithms. These algorithms are briefly described comparing their advantages and disadvantages. After, the results obtained by the recognition system that has been implemented in MATLAB and Python are presented. Finally, the conclusions of this research are reported, as well as future work that could improve the general results obtained. En este trabajo se presenta un sistema de reconocimiento de huellas digitales basado en clasificadores de conjunto con discriminantes lineales, una clase de algoritmos de aprendizaje supervisado que no ha sido reportado hasta el momento para este tipo de sistemas de reconocimiento. Primero se presenta una aplicación grafica compuesta de varios ejemplos simples e interesantes sobre los temas principales del área de procesamiento de imágenes, Esta se utilizó como base para comprender y aplicar los fundamentos de esta área en el sistema de reconocimiento. Posteriormente se introduce conceptos importantes sobre biometría, específicamente sobre huellas digitales y porque se usan para sistemas de reconocimiento. Luego se tiene una breve descripción de las bases de datos de imágenes de huellas digitales utilizadas en este trabajo. A continuación, se describe el algoritmo de preprocesamiento implementado, el cual aplica varias técnicas de procesamiento de imágenes como mejora, binarización, segmentación, etc., con el fin de eliminar el ruido y mejorar el aspecto de las imágenes. También se reportan los diferentes tipos de transformaciones aplicadas a las imágenes mejoradas con el objetivo de calcular características representativas que serán utilizadas para entrenar a los algoritmos de aprendizaje supervisado. Estos algoritmos son descritos brevemente comparando sus ventajas y desventajas. Posteriormente se presentan los resultados obtenidos por el sistema de reconocimiento que ha sido implementado en MATLAB y Python. Finalmente, se reportan las conclusiones de esta investigación, así como el trabajo futuro que podría mejorar los resultados generales obtenidos. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2021-08 | |
| Tesis de maestría | |
| Inglés | |
| Estudiantes Investigadores Público en general | |
| Rojas Bustos, A. B., (2021), Improving Fingerprint Recognition Using Image Processing and Machine Learning Techniques, Tesis de Maestría, Instituto Nacional de Astrofísica, Óptica y Electrónica. | |
| ELECTRÓNICA | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Electrónica |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| ROJASBAB_ME.pdf | 14.62 MB | Adobe PDF | Visualizar/Abrir |