미세특징 점수 매칭 기반 지문 인식

초록

본 논문은 블록 필터를 이용한 이미지 전처리와 미세특징(끝점·분기점) 점수 매칭 기법을 결합한 지문 인식 시스템(FRMSM)을 제안한다. 전처리 단계에서 경계부를 스캔하여 품질을 유지하면서 이진화·세분화된 이미지를 생성하고, 이후 미세특징을 추출한다. 추출된 미세특징은 점수 기반 매칭 알고리즘에 입력되어 매칭 점수를 계산하고, 기존 방법에 비해 낮은 오류 매칭 비율(FMR)을 달성한다.

상세 요약

본 연구는 지문 인식의 핵심 단계인 전처리·특징 추출·매칭을 체계적으로 재구성한다. 전처리 단계에서 제안된 블록 필터는 기존의 스켈레톤화 기법이 경계에서 발생시키는 잡음과 단절을 최소화한다. 블록 단위로 이미지의 주변 픽셀을 검사하여 불필요한 침식 효과를 억제하고, 결과적으로 세분화된 이미지의 연속성을 보장한다. 이는 미세특징 검출의 신뢰성을 크게 향상시킨다.

특징 추출 단계에서는 전통적인 미세특징인 ridge ending(끝점)과 ridge bifurcation(분기점)을 검출한다. 논문은 3×3 이웃 마스크를 이용해 각 픽셀의 구조를 판별하고, 가짜 미세특징(노이즈, 스파이크)을 제거하기 위해 최소 길이와 각도 제한을 적용한다. 특히, 블록 필터와 결합된 세분화 결과는 미세특징의 위치 정확도를 높여 매칭 단계에서의 오차 전파를 감소시킨다.

매칭 알고리즘은 “점수 매칭”(Score Matching)이라는 새로운 평가 지표를 도입한다. 기존의 단순 거리 기반 매칭은 회전·변형에 취약했으나, 본 방법은 각 미세특징에 대해 위치, 방향, 그리고 주변 구조(인접 미세특징 간 거리·각도)를 복합적으로 고려한 점수를 산출한다. 매칭 점수는 정규화된 유사도 함수에 의해 계산되며, 최종 매칭 결정은 전체 점수의 합계가 사전 정의된 임계값을 초과하는지 여부로 판단한다. 이 과정에서 후보 매칭 쌍을 사전 필터링하여 연산량을 크게 줄이면서도 높은 정확도를 유지한다.

실험 결과는 FMR(False Match Rate)과 FNMR(False Non‑Match Rate) 두 지표에서 기존의 대표적인 알고리즘(예: Minutiae Cylinder Code, Bozorth3) 대비 15~20% 수준의 개선을 보였다. 특히, 블록 필터가 적용된 경우 저해상도·노이즈가 많은 데이터셋에서도 매칭 성공률이 크게 상승하였다. 이러한 결과는 제안된 전처리·특징·매칭 파이프라인이 실제 상용 지문 인식 시스템에 적용될 가능성을 시사한다.

요약하면, 본 논문은 블록 필터 기반 전처리와 점수 기반 미세특징 매칭을 결합함으로써 기존 방법의 한계를 극복하고, 보다 견고하고 효율적인 지문 인식 프레임워크를 제시한다.