УЗАГАЛЬНЕННЯ ФІЛЬТРІВ ГАБОРА НА ОСНОВІ ATEB-ФУНКЦІЙ

Ключові слова: : protective element; latent element; printing; graphic protection

Анотація

Досліджується ідентифікація відбитків пальців в інформаційній системі безпеки. Здійснювали відбитки пальців, проводили проріджування сосочків, орієнтували поля Шерлока та Монро, проводили фільтрацію Атеба-Габора, досліджували тривимірні властивості Атеба-Габора для різних раціональних параметрів. Виявлено їх вплив на фільтрацію та згодом на ідентифікацію. Застосовується фільтрування Ateb-Habor для біометричних відбитків, що значно розширює класичну фільтрацію шляхом впровадження більш широкого набору фільтрів і надання комплексного підходу до ідентифікації. Скелет був виконаний за допомогою алгоритму Hilditch. Наступним кроком є створення напрямних полів, використовуючи метод, запропонований Шерлоком та Монро при формуванні поля напрямку папілярних ліній. Використовується середній рівень хребта / дев’ять пікселів. Це імітує датчик з роздільчою здатністю 500 dpi. Частота в областях зменшується в залежності від положення. Алгоритм Hilditch генерує векторне зображення. Це зображення у вигляді завантаженого графіка - тобто знайдених кінцевих точок, точок перетину верхньої частини графіка та ліній та дуг

Завантаження

Дані завантаження ще не доступні.

Посилання

Nazarkevych M., Riznyk O., Samotyy V., Dzelendzyak U. Detection of regularities in the parameters of the ateb-gabor method for biometric image filtration. Eastern-Еuropean journal of enterprise technologies. № 1(2). pp. 57–65. (2019).

Shakeel, P. M., Tolba, A., Al-Makhadmeh, Z., & Jaber, M. M. (2019). Automatic detection of lung cancer from biomedical data set using discrete AdaBoost optimized ensemble learning generalized neural networks. Neural Computing and Applications, 1-14.

Dronyuk I., Nazarkevych M., Poplavska Z. Gabor Filters Generalization Based on Ateb-Functions for Information Security. In: Gruca A., Czachórski T., Harezlak K., Kozielski S., Piotrowska A. (eds) Man-Machine Interactions 5. ICMMI 2017. Advances in Intelligent Systems and Computing, vol 659. Springer, Cham (2018).

Mishra, A., & Dehuri, S. (2019). A Novel Hybrid FLANN-PsO Technique for real Time Fingerprint Classification. Medico-Legal Update, 19(2), 740-746.

M. Nazarkevych, I. Klyujnyk, I. Maslanych, B. Havrysh and H. Nazarkevych, "Image filtration using the Ateb-Gabor filter in the biometric security systems," 2018 XIV-th International Conference on Perspective Technologies and Methods in MEMS Design (MEMSTECH), Lviv, 2018, pp. 276-279.

doi: 10.1109/MEMSTECH.2018.8365749

M. Nazarkevych, Y. Kynash, R. Oliarnyk, I. Klyujnyk and H. Nazarkevych, "Application perfected wave tracing algorithm," 2017 IEEE First Ukraine Conference on Electrical and Computer Engineering (UKRCON), Kiev, 2017, pp. 1011-1014.

doi: 10.1109/UKRCON.2017.8100403

Manickam, A., Devarasan, E., Manogaran, G., Chilamkurti, N., Vijayan, V., Saraff, S., ... & Krishnamoorthy, R. (2019). Bio-medical and latent fingerprint enhancement and matching using advanced scalable soft computing models. Journal of Ambient Intelligence and Humanized Computing, 10(10), 3983-3995.

Stücker, M., Geil, M., Kyeck, S., Hoffman, K., Röchling, A., Memmel, U., & Altmeyer, P. (2001). Interpapillary lines—the variable part of the human fingerprint

Huckemann, S., Hotz, T., & Munk, A. (2008). Global models for the orientation field of fingerprints: an approach based on quadratic differentials. IEEE Transactions on Pattern Analysis and Machine Intelligence, 30(9), 1507-1519.

Vizcaya, P. R., & Gerhardt, L. A. (1996). A nonlinear orientation model for global description of fingerprints. Pattern Recognition, 29(7), 1221-1231.

Kücken, M., & Newell, A. C. (2004). A model for fingerprint formation. EPL (Europhysics Letters), 68(1), 141.

Chen, Chi-hau. Handbook of pattern recognition and computer vision. World Scientific, 2015.

Radhu Krishna, R. (2019). Enhanced skeletonization algorithm for fingerprint images.

Medykovskyy, M., Lipinski, P., Troyan, O., Nazarkevych, M. Methods of protection document formed from latent element located by fractals. In 2015 Xth International Scientific and Technical Conference" Computer Sciences and Information Technologies"(CSIT). pp. 70-72. IEEE. (2015, September).

Vasyl Lytvyn, Victoria Vysotska, Viktor Shatskykh, Ihor Kohut, Oksana Petruchenko, Lyudmyla Dzyubyk, Vitaliy Bobrivetc, Valentyna Panasyuk, Svitlana Sachenko, Myroslav Komar DESIGN OF A Design of a recommendation system based on collaborative filtering and machine learning considering personal needs of the user. Eastern-Еuropean journal of enterprise technologies. Vol 4, No 2 (100). pp. 8–28. (2019). DOI: https://doi.org/10.15587/1729-4061.2019.175507

Lytvyn V., Vysotska V., Mykhailyshyn V., Rzheuskyi A., Semianchuk S. (2020) System Development for Video Stream Data Analyzing. In: Lytvynenko V., Babichev S., Wójcik W., Vynokurova O., Vyshemyrskaya S., Radetskaya S. (eds) Lecture Notes in Computational Intelligence and Decision Making. ISDMCI 2019. Advances in Intelligent Systems and Computing, vol 1020. Springer, Cham


Переглядів анотації: 49
Завантажень PDF: 28
Опубліковано
2019-12-26
Як цитувати
[1]
M. Nazarkevich і Y. Vozny, «УЗАГАЛЬНЕННЯ ФІЛЬТРІВ ГАБОРА НА ОСНОВІ ATEB-ФУНКЦІЙ», Кібербезпека: освіта, наука, техніка, вип. 2, вип. 6, с. 142-153, Груд 2019.