Thiết kế hệ thống nhận dạng vân tay từ ảnh số đã mở khóa

Mục lục Mục lục i Danh mục hình vẽ iv Danh mục số thuật ngữ thường dùng vi Lời nói đầu vii Giới thiệu Vân tay sinh trắc học 2.1 Vị trí nhận dạng vân tay sinh trắc học 2.2 Uniqe thuộc tính vân tay 2.3 Hình thức thể đặc tả vân tay 2.4 Khó khăn gặp phải nhận dạng vân tay Đại cương ảnh số xử lý ảnh Matlab 3.1 Đại cương ảnh số 3.1.1 Biểu diễn ảnh số 3.1.2 Cơ sở màu 3.1.3 Chuyển đổi màu 12 3.2 Xử lý ảnh số Matlab 13 3.2.1 Histogram 13 3.2.2 Phân ngưỡng cục 14 3.2.3 Biến đổi Fourier-2D rời rạc 15 3.2.4 Lọc ảnh Sobel .16 3.2.5 Phát biên toán tử gradient 18 3.2.6 Loang rộng thu nhỏ đối tượng .20 Sơ đồ khối thiết kế hệ thống nhận dạng vân tay 22 4.1 Các nguyên lý nhận dạng vân tay 22 4.2 Hệ thống nhận dạng vân tay 23 4.3 Xây dựng hệ thống nhận dạng vân tay ảnh số 24 i Tập mẫu ảnh vân tay 26 Trích chọn minutiae cho đối sánh vân tay 28 6.1 Chuẩn hóa ảnh đầu vào 29 6.1.1 Chuẩn hóa kích thước ảnh 29 6.1.2 Cân cường độ sáng ảnh .29 6.2 Tăng cường ảnh chất lượng ảnh 30 6.2.1 Tăng cường ảnh cân histogram 30 6.2.2 Tăng cường ảnh biến đổi Fourier-2D 31 6.3 Ước lượng orientation image khoanh vùng ảnh vân tay 32 6.3.1 Ước lượng orientation image .32 6.3.2 Khoanh vùng ảnh vân tay 34 6.4 Trích chọn minutiae 35 6.4.1 Nhị phân hóa làm mảnh đường vân 36 6.4.2 Phát minutiae .37 6.4.3 Ước lượng khoảng cách đường vân 39 6.4 Hiệu chỉnh đường vân lọc minutiae sai 39 6.4.1 Hiệu chỉnh đường vân lọc minutiae sai cấp .39 6.4.2 Lọc minutiae sai cấp hai tạo mã từ minutiae 41 Phân loại kiểu vân tay 43 7.1 Trích chọn đặc tính 44 7.2 Tạo vec-tơ đặc tính 45 7.3 Khâu phân loại kiểu vân tay 46 Đối chiếu vân tay để định danh mẫu 48 8.1 Khớp mẫu hai mẫu vân tay 49 8.2 Đối sánh vân tay 50 Tổng kết hướng phát triển 52 9.1 Kết đồ án 52 9.2 Những kiến thức thân thu 53 9.3 Những hạn chế đồ án 53 9.4 Hướng phát triển 53 Tài liệu tham khảo 55 ii Phụ lục 56 Danh sách script file khác đồ án 56 Các bước chạy phần mềm mô 57 iii Danh mục hình vẽ Hình-1 Một số tín hiệu sinh trắc học Hình-2 Đóng góp ngành sinh trắc học Hình-3 Vân tay thể cấp độ very-fine Hình-4 Vân tay thể cấp độ global Hình-5 Hai dạng minutiae quan trọng Hình-6 Biểu diễn ảnh số Hình-7 Cảm nhận tế bào nhạy sáng võng mạc mắt Hình-8 Tổ hợp màu 10 Hình-9 Hệ tọa độ màu 11 Hình-10 Phân tích lược đồ xám 14 Hình-11 Giá trị ngưỡng tối ưu 15 Hình-12 Các bước thực lọc ảnh miền tần số 16 Hình-13 Các bước lọc ảnh tốn tử khơng gian 17 Hình-14 Biểu diễn mask 18 Hình-15 Loang rộng đối tượng 20 Hình-16 Thu nhỏ đối tượng 21 Hình-17 Tạo mã vân tay 22 Hình-18 Sơ đồ khối hệ thống nhận dạng vân tay 24 Hình-19 Các loại vân tay 26 Hình-20 Thuật tốn trích chọn minutiae 28 Hình-21 Tăng cường ảnh 30 Hình-22 Ước lượng orientation image 33 Hình-23 Khoanh vùng ảnh vân tay 35 Hình-24 