BO GIAO DUC VA DAO TAO DAI HOC HUE
TRUONG DAI HOC KHOA HOC
TRAN VIET VINH
NGHIEN CUU CAC PHUONG PHAP PHAT HIEN SINH TRAC CUA VAN TAY
VA UNG DUNG
CHUYEN NGANH: KHOA HOC MAY TINH MA SO: 60.48.01.01
LUAN VAN THAC SI KHOA HOC DINH HUONG UNG DUNG
Trang 2- Từ đặc trưng dấu vân tay đề cĩ thé đưa ra nhận biết tính cách đặc trưng của con
người;
- Ứng dụng kết quả nghiên cứu để xây dựng chương trình mơ phỏng việc nhận dạng dấu vân tay của Học sinh để cĩ thể nhận biết tính cách của các em
4 Đối tượng nghiên cứu
- Sinh trắc dấu vân tay của con người;
- Phương pháp trích chọn đặc trưng dấu van tay;
- Từ đĩ cĩ thể nhận biết tính cách đặc trưng của con người sau khi trích chọn đặc trưng dấu vân tay
5 Phương pháp nghiên cứu
- Phương pháp nghiên cứu lý thuyết:
+ Tham khảo các nguồn tài liệu thu thập được
+ Nghiên cứu cơ sở lý thuyết và kỹ thuật của một số phương pháp phát hiện, nhận dạng và trích chọn đặc trưng dấu vân tay
+ Từ đặc trưng dấu vân tay cĩ thé nhận biết tính cách con người - Thực nghiệm xây dựng:
+ Cài đặt ứng đụng trên các lý thuyết đã nghiên cứu + Lượng hĩa đánh giá kết quả
6 Phạm vi nghiên cứu
Phạm vi nghiên cứu của luận văn là nghiên cứu nhận dạng và trích chọn đặc trưng đấu vân tay được thu nhận qua chuỗi hình ảnh do máy Scan vân tay hay camera ứng đụng trong điều khiên máy tính đề nhận biết tính cách con người
7 Nội dung nghiên cứu
Trang 3LOI CAM ON
Tơi xin chân thành cảm ơn quý thầy cơ giáo trong Khoa Cơng Nghệ Thơng Tin Trường Đại Học Khoa học - Đại Học Huế, đồng thời xin cảm ơn Phịng Đào tạo Sau đại học Trường Đại Học Khoa Học Huế đã tạo mọi điều kiện thuận lợi trong quá trình học tập và thực hiện luận van tốt nghiệp
Tơi cũng xin gửi lời biết ơn chân thành đến TS Nguyễn Đăng Bình, người đã tận tình hướng dẫn và gĩp ý cho tơi trong suốt quá trình nghiên cứu, cho tơi nhiều lời động viên cũng như những hướng dẫn quý báu để tơi cĩ thê thực hiện tốt
duoc dé tai nay
Trong quá trình thực hiện đề tài, khơng thể khơng kể đến sự giúp đỡ, đĩng gĩp ý kiến và những lời động viên từ phía gia đình, người thân, đồng nghiệp và bạn bè xung quanh, điều này thật sự là động lực lớn giúp tơi hồn thành tốt đề tài nghiên cứu của mình
Xím chán thành cảm ơn!
Huế, tháng 9 năm 2018
Trang 4MUC LUC
l09)0990 609700857 .Í.,D Ỏ i 0009901912 .ƠỎ ii DANH MỤC CÁC HÌNH 55 55Sx+2‡EEExeEEEEtEkiErirritrrrrrrrrrrrrrkee Vv
DANH MUC MOT SO THUAT NGU THUONG DUNG TRONG NHAN DANG SINH TRAC VAN TAY wacssssssssssssssssssssssscsssscssssccssecsssscsssecsssecessecssnecesseessee vii
h9 -.- ,.,.,),.H, 1
00.21.1009) 1619007900077 7 6
1.1 GIGI THIEU TONG QUAN VẺ NHẬN DẠNG sccccnerrrrere 6 1.2 CƠNG NGHỆ NHẬN DẠNG ẢNH 222 222222222121112111211212212 xe 6 1.3 VÂN TAY TRONG SINH TRẮC HỌC .222222222222112111211211 xe 7
1.3.1 VỊ trí của nhận dạng vân tay trong sinh trắc học .c.cc n2 nesee2 9 1.3.2 Thuộc tính của vân †ay St 2S nh Hà HH Ha Hà 9 1.3.3 Hình thức thể hiện và các đặc tính của vân 1 10 1.3.4 Các đặc trưng cơ bản của con người qua đấu vân tay: 12
1.4 BÀI TỐN SINH TRẮC VÂN TAY VÀ NHỮNG KHĨ KHĂN TRONG NHAN DẠNG DÁU VÂN TAY SINH TRẮC -2-©222222222222522222222-2 13
1.5 TIỂU KÉT CHƯƠNG l -2-©222222211221122122121121121122.22 xe 14 Chương 2: PHẦN TÍCH VÀ TRÍCH CHỌN ĐẶC TRƯNG VÂN TAY 15 2.1 PHÁT BIÊU BÀI TỐN 2222 22222212221221122112122122222 re 15 2.2 ẢNH ĐẦU VÀO 22 22122212211221122112211222222222 2e 16 2.3 CHUẨN HĨA ẢNH ĐẦU VÀO 22-2 22222122222122222 re 16 2.4 TIỀN XỬ LÝ ẢNH -.22222222212221221122112211221222222 re 17 2.4.1 Các khái niệm cơ bản về ảnh 22222 2222211211121112111221121121 2e 17
2.4.2 Kỹ thuật chuyển ảnh sang ảnh mức xám (Gray Level): - 18 2.4.3 Lược đồ mức xám (Histogram): 22 2s 2222211211121112112212222e xe 19 2.4.4 Lọc ảnh Sobel: c1 12211112211 111511 1111111121111 1 1121111011112 1kg key 20 2.4.5 Xử lý ảnh bằng thuật tốn K-means: 2 22222 2222252225121222222222-e 21
2.5 TRÍCH CHỌN MINUTIAE CHO ĐĨI SÁNH VÂN TAY 24 2.5.1 Tăng cường chất lượng ảnh 22: 22 2222212211121112111211221222 xe 25
Trang 52.5.2 Ước lượng orientation image và khoanh vùng ảnh vân tay 27
P6 y0 0ïi600)00)0)0 0 0Q/iđđiidẳẳậẳ 30
2.5.4 Hiệu chỉnh đường vân và lọc minutiae Sa1 - si cccccssverreez 34 2.5.5 Phân loại kiểu vân tay - 2s 22222121112111211122112212212212222 xe 37 2.5.7 Tạo vec-tơ đặc tính 1122111221111 21111511115 1k1 x kg xxx 39 2.5.8 Khâu phân loại kiểu vân tay 2 22 2222222221121112111211211212 2e 40
2.6 PHÂN TÍCH TÍNH CÁCH ĐẶC TRƯNG CỦA CON NGƯỜI QUA DẦU VÂN TAY: 22Q22212221222221122122122112222222222 2e 4
2.6.1 Chủng WHORL ( Cĩ I core và 2 deÌfa) - c2: cccsisieirerrrrerree 41 2.6.2 Chủng LOOP (thường gọi là chủng nước bao gồm chủng nước xuơi và chủng nước ngƯỢC) - c tSnh Tnhh HT HH HH HH Hà He 44
2.6.3 Chúng ARCH 222 2222221222122 ra 45
2.7 TIỂU KÉT CHƯƠNG 2 222 222221222112212211211211221122122222 ae 46 Chương 3: ĐĨI CHIẾU ĐỊNH MẪU VÀ ỨNG DỤNG . - 47 3.1 ĐĨI CHIẾU VÂN TAY ĐỀ ĐỊNH DANH MẪU 22222222222222ee 48
3.1.1 Khớp mẫu hai mẫu vân tay -2-5s222221221221222121122121.12 xe 49
Trang 6DANH MỤC CÁC HÌNH
