Human palmprint-based biometric solutions have been studied extensively in both controlled and uncontrolled environments. However, majority of existing methods do not reliably handle variations of translation, rotation and blurriness of one’s palm within the range of acceptable tolerance, which largely degrades performance. Therefore, this dissertation presents a unique local micro-structure descriptor called Local Micro-structure Tetra Pattern (LMTrP) and its application to palmprint recognition. The proposed descriptor takes advantage of local descriptors’ direction as well as thickness through some modifications of traditional Local Tetra Pattern (LTrP). In this dissertation, the palmprint image is first filtered with line-shaped filters to effectively eliminate unnecessary features. Then, local region histograms of LMTrP are extracted and concatenated into one feature vector to represent the given image. Finally, the kernel linear discriminant analysis is applied on the feature vector for dimension reduction. As a result, the proposed methods provide the feature vector which is highly compact, discriminative, and less sensitive to slight misalignment. In addition, the proposed methods are more stable than other related methods when dealing with different levels of the rotation, translation and blurriness. To evaluate the performance of our proposed methods, the experimental results indicate that the proposed methods significantly outperform the state-of-the-art methods without the need to align the palmprint images.
장문 생체정보를 이용한 연구가 제한된 환경뿐만 아니라 복잡한 환경에서도 많이 진행이 되고 있다. 하지만 아직도 많은 문제가 해결되고 있지 않다. 그러나 기존 대부분 장문인식 방법은 추출된 장문 영역의 이동 (translation), 회전 (rotation)과 흐림 정도 (blurriness) 변화로 인한 문제를 인식 성능에 영향을 줄 수 있음에도 불구하고 고려하지 않았고 제한된 환경에서 획득된 장문 영상에서만 인식 성능을 비교하고 있었다. 따라서, 본 논문은 이러한 변화에 덜 민감한 Local Micro-structure Tetra Pattern (LMTrP) 특징과 이를 이용한 장문인식 방법을 제안한다.제안한 LMTrP 특징은 지역적 특징 (Local descriptor)의 방향성을 고려할 뿐만 아니라 굵기를 동시에 고려함으로 보다 분별력이 높은 특징을 검출한다. 이는 기존의 방향성만 고려한 Local Tetra Pattern (LTrP) 특징의 일반형으로 볼 수 있다. 본 논문은 장문인식에 불필요한 특징을 Gabor 혹은 Modified finite radon 와 같은 필터를 사용하여 제거한다. 그리고 얻어진 영상에서 LMTrP 특징을 검출하고 이의 히스토그램을 합치어 최종 장문특징 벡터로 추출한다. 추출된 장문특징 벡터는 Kernel Linear Discriminant Analysis (KLDA) 방법으로 차원축소를 함으로써 보다 분별력이 높은 장문특징으로 검출하였다. 실험에서, 제안한 방법은 PolyU multispectral palmprint database, IITD palmprint database와 BERC palmprint database를 사용하여 기존 방법들과 비교 평가 하였다. 실험 결과, 기존 방법의 성능평가를 통해 제안한 LMTrP기반의 장문인식 성능은 우수성을 증명하였고 장문 영역의 이동 (translation), 회전 (rotation) 및 흐림 정도 (Blurriness)변화에도 기존 방법들에 비해 덜 민감하였다.