Arviza Azhar David Apriando M. Yulian Mahendra Muhammad Pandu P. Hengki Gunawan Noviandri
-Berbasis pengolahan citra (Image Processing) - Memiliki Pola yang Unik tiap Manusia - Manfaat : Sebagai Pengenalan, Aplikasi Biomedik dan Security -Jenis Teknik Pengenalan Sidik Jari : a. Pendekatan Pengenalan Pola Statistikal b. Pendekatan Pengenalan Pola Sintaktik c. Pendekatan Pengenalan Pola Neural
Sensor
Sensor berfungsi untuk menangkap objek dari dunia nyata dan selanjutnya diubah menjadi sinyal digital (sinyal yang terdiri atas sekumpulan bilangan) melalui proses digitalisasi.
Algoritma Klasifikasi
Pada tahapan ini klasifikasi dilakukan dengan menggunakan algoritma klasifikasi tertentu. Hasil dari tahapan ini adalah klasifikasi dari objek yang ditangkap ke dalam kriteria-kriteria yang telah ditentukan.
Algoritma Deskripsi
Pada tahapan ini berfungsi untuk memberikan deskripsi pada sinyal.
Sidik jari adalah berkas yang mempunyai pola unik Setiap manusia memiliki pola sidik jari yang berbeda Pola Sidik Jari Manusia Loop Arch Whorl Tented Arch Double Loop Central Pocked Loop dan Accidental
Teknik Minutiae-Based Metode ini sangat populer digunakan Memiliki performa bagus dan komputasi rendah Metode ini meluruskan minutiae masukan gambar (query template) dan gambar gambar (stored templates) dan mencari nomor minutiae yang cocok
Teknik Minutiae-Based
2. Pembentukan Histogram dibentuk untuk perpindahan x dan y (perbedaan posisi) untuk menemukan translasi, dengan informasi rotasi dan translasi dapat menemukan minutiae yang cocok dan menemukan score yang cocok. Histogram dibuat dengan menggunakan orientasi perbedaan sudut pada segment yang cocok
3. Pembentukan Grafik
template referensi
template query
Keuntungan dari metode ini adalah : a. waktu pengenalan yang lebih cepat b. mengurangi kapasitas memori
Salah Satu Jenis Teknik Minutiae Based : Delauney Triangulation Method Pada metode ini terdapat : sebuah lingkaran yang melalui 3 titik pada Delauney Triangular tidak mempunyai satu titik pun. Sudut minimum yang di Delauney Triangulation lebih besar disbanding sudut minimum triangle lainnya.
Indeks tabel dalam Delauney Triangular : Dibuat dengan mempertimbangkan minuate triangles yang dibentuk Delauney Triangular Pada setiap minuate triangle, informasi invariant maupun kesamaan transformasi dikomputerasi. Kemudian indeks dibuat yang menggunakan invariant dan pendekatan informasi disimpan dalam indeks tabel.
Dealuney Triangular
Teknik Correlation Based Menggunakan citra dengan mengolah korelasinya setiap pixel, namun perpindahan dan rotasi tidak dapat diketahui dan dibutuhkan untuk melakukan korelasi untuk semua kemungkinan pelurusan. Informasi singular cocok untuk menemukan aproksimasi pelurusan. Salah Satu Jenisnya Metode Template Matching.
Template matching adalah sebuah teknik dalam pengolahan citra digital untuk menemukan bagian-bagian kecil dari gambar yang cocok dengan template gambar.
Pencocokan template dengan berkas citra sidik jari menghasilkan prosentase kecocokan antara template dengan berkas citra sidik jari. Untuk mengetahui prosentase tingkat kemiripan template dengan berkas citra sidik jari digunakan perhitungan NC (Normalized Cross Corelation).
Algoritma Template Matching pada Sidik Jari Scanning Untuk Mendapatkan citra sidik jari Matching untuk mengkomparasi hasil scanning dengan referensi sidik jari. Ada dua jenis, yaitu : a. differential rate matching b. divided- window matching
Differential rate matching Menggunakan Gambar yang Tipis sebagai referensi sidik jari Metode ini menghitung nilai maksimum dan nilai minimum dari maksimum rate matching yang dikenali oleh referensi Ada 4 situasi : 1. sidik jari sama dengan referensi 2. sidik jari berbeda dengan referensi 3. citra sidik jari ada goresan 4. citra sidik jari blur
Divided- Window Matching Citra sidik jari yang diambil dibandingkan dengan referensi dengan membandingkan pada daerah citra tertentu Daerah citra ini terbagi menjadi beberapa yang ukurannya kecil Nilai maksimum dan minimum pada daerah citra ini akan menjadi parameter matching atau tidak citra sidik jari dengan referensi
Teknik Ridge Feature-Based Mencocokan dengan teknik ini menggunakan fitur ridge pada bentuk sidik jari yang terdiri pada komputasi perbedaan antara dua vektor koding sidik jari (query dan reference). Hasil akhir perbedaan kode sidik jari dinormalisasi dan dirata-rata dengan menggunakandelapan arah dan didapatkan nilai yang bervariasi antara nol sampai dengan satu
4 Klasifikasi hasil dari pengenalan sidik jari , yaitu : correct Terdapat kecocokan antara sidik jari satu dengan sidik jari yang lain pada orang yang sama. false positive Terdapat kecocokan antara sidik jari satu dengan sidik jari yang lain pada orang yang salah. false negative Tidak terdapat kecocokan antara sidik jari dengan database yang ada. mixed Tidak cukup bukti untuk melakukan tes sidik jari.
TERIMA KASIH