Hình 1.1 Một số tin hiéu sinh trdc hoc CO Dan ccccccccsscscessevesecsesecseseesesecseseesereeseseees 8 Hinh 1.2: CSDL phan tich năng lực não bộ .- S2 2s nh rerreree 8 Hình1.3 Đĩng gĩp của các ngành trong sinh trắc học -2- 22 222222222222222222-e2 9 Hình 1.4 Vân tay thê hiện ở cấp độ very-fine: các sweat pores được khoanh trịn, 10 Hình 1.5 Vân tay thê hiện trong cấp độ global 2¿222221222122212212222 e6 11 Hinh 1.6 Hai dang minutiae quan trong oo ceceeeeeceeeeeneeteeseneeneesenseneeeeereneeaes 11 Hình 1.7 3 chủng vân tay cơ bản nhất -2- 52222 221122122122122122.222 e6 12 Hình 2.1: Sơ dé các giai đoạn cơ bản của hệ thống nhận dang sinh trắc van tay 15 Hình 2.2 Ảnh vân tay được đưa về ảnh xám 222222 2222221222122122112222 e0 18 Hình 2.3: Lược đồ mức xám của các loại ảnh - 2s S221 212121121111211x 51 xe xe 20 Hình 2.4 Thuật tốn trích chọn minut1ae - - c2 2211222111 1521 1115211112211 1 xxx 24 Hình 2.5 Tăng cường ảnh St t1 nhà HH Hà Hà Hà Hệ 25 Hình 2.6 Ước lượng orienfafion image - 5:5: 2 2232292223212352212121212212 2.2 28 Hinh 2.7 : Khoanh:vũng ĩnh vận ÍAVssessssensineeboosBigBBVSBGDNGIEISDRIEESSBJSSSE8Đ0380t88 30 Hình 2.8 Thơng số của hai dạng minufiae quan trọng -22222z222222xce 30 Hình 2.9 Nhị phân hĩa và làm mảnh đường vân - c5: ct St sisiserrererrsres 31 Hình 2.10 Phát hiện minutiae - 1122221111221 1151111111211 1 11211111011 ng xknhyn 33
Hình 2.11 Số minutiae phát hiện được 2-22 222222122122122122122122 2 xee 34
Hình 2.12 Lọc các minutiae© - 1 1222211122111 111211 1151111111111 1 110111111 kg xxx nyn 35 Hình 2.13 Các minutiae được trích chọn cuối để tạo mã - 5 s2s22z2E2s22 36 Hình 2.14 Năm kiểu vân tay trong thực tế 22222 2212212221221222122122 2 e0 37
Hình 2.15 Sơ đồ khối mơ tả thuật tốn phân loại vân tay - 2-52-2222 38
Trang 7Hinh 2.24 900.00 .a 45 Hình 3.1 Đối chiếu vân tay dựa trên cơ sở minutiae 2222222122212 49
Hình 3.2 Khớp mẫu từng đối tượng 2-2222 22222212221221222222222 e6 50
Hình 3.3 Thực hiện matching - c2 211211212112 12118 tr HH Hà Hee 51 Hình 3.4 Dang nhap vao churong trink 2.0.0.0 ee eeeceeeeeeereeeeneeeeesenseneeteeseneenes 53 Hình 3.5 Form chính của chong trimh 00.0.0 ceeeeeeeceneneeceeeeneeeesenseneeeeeeneenes 33 Hình 3.6 Nhập thơng tin đối tượng cần sinh trắc -2 222222122212222 xe 34 Hình 3.7 Nhập thơng tin đối tượng cần sinh trắc -22222222221221222 e6 55 Hình 3.8 Nhập thơng tin đối tượng cần sinh trắc -22-2222221222122222 e6 35
Trang 8DANH MUC MOT SO THUAT NGU THUONG DUNG
TRONG NHAN DANG SINH TRAC VAN TAY Ridge: Đường vân tay trên ngĩn tay người
Vallay: Đường rãnh xen kẽ hai đường vân tay
Singular: Diém ky di cia van tay trên ngĩn tay người, mang đặc điểm phân loại
Core: Điểm “tâm” của vân tay, là một trong những điểm singular Minuuia: Diễm đặc trưng của vân tay trên ngĩn fay con người
Termination: Diém kết thúc của đường vân, một loại minutia quan trọng Bifurcation: Diém tré ba ctia duéng van, 1a mot loai minutia quan trong Sweat pores: Vong xuyén xép liên tiếp tạo thành đường vân (thường quan sát được khi ảnh vân tay ở độ phân giải cao: > 10004)
Orientation Image: Hinh anh thể hiện các định hướng cục bộ của các đường vân tay, bao gồm nhiều phần tử 6,; € |0, mr] fại các diém [i,j] Direction Image: Tuong tw nh Orientation Image nhung 0;; € [0,27] Segmentation: Phân định giữa vùng ảnh thể hiện đường vân và vùng ảnh nên
Varance field: Một các thê hiện vùng ảnh thể hiện đường vân cịn thơ Crossing number: Mét phuong phdp ding dé phat hién minutiae
Poincaré: Một phương pháp dùng đề phat hién core theo truéng vec-to và đường bao
Ridge map: Anh den trang chi thé hiện các đường vân màu trắng nhưng khơng nhất thiết các đường vân cĩ độ rộng đồng đêu
Thinned ridge map: Anh den trang thé hién các đường vân màu trắng nhưng nhất thiết các đường vân cĩ độ rộng đồng đều Ipixel
Trang 9MO DAU
1 Lý đo chọn đề tài
Khả năng lưu trữ và xử lý thơng tin của máy tính trong thời đại ngày nay đã trở nên mạnh mẽ nhờ sự phát triển của nền cơng nghiệp phần cứng đi đơi với sự phát triển của cơng nghệ phần mềm Máy tính khơng cịn dừng lại ở việc lưu trữ, xử lý, tìm kiếm và gửi nhận thơng tin ở mức độ thơng thường như trước đây mà nĩ cịn cĩ thể tương tác với con người hoặc sự vật trong tự nhiên ở mức độ cao hơn Nĩ cĩ thể nhận biết được tính cách đặc trưng của con người thơng qua việc nhận dạng dấu vân tay
Áp đụng cơng nghệ nhận đạng dấu vân tay để dự đốn tính cách đặc trưng của con người trong cuộc sống hiện nay đã mang lại hiệu quả và lợi ích to lớn nên vấn để này nĩ được nhiều nhà nghiên cứu trong nước và trên thế giới quan tâm nghiên cứu Cho đến nay, đã cĩ nhiều phương pháp để nhận dạng sinh trắc dấu vân tay, cĩ thê nhận biết được tính cách đặc trưng của con người nhưng củng tùy thuộc vào từng đối tượng cần nhận dạng, cách thức ứng dụng của nĩ vào từng hệ thống cụ thé trong thực tế mà những hệ thống này sử đụng những phương pháp nhận dạng khác nhau
Kết quả bài tốn sinh trắc đấu vân tay phụ thuộc vào việc lựa chọn phương pháp và mơ hình máy học sao cho phù hợp với mỗi hệ thống cụ thể nhưng mục tiêu chính của nĩ là giải quyết những bài tốn này một cách tốt nhất cĩ thể Vì vậy tơi
chon dé tài nghiên cứu với tên là “NGHIÊN CỨU CÁC PHƯƠNG PHÁP PHÁT
HIỆN SINH TRAC VAN TAY VA UNG DUNG?” để nghiên cứu trong luận văn này
2 Tổng quan tài liệu
Trang 10Cĩ một số nghiên cứu mới đây về nhận dạng dựa trên thiết bị thu nhận tín hiéu nhu camera, may Scan, song wifi, song 4m nhu: “Kiểm sốt chuột máy tính thơng qua nhận dang cử chỉ tay” của giao su Antonis Argyros thuộc trường đại học Crete, Hy lạp; “Nhận dạng cử chỉ hành động sử dụng tín hiệu sĩng wifi” cua truong dai hoc Washington; SoundWare - sử dụng hiệu ứng âm thanh dropler thu nhận qua micro để nhận dạng sĩng âm, nhận giọng nĩi, nhận dạng dấu vân tay qua thiết bị Kineet của Microsoft hay Leap Motion, cam bién van tay của Apple