Thơng số hai dạng minutiae quan trọng 36 Hình-25 Nhị phân hóa làm mảnh đường vân 36 Hình-26 Phát minutiae 38 iv Hình-27 Số minutiae phát 40 Hình-28 Lọc minutiae 40 Hình-29 Các minutiae trích chọn cuối để tạo mã 41 Hình-30 Năm kiểu vân tay thực tế 43 Hình-31 Sơ đồ khối mơ tả thuật tốn phân loại vân tay 44 Hình-32 Phương pháp số Poincaré 44 Hình-33 Lấy đặc tính cho phân loại 46 Hình-34 Kết định toán phân loại kiểu vân 46 Hình-35 Đường cong sai số học kiểm tra 47 Hình-36 Đối chiếu vân tay dựa sở minutiae 48 Hình-37 Khớp mẫu đối tượng 49 Hình-38 Thực matching 50 Hình-39 Kết nhận dạng 51 Hình-40 Cửa sổ giao diện 57 Hình-41 Mở file ảnh 57 Hình-42 Cân lược đồ xám 58 Hình-43 Biến đổi Fourier rời rạc cân cường độ sáng 58 Hình-44 Nhị phân hóa ảnh 59 Hình-45 Trường định hướng 59 Hình-46 Segmentation 60 Hình-47 Phát core 60 Hình-47 Làm mảnh đường vân 61 Hình-48 Lọc minutiae 61 Hình-49 Hiển thị minutiae 62 Hình-50 Đối sánh vân tay 62 v Danh mục số thuật ngữ thường dùng nhận dạng vân tay · Ridge: Đường vân tay ngón tay người · Vallay: Đường rãnh xen kẽ hai đường vân tay · Singular: Điểm kỳ dị vân tay ngón tay người, mang đặc điểm phân loại · Core: Điểm “tâm” vân tay, điểm singular · Minutia: Điểm đặc trưng vân tay ngón tay người · Termination: Điểm kết thúc đường vân, loại minutia quan trọng · Bifurcation: Điểm trẽ ba đường vân, loại minutia quan · Sweat pores: Vòng xuyến xếp liên tiếp tạo thành đường vân (thường quan sát ảnh vân tay độ phân giải cao: > 1000dpi) · Orientation Image: Hình ảnh thể định hướng cục đường vân tay, bao gồm nhiều phần tử qij Ỵ [0, p ] điểm [i,j] · Direction Image: Tương tự Orientation Image qij Ỵ [0, 2p ] · Segmentation: Phân định vùng ảnh thể đường vân vùng ảnh · Varance field: Một thể vùng ảnh thể đường vân cịn thơ · Crossing number: Một phương pháp dùng để phát minutiae · Poincaré: Một phương pháp dùng để phát core theo trường vec-tơ đường bao · Ridge map: Ảnh đen trắng thể đường vân màu trắng khơng thiết đường vân có độ rộng đồng · Thinned ridge map: Ảnh đen trắng thể đường vân màu trắng thiết đường vân có độ rộng đồng 1pixel vi Lời nói đầu Hiện nay, việc thu thập, xử lý thông tin qua ảnh để nhận biết đối tượng quan tâm ứng dụng rộng rãi Với phương pháp nay, thu nhận nhiều thơng tin từ đối tượng mà lại không cần tác động nhiều đến đối tượng nghiên cứu Một nhóm ứng dụng hay gặp xử lý thơng tin hình ảnh xác minh định danh mẫu Nhận dạng vân tay toán cụ thể mà cần phải giải hai vấn đề nêu trên: xác minh vân tay (fingerprint verification) định danh vân tay (fingerprint identification) Qua tìm hiểu thực tế em chọn đề tài: “Thiết kế hệ thống nhận dạng vân tay từ ảnh số” Đề tài có nội dung bao trùm lên hệ thống có kiểu nhận nhận dạng verification (cần mã PIN cộng với ảnh vân tay) Do đề tài có tính chất mới, q