Le moteur de recherche
des thèses françaises
'%3e%3cpath%20style='fill:%2300a0dc;fill-opacity:1;stroke:none;stroke-width:.144606;stroke-opacity:1;stop-color:%23000'%20d='M41.8%20100.088H52.28c.46%200%20.831.421.831.945v10.25c0%20.524-.37.946-.831.946H41.8c-.46%200-.831-.422-.831-.945v-10.251c0-.524.37-.945.831-.945z'/%3e%3cpath%20d='m47.072%20102.02-4.87%202.656%204.87%202.657%203.985-2.174v3.06h.885v-3.543m-7.969%201.851v1.771l3.1%201.691%203.098-1.691v-1.77l-3.099%201.69z'%20style='fill:%23fff;fill-opacity:1;stroke-width:.442726'/%3e%3ccircle%20style='fill:%23009f1d;fill-opacity:1;stroke:%23fff;stroke-width:.379704;stroke-linecap:round;stroke-linejoin:round;stroke-miterlimit:4;stroke-dasharray:none;stroke-opacity:1;stop-color:%23000'%20cx='54.151'%20cy='101.224'%20r='3.451'/%3e%3cpath%20d='m55.669%2099.387.659.664-3.075%203.104-1.634-1.649.66-.663.974.979%202.416-2.435'%20style='fill:%23fff;fill-opacity:1;stroke:none;stroke-width:.30061;stroke-miterlimit:4;stroke-dasharray:none;stroke-opacity:1'/%3e%3c/g%3e%3c/svg%3e)
Reconnaissance des formes en biométrie : classification des empreintes digitales
| Auteur / Autrice : | Lin Wang |
| Direction : | Michel Ricard |
| Type : | Thèse de doctorat |
| Discipline(s) : | Science et technologie. Sciences de l'image |
| Date : | Soutenance en 2005 |
| Etablissement(s) : | Bordeaux 3 |
Mots clés
Résumé
La classification des empreintes digitales est une étape très importante dans le système de l'identification automatique des empreintes digitales. Les points singuliers, le coeur et le delta sont amplement appliqués dans la classification des empreintes digitales. Les nombreux systèmes actuels de classification des empreintes digitales sont basées sur l'extraction de tels points singuliers. Néanmoins, dans certaines empreintes digitales, le coeur et le delta ne sont pas facilement distingués et extraits. Par conséquent ces empreintes digitales ne sont pas exactement classées. Dans ce mémoire, nous concentrons notre attention, sur le système de classification des empreintes digitales. Nous présentons une nouvelle représentation d'empreintes digitales. Nous analysons d'abord les comportements de moments Gaussiens-Hermite dans l'image d'empreinte digitale. Une méthode basée sur l'ACP (l'analyse en composantes principales) est employée pour estimer la distribution des moments Gaussiens-Hermite d'image d'empreinte digitale. Nous montrons ensuite comment appliquer ces comportements de moments Gaussiens-Hermite pour segmenter l'image d'empreinte digitale et extraire les points singuliers. A la différence des autres méthodes pour extraire les points singuliers, notre algorithme peut détecter quatre types de points singuliers. Ces points singuliers représentent bien les caractéristiques globales de l'empreinte digitale. Enfin, nous établissons les règles de classification en termes de points singuliers et le modèle de direction les entourant. Les résultats expérimentaux prouvent que la méthode proposée est meilleure que les autres méthodes.