Ở nước ta hiện nay đã cĩ nhiều để tài nghiên cứu về nhận dạng như nhận dang ban tay dé diéu khién robot, nhan dang 4m thanh, nhan dang bién sé xe trong giao thơng Đề tài “Mgiiên cứu phát triển kỹ thuật nhận dạng cử động của bàn tay người theo thời gian thực” của TS Trần Nguyên Ngọc cùng đồng sự của khoa Cơng nghệ thơng tin, học viện Kỹ thuật quân sự để ứng dụng trong cơng nghiệp quốc phịng, điều khiển robot, phát triển dạng sản phâm tích hợp Viện cơng nghệ thơng tin hiện nay cũng đang nghiên cứu đề tài “Nghiên cứu, phát triển kỹ thuật nhận biết và tương tác với các đối tượng/hành vì thơng qua tiếng nĩi (Liệt) và hình ảnh video 2D cùng chiễu sâu (video 2D pius depfh)” do TS Nguyễn Đức Dũng chủ nhiệm
Trang 11- Từ đặc trưng dấu vân tay đề cĩ thé đưa ra nhận biết tính cách đặc trưng của con
người;
- Ứng dụng kết quả nghiên cứu để xây dựng chương trình mơ phỏng việc nhận dạng dấu vân tay của Học sinh để cĩ thể nhận biết tính cách của các em
4 Đối tượng nghiên cứu
- Sinh trắc dấu vân tay của con người;
- Phương pháp trích chọn đặc trưng dấu van tay;
- Từ đĩ cĩ thể nhận biết tính cách đặc trưng của con người sau khi trích chọn đặc trưng dấu vân tay
5 Phương pháp nghiên cứu
- Phương pháp nghiên cứu lý thuyết:
+ Tham khảo các nguồn tài liệu thu thập được
+ Nghiên cứu cơ sở lý thuyết và kỹ thuật của một số phương pháp phát hiện, nhận dạng và trích chọn đặc trưng dấu vân tay
+ Từ đặc trưng dấu vân tay cĩ thé nhận biết tính cách con người - Thực nghiệm xây dựng:
+ Cài đặt ứng đụng trên các lý thuyết đã nghiên cứu + Lượng hĩa đánh giá kết quả
6 Phạm vi nghiên cứu
Phạm vi nghiên cứu của luận văn là nghiên cứu nhận dạng và trích chọn đặc trưng đấu vân tay được thu nhận qua chuỗi hình ảnh do máy Scan vân tay hay camera ứng đụng trong điều khiên máy tính đề nhận biết tính cách con người
7 Nội dung nghiên cứu
Trang 12- Các khái niệm cơ sở
- Các phương pháp nhận dạng
- Các bước cơ bản trong hệ thống nhận dạng - Ứng dụng của nhận dạng dấu vân tay con người
Tìm hiểu phương pháp nhận biết tính cách đặc trưng của con người qua các đặc trưng đã trích chọn
- Bai tốn nhận đạng sinh trắc dau van tay - Tạo lập bộ dữ liệu thực nghiệm
- _ Các phương pháp lượng hĩa kết quả
- Phân tích, thiết kế hệ thống nhận dạng sinh trắc vân tay và cài đặt chương trình
- _ Thực nghiệm kiểm thử và lượng hĩa kết quả 8 Bố cục của luận văn
Luận văn bao gồm: Phần mở đầu, nội dung và phan kết luận Phần nội dung bao gồm ba chương:
Chương 1: Tổng quan
+ Giới thiệu tổng quan về nhận dạng + Cơng nghệ nhận dạng ảnh
+ Vân tay trong sinh trắc học: Đề cập một số bộ phận của sinh trắc học (trong đĩ cĩ nhận dạng vân tay) và những tính chất gì nhận biết tính cách con người từ đặc trưng dấu vân tay
+ Bài tốn sinh trắc dấu vân tay và những khĩ khăn cĩ thể gặp phải khi nhận dạng vân tay
Chương 2: Phân tích và trích chọn đặc trưng vân tay
Trang 13+ Anh dau vao va kĩ thuật chuẩn hĩa ảnh
+ Tiền xử ly ánh
+ Trích chọn đặc tính vân tay và đối sánh vân tay: Giai đoạn này áp đụng các thuật tốn xử lý anh dé tạo mã vân tay
+ Phân tích tính cách đặc trưng của con người qua dấu vân tay Chương 3: Định mẫu nhận biết tính cách và mơ phỏng ứng dụng
+ Định mẫu vân tay: Định mẫu vân tay để nhận biết tính cách đặc trưng của COn n8ƯỜi
Trang 14Chuong 1: TONG QUAN
Theo nghiên cứu của các nhà khoa học, dấu vân tay cĩ mối liên quan mật thiết với não bộ của chúng ta Qua nhiều quá trình khảo sát rất nhiều người đã tạo ra một cơ sở dữ liệu khơng lồ về mối liên hệ giữa vân tay và não bộ Nhờ đĩ, các nhà khoa học khẳng định rằng biểu hiện của các đường vân tay cĩ thể biết được tính cách đặc trưng của một con người
1.1 GIOI THIEU TONG QUAN VE NHAN DANG
Nhận dạng là quá trình phân loại các đối tượng được biểu diễn theo một mơ hình nào đĩ và gán cho chúng vào một lớp (gán cho đối tượng một tên gọi) dựa theo những quy luật và các mẫu chuẩn Quá trình nhận đạng dựa vào những mẫu học biết trước gọi là nhận dạng cĩ giám sat (supervised learning);, trong trường hợp ngược lại gọi là học khơng cĩ giám sáf (non supervised learning) Ngày nay nhận dạng đang là đề tài nghiên cứu áp đụng trong việc thiết kế hầu như tất cả các hệ thống tự động Các lĩnh vực liên quan với Nhận dạng: khai phá dữ liệu (data mining), học may (machine learning), thi giác máy tính (computer vision) mạng nơ ron, lý thuyết ra quyết định thống kê
Như vậy cĩ thể hiểu nhận dạng là một mơn khoa học nhằm trang bị phương pháp luận để mơ phỏng nhận thức, trang bị cho máy tính cĩ khả năng nhận biết
Đối tượng nhận dạng: là một thực thể tổn tại mà con người cĩ thể cảm nhận được
Vidu: - Hình ảnh được cảm nhận bởi mắt - Tiéng nĩi được cảm nhận boi tai
- Tín hiệu điện tim cảm nhận bởi hình dạng hoặc số số liệu đo - Tín hiệu động đất cảm nhận bởi số liệu đo
1.2 CƠNG NGHỆ NHẬN DẠNG ẢNH
Trang 15Nhận dạng mẫu nhằm mục đích phân loại dữ liệu (là các mẫu) dựa trên: hoặc là kiến thức tiên nghiệm hoặc dựa vào các thơng tin thống kê được trích rút từ các mẫu cĩ sẵn Các mẫu cần phân loại thường được biểu diễn thành các nhĩm của các dữ liệu đo đạc hay quan sát được, mỗi nhĩm là một điểm trong một khơng gian đa chiều phủ hợp Đĩ là khơng gian của các đặc tính mà dựa vào đĩ ta cĩ thể phân loại Một hệ thống nhận dạng mẫu hồn thiện gồm cĩ một thiết bị cảm nhận (sensor) để thu thập các quan sát cần cho việc miêu tả; một cơ chế trích rút đặc trưng để tính tốn các thơng tin dưới dạng số hay dạng tượng trưng từ các dữ liệu quan sát được; và một bộ phân loại nhằm thực hiện cơng việc phân loại thực sự dựa vào các đặc tính đã được trích rút
Việc phân loại thường dựa vào sự cĩ sẵn của một tập các mẫu mà đã được phân loại hay mơ tả sẵn Tập các mẫu này được gọi là tập huấn luyện và chiến lược học nhằm phân loại mẫu vào một trong các lớp cĩ sẵn được gọi là học cĩ giám sát
