ENHANCEMENT CITRA SIDIK JARI KOTOR MENGGUNAKAN TEKNIK HYBRID MORPHOLOGY DAN GABOR FILTER MUHAMMAD NASIR 2208 205 001 Dosen Pembimbing : Mochamad Hariadi,, S.T., M.Sc.,., Ph.D. Sidang Tesis Fakultas Teknologi Industri Jurusan Teknik Elektro Bidang Keahlian Jaringan Cerdas Multimedia
Enhancement Citra Sidik Jari Proses Original Image Enhancement Image
Blok Diagram Penelitian N G B Th M Batasan
Simetris Gabor Filter G 1 2 ' ' θ θ ( x y; θ, f ) = exp + cos ( 2πfx ),, 2 σ 2 ' σ x y x 2 y 2 ' θ x θ = xcosθ ysinθ, y = xsinθ + θ y cosθ, Dimana θ adalah orientasi gabor filter, f adalah frekuensi gelombang cosinus, xdan σ y adalah deviasi standar sifat gaussian sepanjang sumbu x dan y, dan y mendefinisikan sumbu dan dari koordinat filter. σ x θ θ
Ilustrasi Fungsi Gabor θ = 22.5; σ = 32
Gabor filter simetris genap dalam spatial domain
8 Buah Orientasi Gabor Filter Ridge Voting
Contoh Citra Sidik Jari Kotor
Normalisasi (a ) (b) (c) (d)
Binerisasi (a) Original Image ( a ) ( b ) (b) Threshold 130 (c) Threshold 150 (d) Threshold 160 ( c ) ( d )
Thinning
Minutiae (a) Original Image (b) Binerisasi (c) Thinning (d) Fine Minutiae (e) Remove False Minutiae
Minutiae (f) Region of Interest (g) Orientation (h) Skeleton dan Minutiae
Minutiae pada Image Original 300 250 200 Intensita 150 100 X Y Sudut Vektor Grafik Terminasi 50 0 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 Terminasi Ke-n 300 250 Intensitas Pix 200 150 100 50 X Y Sudut 1 Sudut 2 Sudut 3 Grafik Bifurcation 0 1 2 3 4 5 6 7 8 9 10 Bifurcation ke-n
Minutiae pada ImageHasil Enhancement 180 160 140 Intensitas Pix 120 100 80 60 X Y Sudut Vektor Grafik Terminasi 40 20 0 1 2 3 Terminasi ke-n 200 180 160 Intensitas Pix 140 120 100 80 60 40 X Y Sudut 1 Sudut 2 Sudut 3 Grafik Bifurcation 20 0 1 2 3 Bifurcation ke-n
Hasil dari Learning Vector Quantization (LVQ). Data Citra = 50 Input Dikenali Tidak Dikenali % Sebelum Enhancement 43 7 86 Setelah Enhancement 43 7 86 Data Citra = 100 Input Dikenali Tidak Dikenali % Sebelum Enhancement 83 17 83 Setelah Enhancement 87 13 87
Data Citra = 150 Input Dikenali Tidak Dikenali % Sebelum Enhancement 125 25 83.3 Setelah Enhancement 124 26 82.3 Data Citra = 200 Input Dikenali Tidak Dikenali % Sebelum Enhancement 165 35 82.5 Setelah Enhancement 164 36 86.5
Grafik LVQ
Batasan Masalah Penelitian ini akan dibatasi pada pemodelan enhancement citra sidik jari kotor dengan menggunakan Teknik Hybrid Morphology dan Gabor Filter dalam peningkatan kualitas citra sidik jari kotor.
Manfaat Penelitian Adapun manfaat yang diharapkan dari penelitian ini adalah agar dapat meningkatkan kualitas citra sidik jari kotor untuk biometrik, sehingga dapat mengidentifikasi sidik jari pada database yang besar dengan cepat dan kualitas akurasi yang baik (singularity).
