LAPORAN TUGAS PRESENTASI PENGENALAN POLAEKSTRAKSI CIRI SIDIK JARI DENGAN MENGGUNAKAN PRINSIP MINUTIAE

Oleh Adrianus Prima M. Restu Aji Pramana Putra ) (08/269890/PA/12120) (08/269887/PA/12118

PRODI ELEKTRONIKA DAN INSTRUMENTASI JURUSAN ILMU KOMPUTER DAN ELEKTRONIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUANALAM

UNIVERSITAS GADJAH MADA

YOGYAKARTA 2011Pendahuluan

Seperti yang kita ketahui bahwa sidik jari setiap orang berbeda beda. Mungkin kalau kita amati sekilas sidik jari tersebut mempunyai beberapa keunikan tersendiri, misalnya kerutan atau bentuk garis pegunungan dan lembah yang polanya berbeda untuk setiap orang. Sebenarnyaada 2 pendekatan untuk pengenalan sidik jari ini Pendekatan pertama dengan dasar/prinsip minutiae dengan penggambaran sidik jari oleh ciri-ciri lokal seperti terminations dan bifurcations. Pendekatan dengan minutia ini memiliki pembelajaran yang intensif dan juga merupakan system pengenalan sidik jari yang banyak digunakan sekarang. Pendekatan yang kedua adalah dengan metode korelasi ,dimana sudah diketahui ciri ciri umum yang ada pada sidik jari, kemudian kita eliminasi ciri umum sehingga hanya menyisakan ciri khusus..

Tujuan dari pengenalan sidik jari ini ada 2 yaitu untuk identifikasi dan verifikasi. Identifikasi yang dimaksud di sini adalah kita mencocokan ciri sidik jari yang diperoleh dari suatu sampel dengan ciri sidik jari dari orang yang akan kita cari tahu kebenarannya /kecocokannya. Seperti kasus pembunuhan misalnya,jadi sidik jari calon tersangka yang tertinggal dalam berkas nantinya akan dicocokkan dengan tersangka/orang yang diambil sampelnya atau istilahnya belum ada dalam database. Kita mengambil sampel dari calon-calon tersangka yang tentunya calon-calon tersebut sudah direkomendasikan atau didapatkan informasi dulu dari saksi, barang bukti lain, atau media lain. Sedangkan verifikasi sendiri adalah mencocokkan sidik jari seseorang menggunakan media pencocokan sidik jari dengan sidik jari yang sudah ada atau terdaftar pada database, misalnya dalam kasus absensi sidik jari atau sistem membuka pintu dengan sidik jari, jadi kalau ternyata tidak ada kecocokan berarti orang itu belum terdaftar dan kalau cocok berarti sudah terdaftar. TAHAPAN-TAHAPAN PROSES Enhancement Binarization Thining Minutiae Termination Bifurcations Surpress of Extreme Minutiae Orientation

ENHANCEMENT Fingerprint Image Enhancement adalah untuk memudahkan seperti meningkatkan untuk menghubungkan proses operasi kontras untuk membuat jelas gambar selanjutnya. Metode-metode peningkatan antara pegunungan dan kerutan,

titik-titik patah pegunungan yang

mungkin disebabkan oleh jumlah tinta yang tidak mencukupi. Karena mungkin gambar sidik jari yang diperoleh dari sensor atau media lain belum tentu dengan kualitas yang sempurna maka metode ini sangat bergunauntuk menjaga akurasi yang lebih tinggi untuk pengenalan sidik jari. Jadi hal ini nantinya yang akan mempengaruhi kinerja system karena keakuratan proses identifikasi dan verikasi akan akan berhubungan dengan kualitas gambar. Gambar di bawah ini adalah perbedaan gambar asli dengan gambar setelah dilakukan enhancement. Disini digunakan function BWMORPH

Original ImageTHINING

Enhanced image

Fingerprint Ridge Thining adalah untuk menghilangkan piksel berlebihan dari pegunungan sampai pegunungan hanya punya satu piksel lebar. Prinsip thining ini dia hanya mengambil bagian warna yang intensitas warnanya tinggi. Jadi dalam hal ini nantinya alur pegunungan akan berupa garis yang lebih tipis karena hanya bagian itu yang mempunyai intensitas warna yang

lebih kuat/pekat. Gambar di bawah ini adalah gambar sidik jari setelah dilakukan thining.