Việc học cũng cĩ thé là khơng cĩ giám sát, theo nghĩa là hệ thống khơng được cung cấp các mẫu được cung cấp các mẫu được đánh nhãn tiên nghiệm, mà nĩ phải tự đưa ra các lớp dé phân loại đựa vào tính ổn định trong thống kê của các mẫu
Việc phân loại thường dùng một trong các hướng tiếp cận sau: thống kê, cú pháp Nhận dạng mẫu đùng thống kê là dựa vào các đặc tính thơng kê của các mẫu, chẳng hạn các mẫu được tạo bởi các hệ thống xác suất Nhận dạng dùng cấu trúc là dựa vào tương quan cấu trúc giữa các mẫu
Các ứng dụng phổ biến là: nhận dạng tiếng nĩi tự động, phân loại văn bản thành nhiều loại khác nhau (ví dụ: những thư điện tử nào là spam/ non-spam), nhận dạng tự động các mã bưu điện viết tay trên các bao thư, hay hệ thống nhận dạng danh tính dựa vào mặt người
1.3 VAN TAY TRONG SINH TRAC HOC
Trang 16- Linh động và bắt chước nhanh
- Thích làm mọi việc với suy nghĩ đối lập, hay phán đốn, Thường sử dụng cách đánh giá, lập luận trái ngược
- Hứng thú với những điều huyền bí
- Phương pháp khác biệt trong việc quản lý và lãnh đạo - Thường gây sốc người khác bằng ngơn từ
- Thích suy luận, cĩ khả năng làm việc và kiểm sốt mọi việc vào phút chĩt * Chủng ARCH ( Cĩ 0 core và 0 delfa)
Đặc tính chung:
- Mẫu người theo phong cách “chậm mà chắc”, phong thái từng bước, làm việc trình tự, địi hỏi sự chắc chắn
- Địi hỏi thực tế, cụ thể và chỉ tiết, chỉ chấp nhận vấn đề khi cĩ chứng cứ rõ ràng, hay thơng tin xác thực
- An tồn luơn là yếu tố đầu tiên, vì vậy thường đa nghỉ, cĩ cảm giác đề phịng - Thích sự ổn định vên bình Khơng thích sự xơ bổ, náo nhiệt
- Luơn tuân thủ vào các quy tắc và quy định, cân thận
1.4 BÀI TỐN SINH TRAC VAN TAY VA NHUNG KHO KHAN TRONG
NHAN DANG DAU VAN TAY SINH TRAC
+ Bài tốn:
Bài tốn sinh trắc dấu vân tay là bài tốn trả lời cho câu hỏi làm sao dé phat hiện được các đặc trưng dấu vân tay từ ảnh vân tay của đầu vào từ máy Scan vân tay hoặc ảnh chụp đấu vân tay của ngĩn tay từ Camera Để từ các đặc trưng đĩ ta phân tích và phát hiện được năng khiếu, sở trường hay tính cách đặc trưng của người đĩ
Trang 17+ Khĩ khăn trong nhận dạng dấu vân tay để rút trích đặc trưng:
Do điều kiện thu nhận ảnh quyết định nhiều đến chất lượng ảnh thu thập nên nhiều khi các chỉ tiết trên mẫu vân tay khơng thê hiện rõ ràng Cĩ thể liệt kê một số trường hợp dưới đây:
® Dry finger (vân tay thu nhận trong điều kiện “khơ”): ảnh thu nhận sẽ cĩ nhiều chỗ đường vân bị mờ đi, đường vân bị lẫn với nên ảnh Lực ấn của tay nhẹ hoặc mực in khơng đủ (với vân tay lăn trên giấy) là các nguyên nhân chính làm giảm chất lượng ảnh thu thập
© Wet finger (vân tay thu nhận trong điều kiện “ướt”): ảnh thu nhận sẽ cĩ nhiều chỗ đường vân bị dính liền Lực ấn của ngĩn tay quá lớn hoặc mực in quá nhiều (với vân tay lăn trên giấy) là các nguyên nhân chính tạo nhiễu trong trường hợp này
e Van tay thu nhận trong diéu kién bi bién dang: anh thu nhan duoc co thé thé hiện rõ nét nhưng các đường vân lại bị bĩp méo khơng cịn giống với mẫu thực Lực ấn, kéo và xê dịch tay là các nguyên nhân chính
e Vân tay thu thập khơng đầy đủ: ảnh thu thập được chỉ cĩ một phần vân tay trên ngĩn tay Nguyên nhân chính là do ngĩn tay đặt khơng đúng vị trí chuẩn thu thập
Tuy vậy trong thực tế cũng cĩ nhiều mẫu vân tay thu thập trong điều kiện tốt nên cĩ chất lượng cao
1.5 TIEU KET CHUONG 1
Trong chương 1 em đã giới thiệu một cách tổng quan về lý thuyết nhận dạng và nhận dạng dấu vân tay trong lĩnh vực sinh trắc , đã nêu ra một số khái niệm về nhận dạng vân tay, cơng nghệ nhận dạng ảnh, vân tay trong lĩnh vực sinh trắc học, chỉ ra được các đặc trưng trên mẫu vân tay, trình bày tổng quan về các tính cách đặc trưng của con người từ các đặc trưng trên dấu vân tay Các thuật tốn cần thiết dé giải quyết các bài tốn cụ thê trong hệ thống sẽ được trình bày chỉ tiết trong chương 2
Trang 18Chương 2: PHÂN TÍCH VÀ TRÍCH CHỌN ĐẶC TRƯNG VÂN TAY
2.1PHÁT BIÊU BÀI TỐN
Trang 192.2 ANH DAU VAO
Ảnh đầu vào thu được từ các thiét bi ghi hinh nhu may Scan dau van tay hoặc Camera chụp lại ảnh dấu vân tay , day đủ và rõ nét dấu vân tay của ngĩn tay, ảnh được ghi nhận chỉ giới hạn là vùng chứa dấu vân tay của ngĩn tay
2.3 CHUAN HOA ANH DAU VAO
Chuẩn hĩa ảnh đầu vào là bước cần thiết trước khi vào bước tiền xử lý ảnh Do ảnh đùng cho trích trọn đặc trưng cĩ thê khơng phù hợp về kích thước cũng như phân bố mức xám Trong luận văn, giai đoạn này gồm: chuẩn hĩa kích thước ảnh và đồng đều hĩa cường độ sáng giữa các ảnh đầu vào khác nhau
+ Chuẩn hĩa kích thước ảnh
Ảnh chuẩn đầu vào cĩ kích thước 364 x256 p¡¿xel Các thuật tốn xử lý ảnh vân tay về sau thường áp dụng cho từng từng ø/ock vuơng trên ảnh (thường sử dụng các block vuơng cạnh 16 pixel, 32 pixel ) Nên kích thước ảnh chuẩn hĩa hợp lý hơn là 352x256 pixei Đê thực hiện điều này sẽ “cắt” đi vùng đữ liệu ảnh kích thước 12x256 pixei Phần này cũng khơng ảnh hưởng quá nhiều tới kết quả nhận dạng cuối cùng vì đối với bộ đữ liệu đã chọn, các vùng ảnh ở gần khung thường đĩng vai tro lam background
Hàm thực hiện chuẩn hĩa kích thước ảnh đầu vào là norsizfv øns = norsizfv(g,bs)
Trong đĩ:
ø: ảnh số đầu vào cĩ kích thước cần được chuẩn hĩa,
bs: kích thước của block mà ảnh đầu ra sẽ được làm trịn theo, øns: ảnh đầu ra cĩ kích thước đã chuẩn hĩa
+ Cân bằng cường độ sáng của ảnh
Do điều kiện thu thập ảnh khác nhau với mỗi lần lấy mẫu vân tay; do kỹ thuật thu nhan anh (st dung sensor, scanner, ) khác nhau nên độ sáng ảnh vân tay