trình làm đồ án em gặp nhiều khó khăn Được giúp đỡ, bảo tận tình TSKH TRẦN HOÀI LINH em tiếp cận tới lĩnh vực bước đầu đạt số kết (phân loại 90% kiểu vân tay định danh vân tay) Sau thời gian 15 tuần khẩn trương thực đồ án tốt nghiệp, đề tài hoàn thành kế hoạch Em mong thiếu sót em đồ án nhận ý kiến đóng góp quý báu thầy, cô bạn sinh viên Em xin chân thành cảm ơn TSKH.TRẦN HOÀI LINH Thầy tận tình bảo em nhiều Các thầy cô giáo trường Đại Học Bách Khoa, môn Kỹ thuật đo Tin học công nghiệp cho em kiến thức, kinh nghiệm, học giúp trưởng thành trình học tập trường Xin cảm ơn bạn bè, người thân, gia đình động viên, giúp đỡ chỗ dựa vững cho em trình học tập, làm đồ án vii Xin cảm ơn Công ty TNHH Tin học Điện tử Thăng Long VŨ QUANG THÀNH tạo điều kiện giúp đỡ, cho em nhiều lời khun bổ ích q trình thực tập tốt nghiệp làm đồ án Hà Nội, ngày 20 tháng năm 2007 Sinh viên thực Ngô Hồng Việt viii GIỚI THIỆU Giới thiệu Nhận dạng vân tay phận nhận dạng sinh học Khoa học nhận dạng vân tay hình thành từ lâu Nhưng tới thời gian gần đây, với đời máy tính đạt nhiều kết quan trọng trở thành phương pháp sinh trắc có độ tin cậy Ảnh vân tay dùng để nhận dạng thường bị ảnh hưởng nhiều điều kiện thu thập số liệu (hình ảnh vân tay khơng trọn vẹn, bị xoay góc, méo hay có nhiều nhiễu…) nên việc so sánh trực tiếp hai mẫu vân tay phức tạp khó khăn Do vân tay cần lọc nhiễu, sau tạo mã từ số đặc tính (có thể phân biệt với vân tay khác) nhằm mục đích giải vấn xử lý, lưu trữ vân tay với số lượng lớn mà đảm bảo xác Các kỹ thuật thực nhận dạng vân tay có nhiều Tựu trung, trình trải qua ba cơng đoạn chính: thu nhận vân tay (i); trích chọn đặc tính vân tay (ii); đối sánh vân tay (iii) [1] Bởi cơng đoạn lại có nhiều biện pháp khác nhau, tùy vào ngữ cảnh vùng ứng dụng khâu thực theo cách cụ thể Công nghệ nhận dạng vân tay ngày đạt tới độ xác cao Tuy vây, hệ thống nhận dạng AFIS (Automated Fingerprint Identification Systems) nhiều mặt hạn chế Chẳng hạn IAFIS FBI có sở liệu lớn tới hàng trăm triệu vân tay, thời gian tìm kiếm tính phút cho mẫu, độ tin cậy cao… hệ thống đồ sộ gồm nhiều máy tính xử lý song song giới hạn giám định hình Trong ứng dụng dân sư, hệ thống nhận dạng thường giới hạn mức độ phức tạp hơn: số mẫu khơng lớn (khoảng vài nghìn), cấu trúc hệ thống kiểu nối tiếp, ảnh đầu vào khơng có q nhiều nhiễu (nhằm giảm bớt gánh nặng xử lý tính tốn),… có giải vấn đề chi phí đồng thời đảm bảo độ tin Đồ án thực nhận dạng vân tay bàng ảnh số theo hướng triển khai dân sư Chính vây phương pháp nhận dạng dựa sở phát sử dụng điểm nút đặc trưng (gọi minutiae) [2] Đây 1 GIỚI THIỆU phương pháp thứ hai ba phương pháp nhận dạng áp dụng nhiều [1], ch Hệ thống AFIS nói chung sử dụng phương pháp [11] · Phương pháp thứ nhất, sử dụng đặc trưng tương quan hai mẫu vân tay Xếp chồng