본 논문은 신경회로망 EART(Extended Adaptive Resonance Theory)를 이용한 회전 과 크기 변화에 무관한 지문인식에 관한 연구이다. 지문 농담 화상($515{ imes}512$)을 적응 문턱 값을 이용하여 융선와 골을 분리하여 이진화 영상으로 바꾼후 이를 다시 세선화 영상으로 만든다. 이진 세선화 영상으로부터 지문의 특징점 중 식별에 가장 큰영향을 주는 분기점과 끝점을 $3{ imes}3$마스크를 사용해서 추출한다. 이렇게 추출된 분기점과 끝 점의 개수, 그리고 분기점으로 이루어진 볼록 다각형의 내각을 회전변화와 크기변화 에 영향을 받지않는 가중코드(weighted code)로 된 40*10 특징점 행렬로 나타낸 후 이를 신경회로망 EART의 입력으로 했다. 신경망을 이용한 본 시스템은 세선화 영상에 대한 어떠한 복원 처리 과정도 없이 영상의 회전과 크기 변화에 대해서도 매우 효과 적이고도 만족할 만한 결과를 얻을 수 있었다.
In this paper, the rotation and size invariant fingerprint recognition using the neural network EART (Extended Adaptive Resonance Theory) is studied ($515{ imes}512$) gray level fingerprint images are converted into the binary thinned images based on the adaptive threshold and a thinning algorithm. From these binary thinned images, we extract the ending points and the bifurcation points, which are the most useful critical feature points in the fingerprint images, using the $3{ imes}3$ MASK. And we convert the number of these critical points and the interior angles of convex polygon composed of the bifurcation points into the 40*10 critical using the weighted code which is invariant of rotation and size as the input of EART. This system produces very good and efficient results for the rotation and size variations without the restoration of the binary thinned fingerprints.