Trang 20khơng gần nhất Vi vậy cần làm đồng đều cường độ sáng của các ảnh vân tay trong bộ dữ liệu Phương pháp thực hiện: dùng một ảnh mẫu cĩ cường độ sáng đồng đều, rồi chuẩn hĩa độ sáng của các ảnh khác theo ảnh này bằng bình phương cực tiêu Trong đồ án sử dụng ảnh cĩ cùng kích thước cường độ sánh các điểm ảnh 7[¡ /]=
128 (là mức xám trung trung bình trong 255 mức)
Hàm thực hiện cân bằng cường độ sáng của ảnh là briequfv gbb = briequfv(g,ref), Trong do: g: ảnh số đầu vào cần được chuẩn hĩa cường độ sang; re£: ảnh số làm mẫu; gbb: ảnh đầu ra cĩ cường độ sáng gần với ảnh mẫu; 2.4 TIỀN XỬ LÝ ẢNH 2.4.1 Các khái niệm cơ bản về ảnh a Ảnh và điểm ảnh:
Ảnh là mảng số thực hai chiều (7„„.„ ) cĩ kích thước (MxN), trong đĩ mỗi gia tri (Z,, ) (tại một điểm ảnh), biểu thị mức xám của ảnh tại vị trí (m,n) tương ứng Các loại ảnh cơ bản như sau:
- _IMG: là ảnh đen trắng Phần đầu của ảnh là 16 bytes chứa các thơng tin cần thiết Tồn bộ ảnh chỉ cĩ những điểm sáng và tối tương ứng giá trị
1 hoặc 0
- PCX: su dụng phương pháp mã loạt dài RLE ( Run — Length — Encoded) dé nén dé liéu anh
- GIF: ( Graphics Interchanger Format): ảnh dạng nén, lưu trữ tốt ảnh ở dạng đen trắng và ảnh 16 màu, nhưng đối với ảnh 256 màu thì khả năng nén kém
Trang 21- JPGE: (Joint Photographic Expert Group): la tén cia mot t6 chic nghiên cứu các chuẩn nén cho ảnh tone liên tục Khắc phục nhược điểm của anh gif
b Đối tượng ảnh:
Trong phần này ta chỉ xét với ảnh nhị phân, vì mọi ảnh nhị phân đều cĩ thé đưa về ảnh nhị phân bằng các kỹ thuật phân ngưỡng Ta ký hiệu E là tập các điểm vùng (điểm đen) và E là tập các điểm nền (điểm trắng) Hai điểm I, và l,e (r„„) nằm trong E (hoặc E) được gọi là 4 liên thơng (8 liên thơng) nếu tồn tại một dãy các điểm gọi là đường đi:
e (i 75) = I, va (i,.7,)= I,
đâ (,./)>h.)> >,.7,) m (Ă,./,)eE với mọi k= 0,1 ,n © (¡,./,) là 4 láng giếng (8 láng giếng) của (i,,, j,,) với mọi k= 1, 2, n 2.4.2 Kỹ thuật chuyển ảnh sang ảnh mức xám (Gray Level):
Trang 222.4.3 Lược đồ mức xám (Histogram):
Lược đổ mức xám là một hàm cung cấp tần suất xuất hiện của mỗi mức xám (gray-level) trong ảnh Biểu diễn tốn học của histogram của một ảnh số cĩ L=256 mức xám là một hàm rời rạc : n PL) == n (2.1) trong đĩ : f, 1a gia tri xám thứ k (k = 0, 1, , L-1)
n, là số pixel cĩ mức xám đĩ và øđ là tổng số pixel của ảnh
Miễn giá trị của p(7;) e[0.1]
Một cách biếu diễn tốn học khác của histogram của một ảnh là số lần xuất hiện của mỗi mức xám :
PCF.) = ™ (2.2)
Khi lược đồ xám được biếu diễn trong một hệ tọa độ vuơng gĩc x, y (trục hồnh x biếu diễn số mức xám từ 0 đến L -1, trục tung y biểu diễn số điểm ảnh cĩ cùng mức xám hay tỷ lệ số điểm ảnh cĩ cùng mức xám trên tổng số điểm ảnh), thì hình dạng của histogram của ảnh sẽ mang đến cho chúng ta thơng tin về tính động của ảnh (ảnh rất sáng hay ảnh rất đậm) dùng làm cơ sở cho việc tăng cường độ tương phản
Trang 23PCS.) PCS.) Ảnh tối Ảnh sáng L L Ấy fe Cf, 5 »)
etfs) Anh cĩ độ By Anh cĩ độ
L tương phản thấp L tương phản cao fi
Hình 2.3: Lược đồ mức xám của các loại ảnh
Nhìn và biểu đỗ trên ta nhận thấy rằng: Nếu ảnh tối thì mức xám sẽ tập trung ở gần gốc tọa độ
2.4.4 Lọc ảnh Sobel:
Lọc Sobel là một trường hợp của lọc số tuyến tính Nghĩa là bộ lọc dùng một convolution-mask (cửa sơ dùng để nhân chập, gọi tắt mask), rồi lấy tổng cĩ trọng số các điểm lân cận với điểm ở chính giữa trong m4sk đĩ Di chuyển masẺ trên tồn bộ miễn tín hiệu ảnh, mỗi bước một pixel, cudi cùng thu ảnh kết quả
Tổng quát, lọc tuyến tính của ảnh số ƒ cỡ ÄZxW với comolufion-mask cĩ cỡ mx" định bởi như sau: a b g(,y) = » w(s, £)ƒ(% + s,y + t) s=-at=-b ‘ (m-1) (n-1) ` naw ~4y—
Trong dé a = , b= 5 vax=0,M-1, y=0,N-1
Dap ung loc số tai tung diém (x, y) laR, đối với lọc Sobel sẽ là: 9
R, = À wuz, = (Z7 + 2Zg + Zo) — (Z¡ + 23 + Z4) ¡=1
Trang 249
Ry = À wyz, = (Z¿ + 2Za + Zo) — (Z¡+ Z4 + Z7) i=1
Trong đĩ Z¿ là mức xám của ảnh 2.4.5 Xử lý ảnh bằng thuật tốn K-means:
Đây là thuật tốn dùng để phân ngưỡng trong xử lý ảnh thơng qua việc phân nhĩm Phân nhĩm là quá trình phân chia hoặc nhĩm lại một tập hợp các mẫu cho sẵn thành những nhĩm tách rời Các mẫu trong cùng một nhĩm sẽ giống hoặc khác nhau (hoặc gần nhau) Sự phân nhĩm được dùng rộng rãi trong các lĩnh vực ứng dụng bao gồm mạng Neural, trí tuệ nhân tạo và thống kê
Nhiều thuật tốn phân nhĩm đã được đưa ra nhu: ISODATA, CLARA, CLARANS, P-CLUSTER, DBSCAN, tuy nhiên phương pháp K-Means nỗi trội hơn do kết quả tốt và được kiểm chứng nhiều trong thực tế Hiểu đơn giản phân nhĩm K-means là một thuật tốn phân loại hoặc nhĩm các đối tượng dựa vào đặc trưng, thuộc tính thành K nhĩm Trong lĩnh vực xử lý ảnh, việc nhĩm các pixel được thực hiện bằng cách tính tổng của bình phương khoảng cách các pixel với pIxel trung tâm của nhĩm tương ứng
Các bước thực hiện phân nhĩm K-means:
s* Qui định số nhĩm K và giả định trọng tâm cho mỗi nhĩm Các trọng tâm này cĩ thể là các điểm tùy ý trong ảnh Ta giả sử rằng số nhĩm K là cố định trong K-means Cho K trọng tâm (w¡, .,wx) được khởi trị là một trongn điểm ảnh (h, , 1ạ) Do đĩ:
Wk, J e {I, ,k}, le {1, n}
Cj 1a nhom thir và là tập hợp con tập hợp con được tách ra khỏi tập hợp các mẫu ban đầu Chất lượng phân nhĩm được quyết định bởi hàm sai số:
k 2
E=> Ð |, —w,| Jal eC;
Trang 25s* Thuật tốn K-means gồm các bước sau:
+ Đặc trưng các thành phần phân nhĩm sẽ được trích ra
v Mỗi thành phần sẽ được đánh đấu và đưa vào nhĩm cĩ trị trung bình gần nhất với thành phần đĩ bằng cách tính khoảng cách giữa thành phần đĩ và trị trung bình của mỗi nhĩm Khoảng cách đĩ cĩ thể là khoảng cách Eueliđean, khoảng cách khối City,
# Khi tất cả các thành phần đã được đánh dấu, trị trung bình của mỗi nhĩm được tính tốn lại
Trang 26C¡, nghĩa là w,=5” _„¡, 1€;
