7065504-Nghien-Cuu-Va-Phat-Trien-Ung-Dung-Nhan-Dang-Van-Tay

Nghiên cứu ứng dụng nhận dạng vân tay

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

Nguyễn Đức Luân

NGHIÊN CỨU VÀ PHÁT TRIỂN ỨNG DỤNG NHẬN

DẠNG VÂN TAY

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC HỆ CHÍNH QUY

Ngành: Công nghệ thông tin

Cán bộ hướng dẫn: ThS Trần Quốc Long

HÀ NỘI-2006

LỜI CẢM ƠN

Em xin chân thành cảm ơn toàn thể các thầy cô giáo trong trường Đại học Công nghệ, Đại học Quốc gia Hà Nội đã hết lòng dạy dỗ, chỉ bảo, tạo điều kiện tốt cho em trong suốt quá trình học tập cũng như trong thời gian thực hiện khoá luận tốt nghiệp này

Đặc biệt, em gửi lời cám ơn chân thành và sâu sắc tới ThS Trần Quốc Long –

Bộ môn khoa học máy tính – trường Đại học Công Nghệ - Đại học Quốc Gia

Hà Nội, người đã trực tiếp quan tâm, tận tình hướng dẫn, giúp đỡ và tạo điều kiện hết sức thuận lợi cho em trong quá trình thực hiện khoá luận

Cảm ơn các bạn đồng khoá và gia đình đã động viên, giúp đỡ tôi rất nhiều trong quá trình học tập tại Khoa Công nghệ cũng như trong thời gian thực hiện khoá luận.

Hà nội, ngày24 tháng 05 năm 2006

Nguyễn Đức Luân

TÓM TẮT KHÓA LUẬN

Nghiên cứu và ứng dụng sinh trắc vào cuộc sông là một những xu hướng quan trọng

và có thực tiễn cao Do nhu cầu nhận dạng cá nhân trong các tổ chức chính phủ và dân

sự để đảm bảo an ninh Có nhiều đặc trưng sinh trắc có thể được sử dụng để nhận dạng

cá nhân Trong đó vân tay là một đặc trưng sinh trắc được nhiều người chấp nhận và

sử dụng nhờ tính ổn định, phân biệt cao của nó

Khóa luận sẽ tập trung vào nghiên cứu các thuật toán hỗ trỡ cho việc đối sánh vân tay

để nhận dạng một cá nhân nào đó

MỤC LỤC

Chương 1: GIỚI THIỆU 7

1.1.Sự cần thiết của nhận dạng bằng ảnh sinh trắc 7

1.2.Lịch sử của vân tay: 7

1.3.Các hệ thống xác thực 9

1.4.So sánh các đặc trưng sinh trắc 10

1.5.Các loại lỗi của hệ thống sinh trắc: 11

1.5.1.Các lỗi của hệ thống kiểm tra: 12

1.5.2.Các loại lỗi của hệ thống nhận dạng: 16

Chương 2 PHÂN TÍCH VÀ BIỂU DIỄN VÂN TAY 18

2.1.Phân tích cấu trúc vân tay: 18

2.2.Biểu diễn hình ảnh vân tay 19

2.3.Ước lượng hướng vân cục bộ 19

2.4.Ước lượng tần suất vân cục bộ 21

2.5.Tăng cường ảnh: 23

2.6 Phát hiện chi tiết 29

2.7.Lọc chi tiết 32

CHƯƠNG 3:ĐỐI SÁNH VÂN TAY 34

3.1 Đặt vấn đề 34

3.2 Các kĩ thuật dựa độ tương quan 37

3.3 Các phương pháp dựa chi tiết 41

3.4 Các kĩ thuật đối sánh dựa đặc trưng vân 46

3.5 So sánh hiệu năng của các thuật toán đối sánh 47

Chương 4: CÁC THUẬT TOÁN VÀ THỰC NGHIỆM 49

4.1 Giới thiệu 49

4.2 Các thuật toán được sử dụng 49

4.2.1 Thuật toán tính hướng vân tay cục bộ 49

4.2.1.1 Phương pháp 49

4.2.1.2 Kết quả thực thi 50

4.2.2 Thuật toán chuẩn hóa ảnh 50

4.2.2.1 Phương pháp 50

4.2.2.2 Kết quả thực thi 51

4.2.3 Thuật toán tăng cường ảnh 51

4.2.3.1 Phương pháp 51

4.2.3.2 Kết quả thực thi 52

4.2.4 Thuật toán tách ngưỡng tự động 53

4.2.4.1 Phương pháp 53

4.2.4.2 Thực nghiêm phương pháp tác ngưỡng theo cơ chế tìm ngưỡng tự động 53

4.2.5 Thuật toán tìm xương 54

4.2.5.1 Phương pháp 54

4.2.5.2.Kết quả thực thi 57

4.2.6 Tìm kiếm chi tiết 57

4.2.6.1 Phương pháp 57

4.2.6.1 Kết quả thực thi: 58

4.2.7 Thuật toán Hough 58

4.2.7.1 Phương pháp 59

4.2.7.2 Kết quả thực thi 59

4.2.8 Thuật toán đối sánh vân tay 60

4.2.8.1 Phương pháp 60

4.2.8.2 Kết quả thực thi 61

KẾT LUẬN:………63

TÀI LIỆU THAM KHẢO……… 64

CHƯƠNG 1: GIỚI THIỆU 1.1.Sự cần thiết của nhận dạng bằng ảnh sinh trắc

Nhận dạng sinh trắc đề cập đến việc sử dụng các đặc tính hành vi và thể chất ( ví dụ:vân tay, gương mặt, chữ kí…) có tính chất khác biệt để nhận dạng một người một cách

