Estimativa de qualidade de impressões digitais utilizando Sistemas de Inferência Fuzzy

Abstract

A qualidade da imagem de impressões digitais influencia o desempenho de sistemas automáticos de reconhecimento de impressões digitais, tais como o AFIS. Este trabalho propõe um esquema híbrido para estimativa de qualidade de imagens de impressão digital usando medidas de características locais (contraste, curvatura, fluxo de cristas papilares) e globais (área e espectro de potência no domínio da frequência). Sistemas de inferência fuzzy são usados para combinação dessas medidas e obtenção de uma pontuação de qualidade. São feitos testes usando imagens de impressões digitais das bases de dados DB2-A e DB4-A do Fingerprint Verification Competition 2006 (FVC 2006) e o programa de identificação de digitais BOZORTH3 do NIST Biometric Image Software (NBIS). É feita uma comparação do desempenho do método proposto com o programa NFIQ. Com a remoção de 5%, 10% e 15% das impressões digitais de pior qualidade da base DB2-A, obteve-se uma melhora no EER (equal error rate) de 14,4%, 29,4% e 46,6%, respectivamente. Para a DB4-A, a melhora no EER foi de 21,7%, 26% e 27,6% após a remoção de 5%, 10% e 15% das impressões digitais de pior qualidade. ______________________________________________________________________________ ABSTRACT

Fingerprint image quality affects the performance of automatic fingerprint recognition systems, such as AFIS. This work proposes a hybrid scheme for the fingerprint image quality estimation using local (contrast, curvature, ridge flow) and global (area, power spectrum in the frequency domain) measures. Fuzzy inference systems are used to combine these measures and to obtain a quality score. Tests are made with fingerprint images from the Fingerprint Verification Competition 2006 (FVC 2006) DB2-A and DB4-A databases and fingerprint matching software BOZORTH3 from NIST Biometric Image Software (NBIS). A performance comparison between the proposed method and the software NFIQ is made. After the removal of 5%, 10% and 15% of the poor quality fingerprints from the DB2-A, we obtained an improvement in EER (equal error rate) of 14.4%, 29.4% e 46.6%, respectively. For DB4-A, the improvement in EER was 21.7%, 26% and 27.6%, after removing 5%, 10% and 15% of the poor quality fingerprints.