Tính lại sai số:
Until E khơng thay đổi nhiều hoặc khơng cĩ sự thay đổi các mẫu trong các nhĩm
}
2.4.6 Loc trung vi (Median):
Đây là phương pháp lọc phi tuyến trong xử lý ảnh, mục đích của phương pháp lọc này nhằm loại bỏ nhiễu hạt tiêu (pepper noise) hay nhiễu hạt muối (salt noise) rất hiệu quả mà vẫn đảm bảo độ phân giải Tuy nhiên hiệu quả sẽ giảm đi khi
số điểm nhiễu trong cửa số lớn hơn hay bằng một nữa số điểm ảnh trong cửa sé Trong phương pháp này, mức xám của điểm ảnh trung tâm được thay thế bằng trung vị của một chuỗi các mức xám của các điểm ảnh lân cận thay vì giá trị trung bình
Trung vị m của một chuỗi các giá trị là một giá trị sao cho một nửa các giá trị trong chuỗi nhỏ hơn m và một nửa lớn hơn m
Giả sử U (m, n) và V(m, n) là ảnh vào và ảnh ra của bộ lọc, lọc trung vị được định nghĩa:
V(m,n)=Median(U(m-k,n-l)) với k,l thuộc [1,L]
Trang 272.5 TRICH CHON MINUTIAE CHO DOI SANH VAN TAY
Đề trích chọn minutiae cho đối sánh vân tay ta thiết kế bằng cách chia nhỏ các cơng đoạn chính trên thành các mơ-dun nhỏ hơn Hướng chung là chọn các phương pháp mà cĩ thể tận đụng được các mơ-đun chương trình ở cơng đoạn này và áp dụng được cho cơng đoạn khác Nhưng các phương pháp lựa chọn phải đạt yêu cầu cho bài tốn nhận dạng cuối cùng Vì vậy, tạo tính mở cho hệ thống và tiết kiệm
xưa Tăng cường chất Uớc lượng Khoanh vùng Tiền xử lý ảnh lượng ảnh orientation image : ảnh vân tay
_ Lọc minutiae Hiệu chỉnh ‘anime
và tạo mã từ z——i đường vân và lọc |#——} due vin -i— Taorigde map minutiae minutiae ng
Hình 2 4 Thuật tốn trích chọn minutiae
Với sơ đồ này thấy rằng, trích chọn zizw/iae thực hiện qua tám bước
Khối tiền xử lý ảnh thực hiện chuẩn hĩa kích thước ảnh
Khối tăng cường chất lượng ảnh thực hiện làm nổi rõ đường vân Khối orientation image thực hiện ước lượng trường định hướng
Khéi segmentation (khoanh ving anh van tay) thực hiện tách vùng ảnh cần quan tâm nhiều trong xử lý trích chọn đặc tính
Khối tạo zđ4ge map (ảnh nhị phân với đường vân cĩ gid tri logic 1) Khối làm mảnh đường vân Đường vân làm mảnh tới độ rộng đồng nhat mét pixel tir ridge map
Khối hiệu chỉnh đường vân và lọc minutiae sai cấp một Đường vân sẽ được làm “tron”, minutiae sai kiéu lake (dang hinh xuyén nho), dang diém, ché ngan, doan van ngan sé loai bo
Trang 28e Loc minutiae sai cấp hai va tạo mã vân tay bang minutiae Két thie cdc bwée nay cdc template sé dugc tao ra
2.5.1 Tăng cường chất lượng ảnh
Thu nhận ảnh khơng phải lúc nào cũng cho những ảnh với chất lượng tốt
Tăng cường ảnh sẽ giúp cải thiện chất lượng ảnh trước khi thực hiện các thuật tốn xử lý ảnh tiếp theo nhằm gia tăng hiệu quả xử lý Hai thuật tốn sử đụng để tăng cường ảnh chất lượng ảnh ở đây là: histogram equalization (can bang luge dé xam) va bién d6i Fourier roi rac
Hinh 2.5 Tang cuong anh
a) anh ban dau; b) ảnh sau c4n bang histogram; c) anh sau biến đổi Fourier ri rac + Tăng cường ảnh băng histogram equalization (cân bằng lược đồ xám)
Hisfogram của ảnh xám là một biểu dé thé hiện quan hệ giữa cường độ ảnh và số øixel cĩ cùng cùng cường độ ảnh đĩ Cân bằng #is/ogram sẽ làm đồng đều cường độ sáng trong bản thân ảnh đĩ
Trang 29+ Tăng cường ảnh bằng biến đổi Fourier-2D
Sử dụng lọc Gabor và biến đổi Fourier là hai nền tảng chính để thực hiện tăng cường ảnh trong xử lý ảnh vân tay Ảnh sau khi đã được tăng cường chất lượng bang histogram equalization, thuc hién buéc ké tiép là tăng cường ảnh bằng thuật tốn biến déi Fourier
So với các phương pháp trên co sé loc Gabor, nĩ lợi thế hơn ở chỗ khơng yêu cầu việc tính tốn chính xác định hướng cục bộ của đường vân và tần số vân tay phục vụ cho mục đích cuối cơng doan tao ridge-map
Cơng thức tính tốn cho thuật tốn tăng cường ảnh bằng biến đổi Fourier rời rạc cĩ dạng như sau: lạny = F~*{F(x,y]) |F(x,y])l}" Trong đĩ: k : hệ số mũ của phơ Fourier, | F([xy]) | : phé Fourier
Luận văn thực hiện tăng cường chất lượng ảnh bằng biến đổi Fourier rời rạc cho ting block c6 kich thudc 32x32 pixel Theo cách này, các thành phần ảnh cĩ tần số trội sẽ được giữ lại, đĩ là các vùng ảnh thể hiện làm đường vân Ảnh sau biến đổi Fourier rời rạc cĩ các đường vân “nỗi” hơn, sự phân tách giữa các đường vân cũng thê hiện rõ ràng hơn Đồng thời các vùng ảnh nhiễu sẽ loại bớt đi
Số mũ của phổ Fourier, k đĩng vai trị làm hệ số điều chỉnh
Khuyến nghị đặt & = 0,6 khi tính tốn với kích thước ø/ock như trên Tuy nhiên, trong quá trình thực hiện, đặt & = 0,35 thì cho kết quả tốt hơn so với việc chọn giá trị khác Vì phơ Fourier dong vai tro lam ham loc, do đĩ: k càng nhỏ hàm lọc tiến tới 1 (ảnh gốc và ảnh sau khi tăng cường khơng khác nhau nhiều); với k lớn, các đoạn vân cục bộ cĩ thé bi biến dạng khơng cịn khả năng xử lý cho cơng đoạn tiếp
nữa
Trang 30Hàm thực hiện tăng cường ảnh bằng biến đổi Fourier rời rạc là fouenhfv gfe = fouenhfv(g,k),
Trong do: g: anh số đầu vào; k: hệ SỐ;
gfc: ảnh đầu ra đã được tăng cường bằng biến đổi Fourier 2.5.2 Uée luong orientation image và khoanh vùng ảnh vân tay
Trong phần này sẽ trình bày các ước lượng định hướng vân tay cục bộ Đây là cần thiết để chọn được các thơng số thích hợp để lọc ảnh về sau (lọc nhiễu, khoanh vùng ảnh ) Vì orienfafion image (trường định hướng) mang tính mơ tả gĩc định hướng đường vân, nên kết quả này cịn được áp dụng để phân loại kiêu vân tay (quyết định bởi sự tạo hình của các đường vân)
+ Uée luong orientation image