trực tiếp hai mẫu dựa vào tương quan pixel để tính tốn khác hai mẫu Phương pháp khơng thích hợp với đồ án địi hỏi khối lượng tính tốn lớn mà chất lượng ảnh phải đảm tốt · Phương pháp thứ ba, sử dụng đặc trưng đường vân Đường vân mẫu trích khỏi ảnh ban đầu so sánh chúng Phương pháp khơng thích hợp với đồ án thích hợp với mẫu có chất lượng xấu (chẳng hạn vân tay tội phạm để lại trường sau vụ án) Đồ án sử dụng mẫu chuẩn vân tay chuẩn bị trước Đó ảnh số vân tay lấy FVC200 (một liệu chuẩn quốc tế xây dựng phịng thí nghiêm hệ thống sinh trắc, đại học Bologna) Trong tâm đồ án tập trung vào hai phần: · Tạo vec-tơ đặc tính cho mục đích phân loại kiểu vân tay cho đối sánh vân tay (feature extraction) · Sử dụng điểm minutea trích chọn bước trước để đối sánh nhận dạng vân tay (minutiae matching) Đồ án trình bày theo cấu trúc: · Chương 1: Giới thiệu chung · Chương 2: Vân tay sinh trắc học Đề cập số phận sinh trắc học (trong có nhận dạng vân tay) tính chất định vân tay ứng dụng nhiều sinh trắc học · Chương 3: Đại cương ảnh xử lý ảnh Matlab, trình bày khái quát ảnh số số thuật toán xử lý ảnh Matlab sử dụng đồ án ĐỐI CHIẾU VÂN TAY Đối chiếu vân tay để định danh mẫu Cũng giống phân loại vân tay, có nhiều để thực đối chiếu vân tay Tuy nhiên chia làm nhóm phương pháp [1], tr 131-168 · Correlation-based · Minutiae-based · Ridge feature-based Vì từ ban đầu lựa chọn phương pháp nhận dạng vân tay sở minutiae Nên khâu thực đối chiếu vân tay dựa vào điểm nút đặc trưng Việc đối chiếu dựa hai số liệu: I input-image T template-image { } { } T = T m1 , m2 , , m p , I = I m1¢, m¢2 , , mq¢ , mi = { xi , yi , q i } , { i = 1, p } m¢j = x¢j , y¢j , q ¢j , j = 1, q Hình-36 thể đối sánh hai mẫu vân tay sở minutiae trích chọn bước Hai minutiae mẫu nối với đường liền nét thể trùng khớp với Hình-36 Đối chiếu vân tay dựa sở minutiae Sau trình bày thuật tốn đối sánh vân tay, bao gồm hai công đoạn: khớp mẫu (alignment) đối sánh (matching) [3], ch 48 ĐỐI CHIẾU VÂN TAY 8.1 Khớp mẫu hai mẫu vân tay Khớp mẫu vân tay hiểu “đặt” mẫu vân tay cần đối sánh với mẫu mà cần đối sánh vị trí cho có phù hợp chúng theo ngưỡng Vì tốn tử dùng để khớp mẫu gồm có: ma-trận quay, tịnh tiến… Thuật tốn alignment bao gồm bước 1) chọn lấy cặp minutiae input template, 2) xoay đối tượng template theo đối tượng input, 3) tính mức độ phù hợp S p hai mẫu input template đạt ngưỡng đặt trước Tr Các đối tượng template input đoạn vân tay mà có điểm minutiae trích chọn, độ dài đoạn vân lấy khoảng cách trung bình đường vân rd tính từ điểm minutiae làm mốc Tr lấy giá tr bng 0,8 [3], tr 117 ổ1 ỗ RT = ç ç è Dx ö ÷ Dy ÷ ÷ø Hình-37 Khớp mẫu đối tượng: a) toán tử ma-trận tịnh tiến; b) quay tịnh tiến đối tượng Cịn S p tính theo cơng thức: rd S p = å d i Di i =0 rd åd i =0 i Di2 Cuối tìm điểm minutiae tham