BAB 2 TINJAUAN PUSTAKA 2.1. Sistem Biometrik - Verifikasi Citra Sidik Jari Berdasarkan Minutiae Dengan Metode Gabor Filter
Teks penuh
Gambar
![Gambar 2.1. Arsitektur sistem biometrik [12]](https://thumb-ap.123doks.com/thumbv2/123dok/3937095.1880515/3.612.173.464.106.479/gambar-arsitektur-sistem-biometrik.webp)
![Gambar 2.3. Proses verifikasi sidik jari [14]](https://thumb-ap.123doks.com/thumbv2/123dok/3937095.1880515/5.612.144.498.193.449/gambar-proses-verifikasi-sidik-jari.webp)
![Gambar 2.4. Proses identification sidik jari [14]](https://thumb-ap.123doks.com/thumbv2/123dok/3937095.1880515/6.612.143.500.112.473/gambar-proses-identification-sidik-jari.webp)
![Gambar 2.5. Data unik citra sidik jari (a) Whorl (b) Arch (c) Loop [12]](https://thumb-ap.123doks.com/thumbv2/123dok/3937095.1880515/8.612.115.483.107.381/gambar-data-unik-citra-sidik-whorl-arch-loop.webp)
![Gambar 2.7. Klasifikasi pada citra sidik jari (a) Arch, (b) Loop dan (c) Whorl [4].](https://thumb-ap.123doks.com/thumbv2/123dok/3937095.1880515/10.612.236.439.357.503/gambar-klasifikasi-pada-citra-sidik-arch-loop-whorl.webp)
![Gambar 2.8. Proses konversi binerisasi (a) citra asli, (b) hasil binerisasi [10]](https://thumb-ap.123doks.com/thumbv2/123dok/3937095.1880515/13.612.243.396.466.632/gambar-proses-konversi-binerisasi-citra-asli-hasil-binerisasi.webp)
![Gambar 2.9. Proses thinning pada citra (a) citra ber-noise; (b) citra ideal; (c) citra ber- noise; (d) kerangka hasil thinning yang dipengaruhi noise [16]](https://thumb-ap.123doks.com/thumbv2/123dok/3937095.1880515/16.612.164.474.111.420/gambar-proses-thinning-citra-noise-kerangka-thinning-dipengaruhi.webp)
![Gambar 2.10. Gabor filter simetris genap dalam spatial domain [10]](https://thumb-ap.123doks.com/thumbv2/123dok/3937095.1880515/17.612.215.458.503.650/gambar-gabor-filter-simetris-genap-dalam-spatial-domain.webp)
Dokumen terkait
Dengan metode FFT citra sidik jari dengan ridges yang terputus dianalisa dan dihitung probabilitasnya dari ridge frequency dan ridge orientation, setelah ditingkatkan
Merupakan bab yang berisi penjelasan desain yang akan dilakukan untuk membuat software pendeteksian pada citra digital sidik jari menggunakan pencocokan berdasarkan
Pada tahap ini, citra yang berupa fitur tulang daun akan dideteksi pola percabangan tulang daunnya dengan menggunakan metode ekstraksi minutiae seperti pada sidik
biasa digunakan untuk algoritma pencocokan minutiae yaitu dengan menemukan fungsi transformasi T( ) yang merepresentasikan titik-titik yang berasal dari kedua sidik
1) Tingkat pengenalan sistem menggunakan proses pencocokan minutiae dengan pembatas berukuran tetap adalah sebesar 67,88%. Pengenalan terhadap sidik jari
Salah satu metode yang digunakan untuk meningkatkan kualitas orientasi citra pada sidik jari adalah orientation smooothing, yakni proses peningkatan kualitas orientasi pada
Hasil pengujian menunjukkan bahwa algoritma k-means clustering dapat diimplementasikan dalam model perangkat lunak untuk verifikasi citra sidik jari poin minutiae..
Dengan metode FFT citra sidik jari dengan ridges yang terputus dianalisa dan dihitung probabilitasnya dari ridge frequency dan ridge orientation, setelah ditingkatkan
