Dalam tesis ini, gabungan dua algoritma termasuk pengecaman urat jari
berdasarkan nilai penguraian tunggal (SVD) dengan minutia sepadan dan pengecaman
dengan saluran terhad fasa sahaja korelasi (BLPOC) dicadangkan untuk meningkatkan
ketepatan. Kaedah pengabungan yang diguna adalah mesin sokongan vektor (SVM).
Dalam kebanyakan kes berasaskan kaedah algoritma tunggal, terdapat banyak batasan
bagi setiap daripada mereka seperti terdedah kepada masalah putaran atau translasi,
gambar yang tidak jelas atau pengambaran urat yang terjejas dalam gambar urat jari.
Mesin sokongan vektor digunakan untuk melaksanakan gabungan dalam tahap skor
untuk kedua-dua algoritma. Kaedah SVD dari domain masa manakala kaedah BLPOC
adalah dari domain frekuensi. Dengan sifat-sifat ini, prestasi dan ketepatan hasil
gabungan boleh dipertingkatkan disebabkan oleh masalah dalam domain masa mungkin
dapat diselesaikan oleh komponen dalam domain frekuensi jadi masalah untuk manamana
domain tidak akan memberi kesan kepada kedua-dua algoritma. Eksperimen telah
diuji dengan pangkalan data FV-USM yang terdiri daripada 123 sukarelawan. SVM
menunjukan keputusan dengan EER 0.04% berbanding dengan kaedah SVD dengan
EER sebanyak 13% dan kaedah BLPOC dengan EER sebanyak 2.7%. Oleh itu,
gabungan teknik SVD dan BLPOC dengan SVM menunjukkan keputusan yang paling
baik dibandingkan dengan cara yang lain dalam pengecaman urat jari.
_______________________________________________________________________________________________________
In this thesis, fusion of two algorithms including finger vein recognition based
on singular value decomposition (SVD) with minutiae matching and finger vein
recognition with band limited phase only correlation (BLPOC) is proposed to increase
the accuracy. The method for fusion is support vector machine (SVM). In most of the
cases for single algorithm based method, there are many limitations for each of them
such as vulnerable to rotational or translational problems, noise and occlusion in the
finger vein image. Support vector machine is used to perform score level fusion for both
of the algorithms. SVD method is from spatial domain while the BLPOC method is
from frequency domain. With these properties, the performance and accuracy of the
fusion result can be greatly enhanced due to difficulty in spatial domain can be solved
by frequency domain component so that difficulty in either domain will not affect both
algorithms. The experiment was conducted using FV-USM database which based on
123 volunteers. SVM achieved a result with EER of 0.04% compare to SVD method
with EER of 13% and BLPOC method with EER of 2.7%. Therefore, fusion of SVD
and BLPOC method with SVM perform the best in finger vein recognition compared
the other methods.