Original title: Rekonstrukce a vylepšení poškozené části snímků otisků prstů
Translated title: Reconstruction and Enhancement of Damaged Parts of Fingerprint Images
Authors: Špila, Andrej ; Rydlo, Štěpán (referee) ; Heidari, Mona (advisor)
Document type: Bachelor's theses
Year: 2023
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [eng] [cze]
Táto práca sa zaoberá problémom rekonštrukcie snímkov odtlačkov prsta so zameraním na neobnovyteľné oblasti poškodené rôznymi kožnými ochoreniami. Generatívne súperi- ace siete s trénovateľnou konvolučnou vrstvou s gaborovými filtrami bola natrénovaná na dátovej sade reálnych snímkov odtlačkov prsta. Práca predvádza že natrénovaný model vie spoľahlivo rekonštruovať malé oblasti ľubovoľného tvaru a v prípade väčších oblastí, globálne skóre kvality rekonštruovaného odtlačku prsta získané využitím softvéru NIST biometric image software sa v porovnaní s originálnym snímkom navýšilo. Je navrhnutý štandardizovaný formát pre snímky odtlačkov prsta ktorý pomohol stabilizovat trénovanie generatívnych súperiacich sietí. This thesis deals with the problem of fingerprint image reconstruction with focus on non- recoverable regions affected by various skin diseases. A generative adversarial network with learnable convolutional gabor filter layer was trained on preprocessed dataset of real fingerprint images. The work demonstrates that the trained model can reliably repair small corrupted regions of arbitrary shapes and in case of larger holes, the global quality score of reconstructed fingerprints evaluated by MINDTCT module from NIST biometric image software is increased compared to original fingerprint. A standardized format for fingerprint images that helped stabilize the results when training generative models is proposed.
Keywords: Choroby zasahujúce odtlačky prstov; domaľová- vanie; generatívne súperiace siete; hlboké učenie; konvolučne gaborove vrstvy; rekonštrukcia odtlačkov prsta; deep learning; fingerprint diseases; fingerprint reconstruction; gabor convolutional layer.; generative adversarial networks; inpainting

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/212723

Permalink: http://www.nusl.cz/ntk/nusl-530952


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses