Conectividade recursiva de classificação de classes (R3C) aplicada à segmentação de imagem binária para melhoria da impressão digital infantil

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorhttp://lattes.cnpq.br/4155115530052195-
Autor(es): dc.contributorRodrigues, Erick Oliveira-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-9124-3603-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8017652065657796-
Autor(es): dc.contributorBackes, André Ricardo-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8590140337571249-
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorhttp://lattes.cnpq.br/4155115530052195-
Autor(es): dc.contributorMinetto, Rodrigo-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8366112479020867-
Autor(es): dc.creatorAgnol, João Leonardo Harres Dall-
Data de aceite: dc.date.accessioned2025-08-29T13:21:00Z-
Data de disponibilização: dc.date.available2025-08-29T13:21:00Z-
Data de envio: dc.date.issued2025-04-16-
Data de envio: dc.date.issued2025-04-16-
Data de envio: dc.date.issued2025-04-09-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/36558-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1111681-
Descrição: dc.descriptionInfant fingerprint recognition still can’t match the recognition rates achieved for adult biometrics, particularly due to problems inherent to young children fingerprints such as size and skin mal-leability, leading to poor image quality and inconsistent ridge and valley structures. To address these issues, this study introduces Recursive Class Connectivity Classification (R3C), an image enhancement framework designed to iteratively refine binary segmentation that relies on previ-ous predictions to guide an expansion of segmentation coverage. The framework was evaluated on three infant fingerprint datasets using three different enhancement approaches as fingerprint ridge and valley classifiers. Experimental results show that R3C can significantly improve matching rates, particularly for newborns, in which identification performance was heightened by more than 40%. For older children, the proposed method achieved a 86% true identification rate (TAR), the highest of all cases tested, while also reducing the equal error rate (EER) by about 10%, a more modest gain that suggests further refinements are needed for broader compatibility.-
Descrição: dc.descriptionConselho Nacional do Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionFinanciadora de Estudos e Projetos (FINEP)-
Descrição: dc.descriptionFundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Paraná-
Descrição: dc.descriptionO reconhecimento de impressões digitais infantis ainda não consegue igualar as taxas de reconhecimento alcançadas para biometria de adultos, particularmente devido a problemas inerentes às impressões digitais de crianças pequenas, como tamanho do dedo e maleabil-idade da pele, levando a uma baixa qualidade de imagem e estruturas de cristas e vales inconsistentes. Para abordar essas questões, este estudo apresenta a Conectividade Recursiva de Classificação de Classes (R3C), um framework de aprimoramento de imagem projetado para refinar iterativamente a segmentação binária, dependendo de previsões anteriores para orientar uma expansão da segmentação. O framework foi avaliado em três conjuntos de dados de impressões digitais infantis usando três abordagens diferentes de aprimoramento como classificadores para realizar a segmentação de cristas e vales das impressões digitais. Os resultados experimentais mostram que o R3C pode melhorar significativamente as taxas de correspondência, particularmente para recém-nascidos, nos quais o desempenho de identificação foi aumentado em mais de 40%. Para crianças mais velhas, o método proposto atingiu uma taxa de identificação verdadeira (TAR) de 86%, a mais alta de todos os casos testados, ao mesmo tempo em que reduziu a taxa de erro igual (EER) em cerca de 10%, um ganho mais modesto que sugere que mais refinamentos são necessários para possibilitar uma compatibilidade mais ampla.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPato Branco-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Elétrica e de Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttps://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectImpressão digital (Computação)-
Palavras-chave: dc.subjectBiometria-
Palavras-chave: dc.subjectCrianças - Identificação-
Palavras-chave: dc.subjectDigital printing-
Palavras-chave: dc.subjectBiometric identification-
Palavras-chave: dc.subjectChildren - Identification-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Palavras-chave: dc.subjectEngenharia/Tecnologia/Gestão-
Título: dc.titleConectividade recursiva de classificação de classes (R3C) aplicada à segmentação de imagem binária para melhoria da impressão digital infantil-
Título: dc.titleRecursive class connectivity classification (R3C) applied to binary image segmentation for improved infant fingerprint enhancement-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.