Identifikasi sidikjari dalam lima pola utama menggunakan LVQ dengan pemrosesan awal alihragam gelombang-singkat

MINARNI, Prof. Adhi Susanto, MSc.,Ph.D

2004 | Tesis | S2 Teknik Elektro

Penelitian ini membahas sistem identifikasi sidikjari. Citra sidikjari diproses awal dengan alihragam gelombang-singkat sehingga menghasilkan multiresolusi dari citra aslinya. Penggunaan alihragam gelombang-singkat ini dimotivasi oleh adanya hasil penelitian tentang alihragam gelombang-singkat yang mempunyai kemampuan membawa keluar ciri-ciri (feature) khusus pada citra yang diteliti. Alihragam gelombang-singkat disini digunakan selain sebagai metode ekstraksi ciri juga sekaligus mereduksi dimensi citra masukan. Citra tereduksi selanjutnya diproses untuk identifikasinya. Pengenalan dan klasifikasi dengan menerapkan jaringan syaraf tiruan Learning Vector Quantizations (LVQ) mengelompokkan sidikjari ke salah satu pola utama sidikjari (whorl, left loop, right loop, arch, dan tented arch). Sebagai basis masukan jaringan syaraf, digunakan citra ukuran 16x16, yang kemudian dianalisis juga pengaruh besarnya dimensi vektor masukan terhadap unjukkerja pengenalan. Penelitian ini juga menganalisis pengaruh penambahan derau, besarnya rotasi, dan perbandingan ekstraksi ciri yang diperoleh dari induk gelombang-singkat Haar dan Daubechies.

This research investigated a possible fingerprint identification system. The fingerprint images were preprocessed by wavelet transform to obtain multiresolution images from their original images. The use of wavelet transform was motivated by the results of the research on the wavelet transforms that had the capabilities of bringing out certain special features of images under investigation. A wavelet transform was used in the feature extraction stage and to reduce the dimension of the input images. Then in the following stage, the reduced images were processed for identification. To recognize and classify the fingerprints, in the final stage we applied artificial neural network Learning Vector Quantizations (LVQ) scheme which classified each fingerprint into one of its main pattern (whorl, left loop, right loop, arch and tented arch). Size 16x16 was used as the basic input of the neural network and the performance was judged based on the effects of the vector sizes. In addition, the effects of additive noise and rotations were also recorded, and the feature extraction methods with Haar’s wavelets and Daubechies’ wavelets was compared.

Kata Kunci : Jaringan Syaraf LVQ,Identifikasi Sidik Jari, Fingerprint idenfication, wavelet decomposition, feature extraction, neural network LVQ