Trường định hương thê hiện bản chất tự nhiên của đường vân và các rãnh đường vân Trường định hướng cung cấp nhiều thơng tin quan trong cho các bước xử lý tiếp theo Phần này sẽ trình bày về ước lượng or/ewfafion image D, phần tử định hướng Ø;; (tương ứng với nĩ là gĩc định hướng Ø;; và mơ-dun định hướng) Cĩ sự phân biệt khác nhau giữa các thuật ngữ mơ tả phần tử định hướng orienfafion (cĩ 91j e [0, #]), đirecfion (cĩ 0ÿ e [0,2Zz]) khi tính tốn trường định hướng
Nguyên lý thực hiện tính định hướng: chia ảnh thành các khối w x w, sau đĩ khảo sát lần lượt định hướng cục bộ của đường vân trong từng khối đĩ Orienfation image sẽ được ước lượng bằng phương pháp Gradienf
Trang 31iC: ma-tran luu /evel-certenty của mỗi block,
DF : ma-trân lưu định hướng và tọa độ tâm của m6i block + Khoanh ving anh van tay
Khoanh vùng ảnh vân tay nhằm mục đích phân chia các vùng khác nhau trên ảnh vân tay Ở đây, chúng ta quan tâm đến ƒoreground/background (ảnh nền và ảnh trên nền) cùng với biên ảnh vân tay Trong nhận đạng vân tay, vùng ảnh mang thơng tin hữu ích giới hạn bởi vùng cĩ các đường vân (đĩng vai trị làm ƒoreground) Vùng ảnh cịn lại thường là các nhiễu tạo ra trong quá trình thu nhận, sao chép, lưu trữ ảnh (đĩng vai trị làm background) can duoc tach ra khoi foreground Khoanh vùng ảnh van tay nim trong nhom thuat toan segmentation Tổng quát, nĩ dựa vào hai tính chất của ảnh số liên quan đến cường độ sáng dé thực hiện, đĩ là: sự khơng liên tục và sự tương tự nhau
Ảnh vân tay trong luận văn sẽ khoanh vùng lấy vùng hữu ích dựa vào cả hai tính chất kể trên Tiêu chí đánh gia la certainty level (m6t gia tri thé hién sw bién thiên của cường độ sáng theo các đường vân) Theo cách này vùng ảnh đĩng vai trị background va foreground dugc phan tách nhờ một ngưỡng đặt trước
Céng thie tinh certainty level cho tung block kích thước w x w, trọng tam tương ứng của block co toa do [7, 7] như sau:
1 G, (bf)? + Gab J)?
cay) = ww GŒ
Mot ngu6éng T¢ duoc dat ra va block dé dinh nghia lam + background néu C(i, j)<Te,
+ foreground néu C(i,j)= Te
Phương pháp này cĩ lợi thế kế thừa được các kết quả tinh tốn trong phần ước luong orientation image
Trang 32+ Nhị phân hĩa và làm mảnh đường vân
Sau tăng cường ảnh bằng biến đổi Fourier rời rạc, đường vân tây đã nổi rõ hơn so với ảnh ban đầu Đây là lúc sử dụng thuật todn local threshold chuyén déi anh xám đã tăng cường chất lượng đĩ thành ảnh đen trắng
a) b)
Hinh 2.9 Nhị phân hĩa và làm mảnh đường van a) ridge-map; b) thinned ridge-map
Trang 33adj : hệ số hiệu chỉnh,
glt :_ ảnh đầu ra đã được nhị phân hĩa + Phat hién minutiae
Vân tay sau khi đã làm mảnh cĩ thể bắt đầu tim cdc minutiae Thuat toan ding dé phát hién minutiae st dung trong dé 4n 1a crossing number No ding mét ctra sé kich thuée 3x 3 pixel, lay tất cả các điểm ảnh trong cửa số, sau đĩ khảo sát giá trị logic của các điểm ảnh xung quanh điểm ảnh [i,j] ở chính giữa cửa số đĩ
Tùy vào kết quả tinh toan cia biéu thtre crossing number thi két luận rằng: điểm [7.7] đang xét là một điểm phân nhánh, điểm cụt hay đang nằm trên một đường vân Cơng thức tính như sau: 8 1 cn(p) = 5) lval, mods) — val(p;_1)| i=1
Anh str dung phat hién cdc minutiae phải là ảnh nhị phân, do đĩ vz/(p)€{0, 1} Các biến PI: P2 p7 thứ tự tạo thành các điểm lân cận điểm giữa cửa số đang khảo sát xét theo một chiều thuận hoặc ngược kim đồng hồ
Khi đĩ định nghĩa điểm [¿,7] đang xétlà:
e© trên đường vân nếu cp() = 2,
© termination minutiae néu cn(p) = 1,
e bifurcation minutiae néu cn(p) = 3
Thuật tốn tìm kiếm và giá tri crossing number cé vai tré quan trọng Khơng những được dùng trong việc phát hiện 772 mà nĩ cịn giúp loại bỏ các minufiae sai (được cho là nhiêu)
Trang 34if 1{1 7:0 0|F HN ¡ i a) cn(p) =2 b) en(p) = 2 mo A 1 c) ep(n) = 3
Hinh 2.10 Phat hién minutiae
a), b) pixel trén duong van; c) bifurcation minutiae;d) termination minutiae Hàm thực hiện phat hién minutiae la finminfv
[ter, bif] = finminfv(g),
Trong do:
g: ảnh đầu vào cĩ độ rộng đường vân một p¡xeiÏ, ter : ma-trận lưu tọa độ của /errminafion minutia, bi£ : ma-tran luu toa d6 ctia bifurcation minutia
+ Ước lượng khoảng cách đường vân
Vân tay trên ngĩn tay khơng giống nhau giữa mỗi người Ngay cả trường hợp ở một người, các đường vân cũng thể hiện sự khác biệt trên từng ngĩn tay Do vậy, ước lượng khoảng các đường vân được hiểu là dai trị trung bình khoảng cách giữa hai đường vân song song và gần nhau Đây là một thơng tin làm tiên để cho cơng doan loc minutiae vỀ sau
Ảnh nhị phân cĩ các đường vân đã được làm manh dén 1 pixel tao ra tir khau lam mảnh đã cĩ, tỏ ra rất thuận tiện với phương pháp scan trong việc ước lượng khoảng
Trang 352.5.5 Phan loai kiéu van tay
Hé théng nhận dạng identification, co so dit liéu c6 thể lên đến hàng triệu tỉ bản nên quá trình đối chiếu 1:N di nhiên tốn rất nhiều thời gian, Phân loại vân tay nhằm mục đích tổ chức các Zempiafe theo từng cafegory (nhĩm phân loại) để tiết kiệm thi gian nh4n dang (cho mot input-image khi hệ thống hoạt động)
Hinh 2.14 Nam kiéu van tay trong thuc té
a) arch ; b) whorl ; c) tented arch; d) left loop ; e) right loop
Mặc dù luận văn giới hạn trong số lượng mẫu ít để thực hiện xử lý dữ liệu đĩ và thử nghiệm Nhưng hệ thống nhận dạng vân tay trong đồ án này được thiết kế theo kiểu identification (cé kha nang déi chiéu 1:N) Tuân thủ kiểu nhận dạng của hệ thống và hướng thiết kế mở đặt ra ban đầu thì phân loại vân tay là khâu khơng thê bỏ qua Giải pháp phân loại vân tay ở đây sử dụng cây quyết định (/ree/f??), như vậy sẽ kế thừa được nhiều kết quả của phần trích chọn đặc tính vân tay cho đối chiêu ở trên
Trang 36Quá trình phân loại vân tay được thực hiện qua ba bước chính 1) trích chọn đặc tính định hướng cục bộ,