chiếu ITref ( x, y ,q ) cho bước matching 49 ĐỐI CHIẾU VÂN TAY 8.2 Đối sánh vân tay Khi khớp hai mẫu vân tay, việc làm phù hợp T I Đầu tiên thực quay toàn minutiae template theo điểm tham chiếu chọn bước khớp mẫu Toán tử quay RA định nghĩa sau: ổ cosq RA = ỗỗ sin q ỗ ố sin q -cosq 0ư ÷÷ ÷ø Tiếp theo, đếm cặp minutiae thỏa mãn sai lệch vị trí góc giới hạn e Để đánh giá mức độ giống dùng thang điểm S f = N c q , với N c số cặp điểm minutiae thỏa mãn lân cân e ; q tổng số minutiae input a) b) Hình-38 Thực matching: a) khớp minutiae; b) ngưỡng lân cận để tính điểm (score) Hàm thực phát đối sánh vân tay matimafv score = matimafv(f,g, e ), đó: f : mẫu input-image, g : mẫu template-image, e : giá trị lân cận, score : điểm kết đối sánh hai mẫu 50 ĐỐI CHIẾU VÂN TAY Thử nghiệm với hai ảnh đầu mẫu (xx_1.tif xx_2.tif) với tất mẫu lại dự liệu (gồm 125 ảnh đánh số xx_3.tif đến xx_7 tif, tổng cộng có 6250 phép thử nghiệm) lấy kết so sánh có score cao xác đạt 100% Tuy nhiên số liệu cịn có khả mở rộng thêm nên hình thức thể kết minh bạch dải kết xác từ cao đến thấp Việc hiển thị 1, 2, hay nhiều kết thực khơng khó khăn Trong đồ án thể bốn kết sát với ảnh đầu vào Ví dụ: Hình-39 cho thấy nhận dạng ảnh 7_2 (của người 7, mẫu số 2) bốn mẫu gần người 7, mẫu giống 100% 7_5.tif 7_6.tif score » 100 score » 86, 67 7_7.tif 7_3.tif score » 71,11 score » 71,11 a) 7_2.tif b) Hình-39 Kết nhận dạng: b) vân tay đầu vào; a) vân tay nhận dạng theo (b) Các chương trình chạy Matlab phiên 7.0; cấu hình phần cứng: CPU Pentium IV 1,8Ghz, RAM 512MB, FSB 333Mhz Thời gian tạo sở liệu: cho tất đầu vào gồm 175 ảnh cần thời gian khoảng 10 phút Nên thời gian trung bình tạo template khoảng 3,4 giây Thời gian thực đối sánh: thử nghiệm với 6250 lần đối sánh ( 25 ´ mẫu kiểm tra với 25 ´ mẫu cịn lại) khoảng 2,5 Nên thời gian trung bình lần thực đối sánh khoảng 1,4 giây 51 9.TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN Tổng kết hướng phát triển Nhận dạng vân tay lĩnh vực nghiên cứu chuyên sâu Các tài liệu, thuật toán, mơ-đun chương trình hạn chế quyền tác giả Kết thúc đồ án, xây dựng phần mềm mô bước thực nhận dạng hệ thống nhận dạng vân tay Các mơ-đun chương trình cần thiết hoàn thành Sau phần tổng kết chi tiết hướng phát triển mở rộng đồ án 9.1 Kết đồ án · Đã thực nhận dạng ảnh số vân tay đầu vào với độ xác cao Nếu lấy giá trị có điểm đánh giá cao kết so sánh nhận dạng dược 100% Tuy nhiên số bị giới hạn số lượng mẫu khảo sát cịn · Hệ thống xây dựng theo kiểu dự kiến ban đầu, nhận dạng identification (1:N), kết nhận dạng thể minh bạch dải giá trị xếp theo tiêu chí: giống với mầu đầu vào nhiều · Thực phân loại kiểu vân tay có độ xác cao, đạt 90,86% Điều khẳng định khả thi mở rộng cở sở liệu ảnh Phân loại kiểu vân tay tốt đồng nghĩa với việc hạn chế tìm kiếm so sánh