Fingerprint Growth Prediction, Image Preprocessing and Multi-level Judgment Aggregation

Gottschlich, Carsten

dc.contributor.advisor	Munk, Axel Prof. Dr.	de
dc.contributor.author	Gottschlich, Carsten	de
dc.date.accessioned	2011-01-06T12:11:44Z	de
dc.date.accessioned	2013-01-18T13:20:19Z	de
dc.date.available	2013-01-30T23:50:54Z	de
dc.date.issued	2011-01-06	de
dc.identifier.uri	http://hdl.handle.net/11858/00-1735-0000-0006-B6A3-6	de
dc.identifier.uri	http://dx.doi.org/10.53846/goediss-2468
dc.description.abstract	Im ersten Teil dieser Arbeit wird Fingerwachstum untersucht und eine Methode zur Vorhersage von Wachstum wird vorgestellt. Die Effektivität dieser Methode wird mittels mehrerer Tests validiert. Vorverarbeitung von Fingerabdrucksbildern wird im zweiten Teil behandelt und neue Methoden zur Schätzung des Orientierungsfelds und der Ridge-Frequenz sowie zur Bildverbesserung werden vorgestellt: Die Line Sensor Methode zur Orientierungsfeldschätzung, gebogene Regionen zur Ridge-Frequenz-Schätzung und gebogene Gabor Filter zur Bildverbesserung. Multi-level Jugdment Aggregation wird eingeführt als Design Prinzip zur Kombination mehrerer Methoden auf mehreren Verarbeitungsstufen. Schließlich wird Score Neubewertung vorgestellt, um Informationen aus der Vorverarbeitung mit in die Score Bildung einzubeziehen. Anhand eines Anwendungsbeispiels wird die Wirksamkeit dieses Ansatzes auf den verfügbaren FVC-Datenbanken gezeigt.	de
dc.format.mimetype	application/pdf	de
dc.language.iso	eng	de
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/	de
dc.title	Fingerprint Growth Prediction, Image Preprocessing and Multi-level Judgment Aggregation	de
dc.type	doctoralThesis	de
dc.title.translated	Fingerabdruckswachstumvorhersage, Bildvorverarbeitung und Multi-level Judgment Aggregation	de
dc.contributor.referee	Munk, Axel Prof. Dr.	de
dc.date.examination	2010-04-26	de
dc.description.abstracteng	Finger growth is studied in the first part of the thesis and a method for growth prediction is presented. The effectiveness of the method is validated in several tests. Fingerprint image preprocessing is discussed in the second part and novel methods for orientation field estimation, ridge frequency estimation and image enhancement are proposed: the line sensor method for orientation estimation provides more robustness to noise than state of the art methods. Curved regions are proposed for improving the ridge frequency estimation and curved Gabor filters for image enhancement. The notion of multi-level judgment aggregation is introduced as a design principle for combining different methods at all levels of fingerprint image processing. Lastly, score revaluation is proposed for incorporating information obtained during preprocessing into the score, and thus amending the quality of the similarity measure at the final stage. A sample application combines all proposed methods of the second part and demonstrates the validity of the approach by achieving massive verification performance improvements in comparison to state of the art software on all available databases of the fingerprint verification competitions (FVC).	de
dc.contributor.coReferee	Mihailescu, Preda Prof. Dr.	de
dc.subject.ger	Fingerabdruck	de
dc.subject.ger	Biometrie	de
dc.subject.ger	AFIS	de
dc.subject.ger	Fingerwachstum	de
dc.subject.ger	Bildverbesserung	de
dc.subject.ger	Gabor Filter	de
dc.subject.ger	Orientierungsfeld	de
dc.subject.ger	Matching	de
dc.subject.eng	Fingerprint recognition	de
dc.subject.eng	Biometrics	de
dc.subject.eng	Gabor filter	de
dc.subject.eng	fingerprint growth prediction	de
dc.subject.eng	FVC	de
dc.subject.eng	Orientation field estimation	de
dc.subject.eng	Ridge frequency	de
dc.subject.eng	image enhancement	de
dc.subject.eng	fingerprint matching	de
dc.subject.eng	AFIS	de
dc.identifier.urn	urn:nbn:de:gbv:7-webdoc-2763-2	de
dc.identifier.purl	webdoc-2763	de
dc.affiliation.institute	Fakultät für Mathematik und Informatik	de
dc.identifier.ppn	664248829	de

Files in this item

Name:gottschlich.pdf

Size:32.21Mb

Format:PDF

Description:Dissertation

View/Open

Name:: gottschlich.pdf
Size:: 32.21Mb
Format:: PDF
Description:: Dissertation

View/Open

This item appears in the following Collection(s)

Fakultät für Mathematik und Informatik (inkl. GAUSS) [531]

Show simple item record