Perbandingan Ekstraksi Fitur dan Proses Matching pada Autentikasi Sidik Jari Manusia
Open Access
- 31 January 2020
- journal article
- Published by Institut Teknologi Nasional, Bandung in ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika
- Vol. 8 (1) , 95
Abstract
ABSTRAK Sidik jari merupakan biometrik yang sering digunakan dalam teknologi autentikasi. Terdapat banyak metode yang bisa digunakan untuk membuat sistem klasifikasi sidik jari. Maximum Curvature Points (MCP) umumnya digunakan untuk ekstraksi citra pembuluh darah jari yang juga digunakan sebagai autentikasi. Pada penelitian ini akan diuji performansi dari metode MCP jika dibandingkan dengan metode yang umum digunakan pada proses pengenalan sidik jari, yaitu Hit and Miss Transform (HMT). Perbedaan domain, yaitu spasial pada Normalized Cross Correlation (NCC) dan frekuensi pada Phase Correlation (PC) dalam proses matching ternyata juga mempengaruhi performansi sistem. Hasilnya menunjukkan bahwa penggunakaan metode MHTNCC memiliki tingkat akurasi yang lebih baik dalam pengenalan sidik jari yaitu 92% untuk pengenalan ibu jari dan 98% untuk pengenalan jari telunjuk, dibandingkan dengan menggunakan metode MCP-PC yang hanya memiliki tingkat akurasi sebesar 88% untuk pengenalan ibu jari dan 92% untuk pengenalan jari telunjuk. Kata kunci: sidik jari, MCP, HMT, phase correlation, normalized cross correlation ABSTRACT Fingerprint is one of the biometric systems that are often used in an authentication technology. There are many methods that can be used to develop fingerprint’s classification system. Maximum Curvature Points (MCP) are generally used for finger vein image extraction which is also used as authentication. MCP performance will be compared to common method in finger print recognition, Hit and Miss Transform (HMT). Using different domains, spatial in Normalized Cross Correlation (NCC) and frequency in Phase Correlation (PC) affect the system performance. The results show that the application of HMT-NCC more accurate in terms of finger print’s recognition, 92% in accuracy for thumb recognition and 98% accuracy for index finger recognition, while MCP-PC is only reach 88% in accuracy for thumb recognition and 92% accuracy for index finger recognition. Keywords: fingerprint, MCP, HMT, phase correlation, normalized cross correlationKeywords
This publication has 9 references indexed in Scilit:
- Identity Authentication System Based on Fingerprint Identification and Pulse Certification2016
- Normalized cross-correlation based global distortion correction in fingerprint image matching2016
- Fingerprint authentication on touch sensor using Phase-Only Correlation method2016
- An Embedded Fingerprint Authentication System2015
- A novel fingerprint minutiae matching using LBP2014
- Fingerprint Recognition and feature extraction using transform domain techniques2014
- Fingerprint pore matching method using polar histogram2014
- Fingerprint matching with cross correlation and minutiae scores2012
- Fingerprint Composition-Feature Extraction Using Directional Filter Banks2011