Metode fraktal untuk sistem pengenalan biometrika telapak tangan

PUTRA, I Ketut Gede Darma, Promotor Prof. Adhi Susanto, M.Sc.,Ph.D

2006 | Disertasi | S3 Ilmu Teknik

Sistem pengenalan diri secara otomatis dengan telapak tangan merupakan teknologi biometrika yang masih relatif baru. Permasalahan utama dalam sistem pengenalan dengan telapak tangan adalah bagaimana memperoleh ciri telapak tangan tersebut. Penelitian ini memperkenalkan pendekatan baru untuk menghasilkan ciri telapak tangan yaitu pendekatan fraktal. Tiga karakteristik fraktal yaitu kesamaan dengan diri sendiri, dimensi fraktal, dan derajat kekosongan fraktal digunakan untuk menghasilkan ciri telapak tangan. Terdapat empat teknik baru berbasis fraktal, yaitu DFL, DFKF, CDFKF, dan CJSKF diperkenalkan pada penelitian ini. Ciri-ciri yang dihasilkan metode tersebut diterapkan untuk sistem pengenalan telapak tangan dan sistem pengenalan telapak tangan dari citra termampatkan. Penelitian ini juga memperkenalkan metode titik pusat area untuk memisahkan daerah yang diminati (ROI) pada telapak tangan secara otomatis. Hasil pengujian dengan menggunakan sekitar 1250 telapak tangan milik 250 responden menunjukkan sistem pengenalan telapak tangan dengan metode fraktal mampu menghasilkan unjuk kerja yang handal, yaitu untuk sistem verifikasi, metode DFL dengan tingkat keberhasilan sekitar 97% (FAR = 0.867%, FRR = 2.037%), metode DFKF sekitar 98% (FAR=0.231%, FRR=1.442%), metode CDFKF sekitar 99% (FAR=0.344%, FRR=0.479%), metode CJSKF sekitar 98% (FAR=0.699%, FRR=1.754%), sedangkan untuk sistem identifikasi menghasilkan tingkat keberhasilan sekitar 96% (FAR = 1,7225%, FRR = 2,25%) hanya untuk metode CDFKF, serta menghasilkan rasio pemampatan sangat tinggi yaitu sekitar 85%. Penelitian ini juga menawarkan teknik baru untuk menghasilkan kode telapak tangan berbasis fraktal dan wavelet, aplikasi pengenalan telapak tangan untuk sistem online, serta skema untuk sistem pengenalan telapak tangan pada basisdata berskala besar. Hasil penelitian ini juga menunjukkan bahwa telapak tangan tidak dapat digunakan untuk menunjukkan hubungan kekeluargaan dan kesukuan, dan tidak ada korelasi antara telapak tangan kanan dan tangan kiri.

The palmprint personal recognition system is a relatively new biometric technology. The main problem is how to extract the palmprint features. This dissertation offers a new method to obtain the palmprint feature based on fractal characteristics. Three of the characteristics, namely self similarity, fractal dimension, and lacunarity, are used to obtain the palmprint features. Four new techniques based on fractal, namely DFL (fractal dimension and lacunarity), DFKF (fractal dimension and fractal code), CDFKF (DFKF image), CJSKF (fractal code distance and direction image) are proposed. These features are the implemented for palmprint recognition both for uncompressed and compressed images. This dissertation also proposes a new technique to extract the ROI of palmprint automatically, using center of mass (centroid) method. The database of 1250 palmprint images, are generated from 5 samples from each of the 250 persons randomly selected were used in the research. The results show that our proposed method can achieve an acceptable verification accuracy with success rate about 97% (FAR = 0.867%, FRR=2.037%) for the DFL, about 98% (FAR=0.231%, FRR=1.442%) for the DFKF, about 99% (FAR=0.344%, FRR=0.479%) for the CDFKF, about 98% (FAR=0.699%, FRR=1.754%) for the CJSKF method, and identification accuracy with success rate 96% (FAR = 1,7225%, FRR = 2,25%) for the CDFKF method only, and also giving a very high (85%) compression ratio . This dissertation also offers a new technique to generate the palm codes based on fractal and wavelet, an application of online palmprint recognition, which represents a scheme for palmprint recognition on large scale database. However, the palmprint biometrics could not be used to represent the family and nationality relationships, and there is no correlation between the left and the right palmprint.

Kata Kunci : Biometrika Telapak Tangan,Metode Fraktal, biometrics, palmprint, fractal codes, fractal dimension, lacunarity, personal recognition