Penelitian Sebelumnya Image enhancement, yang dilakukan oleh (Jianwei Yang, dkk., 2003) Telah mempelopori sebuah teknik memodifikasi sebuah Gabor filter, dimana peneliti (Jianwei Yang, dkk., 2003) terinspirasi dari Traditional Gabor Filter (TGF). Dari hasil penelitiannya dikembangkan sebuah filter baru yaitu Modified Gabor Filter (MGF).
Penelitian Sebelumnya (lanjt.) Fingerprint Matching using Gabor Filters, yang dilakukan oleh (Muhammamd Umer Munir dan Dr. Muhammmad Younas Javed, 2004) dimana pencocokan sidik jari ini didasarkan pada jarak Euclidean antara dua vektor fitur yang sesuai. Keaslian penerimaan tingkat filter Gabor berbasis matcher diamati ~ 10% sampai 15% lebih tinggi daripada minutiae-based matcher dengan nilai rata-rata rendah. Ekstraksi fitur sidik jari dan pencocokan mengambil ~ 7,1 detik menggunakan Pentium IV, prosesor 2,4 GHz.
Kontribusi Penelitian Penelitian ini diharapkan dapat meningkatkan kualitas sidik jari kotor hingga ke tingkat maksimal. Dengan penerapan metode gabor filter, akan meningkatkan kualitas citra sidik jari sehingga meningkatkan tingkat akurasi pengenalan.
Kesimpula dan Saran Kesimpulan Untuk mendapatkan hasil enhancement yang lebih baik dapat dilakukan dengan merubah-rubah sudut orientasi pada gabor filter Proses thinning dilakukan setelah proses gabor filter untuk mendapatkan hasil yang maksimal. Untuk mengukur tingkat keberhasilan enhancement citra sidik jari kotor pada penelitian ini, digunakan metode Learning Vector Quantization (LVQ). Dari hasil diperoleh tingkat keberhasilan pengenalan adalah 87% pada data 100 citra. Untuk pengujian diatas 100 citra maka tingkat keberhasilan pengenalan menurun antara 0.5 % sampai dengan 1 %. Saran Untuk mendapatkan hasil yang lebih maksimal, penelitian selanjutnya sebaiknya menggunakan estimasi blok orientasi citra sidik jari. Selesai
Sidik Jari Sidik jari adalah suatu bentuk pola garis (ridge) pada permukaan sebuah ujung jari (Prabakar). Sebuah sidik jari berkualitas baik dapat dibedakan berdasarkan pola-pola dan ciriciri (feature) yang menyediakan informasi ciri yang bermanfaat untuk pencocokan sidik jari (Prabakar).
Sidik Jari (lanjt.)
Sidik Jari (lanjt.) Berdasarkan pola garis (ridge) dan lembah (valley), sidik jari dapat diklasifikasikan menjadi tiga kelas utama (Prabakar), yaitu: a. Arch b. Loop c. Whorl a b c
Citra Sidik Jari (a) (b) (c) (a) Citra Sidik Jari Normal (b) Citra Sidik Jari Berminyak (c) Citra Sidik Jari Kering (d) Citra Sidik Jari Kotor (e) Citra Sidik Jari Cacat Fisik (d) (e) S-7
Identifikasi Sidik Jari (lanjt.) Minutiae Vektor Minutiae Ridge (x,y,ө) Ending dan Ridge Bifurcation (Maltoni, 2003)
TERIMA KASIH
( ) ( ) ( ) ( ) ( ) ( ) > + = otherwise V M j i I V M M j i I if V M j i I V M j i N i i i i 2 0 0 2 0 0,,,, ( ) ( ) = = = 1 0 1 0,, 1 M i N j j i I MN I M ( ) ( ) ( ) ( ) = = = 1 0 1 0 2, 1 M i N j I M j i I MN I V dan Normalisasi Normalisasi Hasil
Binerisasi BW ( x, y) = 1 0 if I ( x, y) T P Otherwise Hasil
Proses Enhancement Normalisasi Original Image Gabor Filter Enhancement Image