vân tay nhóm template (thay tồn bộ) mà vân đảm bảo xác · Chương trình xử lý thuật tốn đồ án thiết kế theo mơ-đun tận dụng cho khâu khác hệ thống · Hệ thống thiết kế có tính mở Có khả thay mơ-đun thực thuật tốn Cơ sở liệu ảnh bổ sung thêm dễ dàng Những kết cho thây hệ thống nhận dạng đồ án triển khai vào thực tế 52 9.TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN 9.2 Những kiến thức thân thu · Đã nắm đại cương xử lý ảnh, biết thuật toán xử lý ảnh · Biết cách phân tích trích chọn đặc tính đối tượng thơng thuật tốn xử lý ảnh · Các chương trình thực thuật toán xử lý hầu hết thân viết Matlab, thư viện chuẩn script file hỗ trợ người sử dụng mang ý nghĩa tham khảo 9.3 Những hạn chế đồ án · Về mẫu: ảnh dùng làm sở liệu cịn ít, trích từ Db-2a Db-2b FVC2000 Các ảnh mẫu có chất lượng tương đối tốt, mẫu chất lượng xấu khó khăn với đồ án · Các thuật tốn xử lý: với hạn chế kiến thức, tài liệu hạn chế thời gian phương tiện xử lý nên cịn có thuật tốn (được tác giả nghiên cứu lâu năm lĩnh vực đánh giá tốt, đồng thời khó khăn triển khai) chưa áp dụng đồ án Như khâu tăng cường ảnh tạo ridge-map thuật toán biến đổi Fourier tỏ hiệu với ảnh vân tay bị đứt gãy liên tục Quá trình post-processing dừng lại việc loại bỏ số dạng minutiae sai thường có khơng tất 9.4 Hướng phát triển · Tiếp cận với thuật toán xử ảnh công cụ lọc Gabor nhằm giải vấn đề xử lý ảnh vân tay bị đứt gãy liên tục Tuy nhiên với điều phải giải khó khăn việc ước lượng xác tần số vân tay định hướng cục vân tay · Giảm thời gian xử lý xuống thấp cách tối ưu số chương trình thực thuật toán xử lý ảnh 53 9.TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN · Tiếp cận với thuật toán nhận dạng đường vân để phân loại xác dạng vân tay · Các chương trình thiết kế theo mơ-đun, tính mở hệ thống xun suốt khơng gặp khó khăn nhiều việc mở rộng sở liệu Điều có nghĩa số liệu học tăng thêm dễ dàng, góp phần cải thiện độ xác nhận dạng Và việc thay nâng cấp mơ-đun chương trình khơng gặp nhiều khó khăn · Đóng gói thành sản phẩm hoàn thiện 54 PHỤ LỤC Tài liệu tham khảo [1] Maltoni D., Maio D., Jain A K., Prabhakar S., Handbook of Fingerprint Recognition, Springer, 2003 [2] Hoover J E., The Science of Fingerprints Classification and Uses, United States Department of Justice, 2006 [3] Hong L., Automatic Personal Identification using Fingerprints, Michigan State Univesity, 1998 [4] Ratha N K., Chen S., Jain A K., Adaptiveow orientation based feature extraction in Fingerprint Recognition, Michigan State Univesity, 1995 [5] Gonzalez R C., Woods R E., Digital Image Processing, 2nd Edition, Prentice Hall 2002 [6] Gonzalez R C., Woods R E., Eddins S L., Digital Image Processing using MATLAB, Prentice Hall 2004 [7] Neto H V., Borges L D.,Fingerprint Classification with Neural Networks [8] Park