2) tạo vec-tơ đặc tính, 3) bộ phân loại
Các van tay duoc phan loai vao nam category: A, L, R, T, W, tương ứng với arch, left loop, right loop, tented arch va whorl,
Trich chon dinh Tao vector
hướng cục bộ đặc tính ¥ Bộ phân loại
Hình 2.15 Sơ đồ khối mơ tả thuật tốn phân loại vân tay 2.5.6 Trích chọn đặc tính
Phân loại vân tay thì phụ thuộc nhiều vào các điểm kỳ di (singular point), bao gồm diém delta va diém core Khi da cé orientation image cac diém ky di cé thé xác định thuân lợi bằng phương pháp Poincaré Đặc tính cần trính chọn là gĩc định hướng cục bộ đï, 7 [1, 3, 8] 1-2, j-2 | i-2,j-1 | i-2,j | i-2, j+1 | i-2, j-2 E1,j-2 L1,j-2 i,j ij l}2 i441, j-2 i+4, 5-2 i+2, j-2 | +2, j-1) i+2,j | i+2, j+1 | i+2, j-2 a) b)
Hinh 2.16 Phuong phdp chi sé Poincaré: a) trong miễn liên tục; b) trong ảnh SỐ
Chỉ số Poincaré của trường định hướng tại điểm ảnh [i, j] theo mét đường bao kín tính như sau:
Trang 37N 1 Poincaré(i,j) = —) A(k) 210 = d6(k), |d6(k)| < 3 a A(k) = 471 +d6(k), dd5(k) = 5 m — d5(k),dd(k) < = N/a
dé(k) = DF (L(œ + 1)modL), LJ((k + 1)modL)) — DF(Li(k), Lj(k))
Trong đĩ E là một đường bao kín lấy điểm [ï J], Li va Lj tao hệ trục tọa độ hướng hàng và hướng cột tại điểm đang xét Chỉ số Poincaré bằng 0,5 nếu điểm đĩ là core, bằng -0,5 nếu điểm đĩ là đel⁄z Luận văn thực hiện thuật tốn phát hiện core với đường bao E cĩ chiều dài 16 pixel va bao quanh diém [iJ]
2.5.7 Tạo vec-tơ đặc tính
Sau khi phát hiện được điểm core, vec-tơ đặc tính được tạo ra bằng các khoanh vùng lấy 11x11 định hướng cục bộ mà điểm này làm trọng tâm Một ma- trận cỡ IIxIl khơng thích hợp làm vec-tơ đầu vào cho khâu phân loại nên nĩ
được điều chỉnh lại kích thước thành vec-tơ 121 thành phần Mỗi thành phần
Trang 38- An tồn luơn là yếu tơ đầu tiên, vì vậy thường đa nghỉ, cĩ cảm giác đề phịng - Thích sự ổn định vên bình Khơng thích sự xơ bổ, náo nhiệt
- Luơn tuân thủ vào các quy tắc và quy định, cân thận
2.7 TIEU KET CHUONG 2
Nội dung chương 2 đã giới thiệu mơ hình hệ thống nhận dạng sinh trắc vân tay Phân tích ảnh đầu vào, tiền xử lý ảnh và rút trích các đặc trưng vân tay đề đối
sánh, phân tích các đặc trưng vân tay đến tính cách và năng khiếu của con người Việc cài đặt mơ phỏng thử nghiệm, lượng hĩa và đánh giá kết quả nhận dạng của hệ thống sẽ được trình bày trong Chương 3
Trang 39Chương 3: ĐĨI CHIẾU ĐỊNH MẪU VÀ ỨNG DỤNG
* Phát biểu bài tốn: Bài tốn sinh trắc dấu vân tay là làm sao để trích chọn được các đặc trưng dấu vân tay từ ảnh vân tay của ảnh đầu vào từ máy Scan vân tay hoặc ảnh chụp đấu vân tay của ngĩn tay từ Camera của một người Đề từ các đặc trưng đĩ ta phân tích và phát hiện được năng khiếu, sở trường hay tính cách đặc trưng của người đĩ
* Phân tích bài tốn:
* Các bước thực hiện để giải bài tốn:
Bước l: Input anh van tay đầu vào của đối tượng:
Bước 2: Tiền xử lý ảnh đầu vào;
Bước 3: Trích chọn đặc trưng của ảnh vân tay;
Bước 4: Phân loại kiểu vân tay;
Bước 5: Đối sánh vân tay với tập dữ liệu ảnh van tay; Bước 6: Oufput kết qua sinh trắc vân tay của đối tượng:
+ Input: Ảnh đầu vào của đối tượng là một ảnh được lay ty may Scan van tay, Camera hoặc các thiết bị ghi hình khác và sẽ được chuẩn hĩa ảnh hĩa ảnh đầu vào để cĩ thê phù hợp về kích thước cũng như cường độ sáng của ảnh bằng 2 hàm: Hàm thực hiện chuẩn hĩa kích thước ảnh đầu vào là norsizfv và Hàm thực hiện cân bằng cường độ sáng của ảnh là briequfv
+ Tiền xử lý ảnh: Sau khi chân hĩa ảnh đầu vào ta sẽ thực hiện cơng việc gọi là tiền xử lý ảnh, đưa ảnh sang mức xám bằng kỹ thuật chuyên ảnh theo cơng thức:
X=0.2125*R + 0.71554*G + 0.0721*B
Tiép theo thực hiện lọc Sobel 1a bộ lọc dùng một conmvolufion-mask (cửa số ding dé nhan chap, goi tat mask), rồi lấy tơng cĩ trọng số các điểm lân cận với điểm ở chính giữa trong mzs& đĩ Di chuyển zmzsÉ trên tồn bộ miễn tín hiệu ảnh, mỗi bước mét pixel, cuối cùng thu ảnh kết quả
Trang 40+ Trích chọn đặc trưng của ảnh vân tay: Sau khi đã làm mảnh đường vân cĩ thể bắt đầu tìm các minutiae Thuat tốn dùng để phat hién minutiae sử dụng là crossing mưmber Nĩ dùng một cửa sơ kích thước 3x3 pixel, lấy tất cả các điểm ảnh trong cửa số, sau đĩ khảo sát giá trị logic của các điểm ảnh xung quanh điểm ảnh [¡,/] ở chính giữa cửa số đĩ
+ Phân loại kiểu vân tay: Như đã trình bày ở chương 2, Sau khi ước lượng khoảng cách đường vân, hiệu chỉnh đường vân thì tiến hành phân loại kiểu đường vân Giải pháp phân loại vân tay ở đây sử dụng cây quyết định (/eeØi?), như vậy sẽ kế thừa được nhiều kết quả của phân trích chọn đặc tính vân tay cho đối chiếu
+ Đối sánh vân tay với tập đữ liệu ảnh vân tay: Ở đây em sử dụng bộ ảnh vân tay mẫu dùng cho đối sánh là 3 tập mẫu vân tay gồm 3 chủng vân tay Whorl, Loop, Arch, mỗi tập mẫu chứa các mẫu vân tay của thuộc chủng đĩ
Tiến hành đối sánh từ mẫu vân tay Input với 3 tập mẫu của 3 chủng vân tay, nếu cĩ điểm đặt trưng trùng khớp với mẫu nào trong tập mẫu thì sẽ định mẫu vân tay đĩ để cho kết quả sinh trắc Sau đây là phương pháp đối chiếu vân tay để định mẫu:
3.1 ĐĨI CHIẾU VÂN TAY ĐỀ ĐỊNH DANH MẪU:
Cũng giống như phân loại vân tay, cĩ rất nhiều cách để thực hiện đối chiếu vân tay e Correlation-based
e Minutiae-based e Ridge feature-based
Vì ngay từ ban đầu đã lựa chọn phương pháp đối chiếu vân tay trên cơ sở là minufiae Nên khâu thực hiện đối chiếu vân tay sẽ dựa vào các điểm nút đặc trưng này
Việc đối chiếu dựa trên hai bộ số liệu: I của input-image (anh đầu vào) và T của template-inage (bộ ảnh được lưu trữ trong cơ sở đữ liệu dùng đề đối chiến)
T = T{m,rnạ, ,1n,}, 1n; = {x,y,9,), i= Lp