Verifikasi Tanda Tangan Offline Melalui Pencocokan Graf (Graph Matching)

Posted in Labels:

Kebutuhan untuk memastikan bahwa hanya orang yang tepat/benar yang berhak mendapat akses pada sistem dengan tingkat keaman tinggi telah membawa kepada pengembangan dari sistem verifikasi personal otomatis (automatic personal verification). Tanda tangan, sidikjari, suara, dan tulisan tangan semuanya telah dipergunakan untuk menguji keabsahan identitas personal. Diantara semua itu, tanda tangan memiliki sebuah kelebihan yang sangat mendasar bahwa ia merupakan cara yang paling sering dipakai dalam mengidentifikasian seseorang dalam operasi seharihari seperti transaksi perbankan otomatis, transfer dana elektronik, analisis dokumen, dan kontrol akses.
Sebuah system verifiksi tanda tangan haruslah mampu mendeteksi pemalsuan dan pada waktu yang sama juga mampu mengurangi penolakan terhadap tanda tangan asli. Permasalah verifikasi tanda tangan dapat dikelompokkan kedalam kategori: offline dan online. Verifikasi tandatangan offline tidak mempergunakan informasi dinamik yang dipergunakan secara luas dalam sistem verifikasi tanda tangan online.
Persoalann verifikasi tanda tangan yang dihadapai menitik beratkan pada 3 tipe dari bentuk pemalsuan: Pemalsuan acak (random_forgeries), dihasilkan tanpa mengetahui nama penanda tangan maupun bentuk dari tanda tangannya; pemalsuan sederhana(simple forgeries), dihasilkan oleh orang-orang yang mengetahui nama dari penanda tangan asli tanapa memiliki contoh dari tanda tangan slinya; Pemalsuan terampil (skilled_forgeries) dihasilkan oleh mereka yang melihat langsung tanda tangan aslinya, kemudian mencoba untuk mengimitasinya semirip mungkin. Dapat terlihat dengan mudah bahwa permasalahan verifikasi tanda tangan menjadi lebih dan lebih sulit ketika dihadapkan pada tahap kasus pemalsuanacak – pemalsuan sederhana,dan pemalsuan terampil, permasalahan semakin bertambah sulit saja ketika dihadapkan pada kasus dimana penanda tangan yang asli melakukan kesalahan dalam penanda tanganan dalam beberapa kasus. Dalam kenyataannya, berlatih meniru sebuah tanda tangan sering membuat kita sulit sekali membedakan antara tanda tanga palsu dan yang asli, karena keduanya terlihat begitu identik; dalam banyak kasus proses pembedaan asli-palsu menjadi semakin sulit ketika beberapa penanda tangan asli memberikan variasi yang luas dalam menuliskan tanda tangan mereka.

APLIKASI-APLIKASI YANG BERBASIS PENCOCOKAN GRAF (GRAPH MATCHING)

Banyak sekali aplikasi dari pencocokan graf. Berikut ini adalah beberapa survei dari beberapa hal terkait. Misalnya aplikasi graf dalam proses Pengenalan Wajah (face recognition) melalui pencocokan graf dengan sebuah multi lapisan model gramatikal wajah . kemudian juga ada sistem yang betugas mengatasi masalah pencahayaan dalam proses pengenalan wajah dengan mempergunakan algoritma “Retinex dan Color Constancy”. Pendekatan yang dilakukan oleh algoritma ini melalui suatu pendekatan yang disebut “elastic bunc graph matching”. Dan masih banyak lagi bentuk implementasi dari teori graf dalam mempermudah operasi dalam kehidupan sehari-hari, yang mungkin tidak perlu kami sebutkan disini secara satu persatu. Intinya adalah bahwa permasalahan pencocokan (matching) adalah sebuah graf-subgraf isomorfisma dan algoritma dalam mengeksploitasi informas I semantik tentang simpul-simpul tanpa memerlukan informasi tentang topologi dari graf yang hendak dicocokkan.

PEMROSESAN AWAL TANDA TANGAN (SIGNATURE PREPROCESSING)

Sebelum sebuah tanda tangan dapat dibandingkan dengan tanda tangan yang lain, perlu dilakukan beberapa operasi pemrosesan awal (signature preprocessing). Sebuah tanda tangan ditangkap sebagai sebuah gambar binari (bunary image), S. Kemudian, titik-titik noise (pepper noise) disekitar gambar dibuang, untuk memperoleh akurasi perhitungan yang lebih baik disekitar pusat area gambar. Kemudian Sudut, θ, dari bagian dari tanda tangan yang memiliki kecendrugan melengkung / berbelok terendah ditemukan . Sudut ini diukur berlawanan terhadap arah gerakan jarum jam dari axis-y. Tanda tangan diputar terhadap pusat area S sebesar θ derajat arah jarum jam. Rotasi ini mengeliminasi sudut pelerengan (skew angle) dari sebuah tanda tangan yang dibutuhkan untuk tanda tangan –tanda tangan dari subjek yang sama. Setelah rotasi, gambar tanda tangan tersebut diperhalus. Hal ini merupakan langkah diperlukan sebelum proses perampingan gambar (thinning). Untuk mengurangi data, gambar dirampingkan dengan mempergunakan Zhang-Suen algorithm. Gambar yang telah dirampingkan memerlukan sebuah langkah normalisasi yang menjaga aspect ratio (proporsionalitas) dari tanda tangan tersebut. Himpunan pixel yang menyusun hasil akhir pemrosesan awal dari gambar S ini, dinotasikan sebagai himpunan noktah-noktah/simpul-simpul, X, yang merepresentasikan S. Langkah-langkah ini dirangkum sebagai berikut, dimana setelah setiap satu pemrosesan, S digantikan oleh hasil pemrosesan tersebut.

1. Singkirkan titik-titik pengotor (pepper noise) dari S.
2. Cari Sudut dari pelerengan ( bagian pada tanda tangan yang memiliki kecendrugan
melengkung / berbelok terendah)(angle of least second momment), θ, dari S.
3. Putar S sejauh θ searah jarum jam.
4. Perhalus S.
5. Rampingkan S.
6. Normalisasi S. Himpunan pixel-pixel yang menyusun hasil akhir setelah normalisasi dari
gambar S ini, disebut sebagai hinpunan noktah-noktah/simpulsimpul yang
merepresentasikan tanda tangan S.

0 comments