H C., Park H., Fingerprint Classification using Fast Fourier Transform and Nonlinear Discriminant Analysis, University of Minnesota [9] Chickkerur S., Wu C., Govindaraju V., Cartwright A N., Fingerprint Image Enhancement Using STFT Analysis University at Buffalo [10] Chickkerur S., Wu C., Govindaraju V., A systemmatic approach for feature extraction fingerprint images, University at Buffalo [11] Komarinski P., Automated Fingerprint Identification Systems (AFIS), Elsevier, 2005 [12] Trần Hoài Linh Bài giảng “Mạng nơ-ron nhân tạo ứng dụng xử lý tín hiệu” [13] Wuzhili, Fingerprint Recognition, Hong Kong Baptist University, 2002 55 PHỤ LỤC Phụ lục Danh sách script file khác đồ án STT Tên hàm 10 11 12 13 14 15 16 17 18 19 20 21 22 angbiffv angterfv arecarfv briequfv cronumfv delboufv delshofv fincorfv finshofv inpcatfv inpimafv leasqufv loaimafv mearidfv norsizfv plominfv rotallfv rotridfv genvecfv sortttfv thirid1fv thirid2fv Chức Tính góc định hướng bifurcation minutiae Tính góc định hướng termination minutiae Khoanh vùng để tính số Poincaré Cân cường độ sáng Tính crosssing number Xóa nhiễu ngồi đường bao tao segmentation Xóa đoạn vân ngắn Tìm điểm core Tìm đoạn vân ngắn Lấy catogory Lấy input Ước lượng bình phương cực tiểu Load ảnh vào để xử lý Ước lượng khoảng cách trung bình đường vân Hiệu chỉnh kích thước ảnh Hiển thị minutiae Xoay tất đối tượng để tìm cặp minutiae Xoay đối tượng để khớp mẫu Tạo vector liệu để phân loại Sắp xêp kết Làm mảnh đường vân cấp Làm mảnh đường vân cấp hai 56 PHỤ LỤC Các bước chạy phần mềm mô Bước 1: Chuyển thư mục hành tới thư mục Finger Sử dụng lệnh: >> myGuifv để có cửa sổ giao diện Hình-40 Hình-40 Cửa sổ giao diện Bước 2: Click vào nút Open, chon file ảnh vân tay để bắt đầu trích chọn đặc tính Hình-41 Mở file ảnh 57 PHỤ LỤC Bước 3: Click vào nút HE Enhancement để thực tăng cường ảnh cân lược đồ xám Hình-42 Cân lược đồ xám Bước 4: Click vào nút FB Enhancement để thực tăng cường ảnh biên đổi Fourier rời rạc cân cường độ sáng ảnh Hình-43 Biến đổi Fourier rời rạc cân cường độ sáng 58 PHỤ LỤC Bước 5: Click vào nút Binarization để thực phân ngưỡng cục bộ-nhị phân hóa ảnh Hình-44 Nhị phân hóa ảnh Bước 6: Click vào nút Orientation Image để ước lượng trường định hướng Hình-45 Trường định hướng 59 PHỤ LỤC Bước 7: Click vào nút Segmentation để khoanh lây vùng ảnh vân tay Hình-46 Segmentation Bước 8: Click vào nút Detection Core để tìm điểm core Hình-47 Phát core 60 PHỤ LỤC Bước 9: Click vào nút Thinning để làm mảnh đường vân Hình-47 Làm mảnh đường vân Bước 10: Click vào nút Post-processing để lọc minutiae Hình-48 Lọc minutiae 61 PHỤ LỤC Bước 11: Click vào nút Display Minutiae để thị minutiae tạo mã Hình-49 Hiển thị minutiae Bước 12: Click vào nút Matching để đối sánh vân tay Hình-50 Đối sánh vân tay 62