After thiningMINUTIAE Setelah dilakukan thining kemudian kita menyaring peta punggungan menipis dengan filter "minutie". Minutie" ini menghitung jumlah satu nilai dari setiap jendela 3x3. Jika pusat adalah 1 dan hanya 1 satu nilai tetangganya, maka piksel pusat adalah termination. Jika pusat adalah 1 dan memiliki tepat 1 pada nilai 3 tetangganya, maka piksel pusatnya merupakan sebuah bifurkasi atau cabang punggungan. Jika pusat adalah 1 dan memiliki 2 satu-nilai tetangganya, maka piksel pusat pixel biasa. Disini filter membagi pixel dalam jendela 3x3 dengan metode konvolusi dan membuat matriks nilai binernya.

Ada

satu kasus khusus dimana 3x3 window menggambarkan tiga. Misalkan kedua piksel teratas dengan

cabang asli terhitung

nilai 1 dan paling kanan pixel dengan nilai 1 memiliki tetangga lain di luar jendela 3x3, sehingga dua piksel akan ditandai sebagai cabang juga. Tapi sebenarnya hanya satu cabang terletak di daerah kecil. Maka dari itu membutuhkan pengecekan secara rutin untuk menandai bahwa tidak ada tetangga dari cabang karena semua itu adalah cabang yang ditambah / penerusan garis cabang.

Bifurcation

Termination

Triple Counting Branch

TERMINATION Termination adalah tahap penandaan pada bagian akhir atau punggungan palsu, Semisal ada titik atau bercak yang tidak menyatu dengan pola karena pengaruh tinta atau Sisa garis kecil yang mungkin ditimbulkan oleh penjalaran tinta.

BIFURCATION Setelah dilakukan penandaan dengan warna merah kemudian dilakukan bifurcation atau penandaan pada bagian percabangan. Penandaan dengan menggunakan warna hijau.

SURPRESS OF EXTREM MINUTIAE Prosedur dalam menghilangkan minutia palsu (perhatikan juga gambar contoh minutia palsu) dibawah: 1. Jika jarak antara satu bifurkasi dan satu terminasi kurang dari D dan minutia dua berada di punggungan yang sama (kasus m1). Hapus keduanya. Dimana D adalah lebar antarrata punggungan mewakili jarak rata-rata antara dua pegunungan tetangga paralel. (Dalam program kami diset D=6) 2. Jika jarak antara dua bifurcations kurang dari D dan mereka berada di gigiran yang sama, menghapus dua bifurcations. (m2, m3 kasus). 3. Jika dua terminasi berada dalam jarak D dan arah mereka bertepatan dengan variasi sudut kecil. Dan mereka cukup kondisi bahwa tidak ada pemutusan lainnya terletak antara dua terminasi. Maka dua terminasi dianggap sebagai minutia palsu berasal dari punggungan patah dan dihapus. (kasus m4, m5, m6). 4. Jika dua pengakhiran yang terletak di punggung bukit pendek dengan panjang kurang dari D, menghapus dua pengakhiran (m7).

Gambar di bawahiniadalahsetelahdilakukanpenghilangan minutia palsu.

Image after minutia false removed

ORIENTATION Setelah kita menentukan minutia-minutia yang berbeda, kita harus menentukan arah dari tiap minutia tersebut. Kita harus menemukan orientasi terminasi. Untuk menemukan itu, kami menganalisis posisi dari pixel pada batas dari pixel 5 x 5 yang mengitari terminasi tersebut. Kami membandingkan posisi ini pada variabel Tabel. Tabel variabel memberikan sudut dalam radian. Untuk Bifurkasi ada 3 garis jadi kita ulangi proses yang dilakukan pada terminasi 3x. Setelah itu minutia di pinggir kita hilangkan dan minutia yang tersisa ditampilkan dan disimpan dalam file .txt dengan fungsi saveminutie yang ditulis didalam file adalah koordinat pixel minutie dan arahnya.

HASIL AKHIR

Metode Minutiae memiliki keunggulan tidak tergantung orientasi sidik dan proporsi sidik terhadap area gambar Metode minutiae memiliki kelemahan pada metode pengambilan menggunakan tinta harus memastikan tidak ada tinta yang merembes dalam skala cukup besar dan seluruh permukaan jari harus terbaca

Pada program ini type gambar bisa BMP, JPEG,TIFF yang paling penting adalah dimensinya berupa persegi, dari percobaan didapat performa terbaik dari sisi kecepatan diperoleh dengan filetype BMP

Kelemahan program ini adalah pengenalan 2 sidik jari sebaiknya pada ukuran gambar yang sama, dari percobaan didapat penurunan kemampuan pengenalan dengan gambar beresolusi dibawah 200pixel

Referensi

Prabhakara S, 2003, Learning fingerprint minutiae location and type, Penn State University http://www.mathworks.com/matlabcentral/fx_files/16728/1/content/FingerPri nt/html/fingerprint.html diakses pada 18 Desember 2011 http://www.cse.msu.edu/biometrics/fingerprint.html diakses pada 19 Desember 2010