tự động

Trong các tổ chức, cơ sở hành chính, khoa học…luôn có nhu cầu kiểm tra và trả lờicác câu hỏi: “một người có được quyền vào và sử dụng các thiết bị hay không”, “một

cá nhân có quyền truy cập thông tin mật”…

Người ta nhận thấy các đặc trưng sinh trắc không thể dễ dàng bị thay thế, chia sẻ haygiả mạo , chúng được xem là đáng tin cậy hơn trong nhận dạng một người so với cácphương pháp dựa vào thẻ bài truyền thống ( ví dụ dùng chìa khóa…), phương phápdựa vào trí thức ( ví dụ dùng mật khẩu )

Nhận dạng sinh trắc ngày càng cung cấp mức độ an toàn cao hơn, tính hiệu quả caohơn, và càng thuận tiện cho người dùng Vì vậy, các hệ thống sinh trắc đang được triểnkhai và thử nghiệm ngày càng nhiều trong các khu vực quản lý thuộc chính phủ( chứng minh thư, bằng lái xe…), khu vực dân sinh( thẻ thông minh, đăng nhập mạngmáy tính, …)

Nhiều công nghệ sinh trắc đã và đang được phát triển, một số chúng đang được sửdụng trong các ứng dụng thực tế Các đặc trưng sinh trắc thường được sử dụng là vântay, gương mặt, mống mắt, tiếng nói Mỗi đặc trưng sinh trắc có điểm mạnh và điểmyếu riêng, nên việc sử dụng đặc trưng sinh trắc cụ thể là tùy thuộc vào yêu cầu của mỗiứng dụng nhất định.Các đặc trưng sinh trắc có thể được so sánh dựa vào các yếu tốsau: tính phổ biến, tính phân biệt, tính ổn định, tính thu thập, hiệu quả, tính chấp nhận.Vân tay-được biết tới với tính phân biệt ( tính chất cá nhân ) và ổn định theo thời gian

là đặc trưng sinh trắc được sử dụng rộng rãi nhất

1.2.Lịch sử của vân tay:

Trên các mẫu khảo cổ học và các mẫu vật lịch sử, người ta đã tìm thấy nhiều mẫu vântay Điều này cung cấp bằng chứng rõ ràng là người xưa đã nhận ra tính cá nhân củavân tay, nhưng không xuất hiện bất kì cơ sở khoa học nào Mãi đến thế kỉ 16 các kĩ

thuật vân tay khoa học hiện đại mới xuất hiện và từ đó các lí thuyết và chương trình

mô tả, nhận dạng vân tay mới phát triển mau chóng:

Hình 1.1: một số bằng chứng vân tay tìm được thời xưa

Năm 1964:Nehemiah Grew nhà sinh thái học thực vật xuất bản những trang sách đầutiên các nghiên cứu có tính hệ thống của ông về vân tay

Năm 1788: Mayer đã mô tả chi tiết thông tin giải phẫu của vân tay để đặc tính hóa,nhận dạng các đặc tính vân tay

Năm 1809, Thomas Bewick bắt đầu sử dụng vân tay của mình như là biểu tượng đăng

kí thương mại – đã tạo ra một cột mốc quan trọng trong nghiên cứu khoa học về nhậndạng vân tay

Năm 1880: Henrry Fauld đã đưa ra giả thuyết khoa học khẳng định tính cá nhân củavân tay dựa vào các nhận thức kinh nghiệm

Năm 1888, Ngài Francis Galton giới thiệu các đặc trưng chi tiết phục vụ cho đối sánhvân tay

Đầu thế kỉ 20, cấu trúc của vân tay mới được mô tả một cách khá đầy đủ Các nguyên

lý sinh học của vân tay được tổng kết như sau:

a Biểu bì vân có các đặc tính khác nhau trên các vân tay khác nhau

b Cấu hình vân tay có sự thay đổi trên từng cá nhân, nhưng sự thay đổi nhỏ nàyvẫn cho phép phân loại một cách có hệ thống các vân tay

c.Các chi tiết và cấu hình của mỗi đường vân là ổn định và không thay đổi

Nguyên lý a) là cơ sở cho nhận dạng vân tay, nguyên lý b) là cơ sở để tiến hành phânloại vân tay

Cũng từ đầu thế kỉ 20, nhận dạng vân tay chính thức được chấp nhận như một phươngpháp nhận dạng cá nhân có giá trị và trở thành chuẩn trong pháp luật Ví dụ, năm 1924FBI đã thiết lập một cơ sở dữ liệu có 810000 thẻ vân tay

1.3.Các hệ thống xác thực.

Một hệ thống sinh trắc cơ bản là một hệ thống nhận dạng mẫu để nhận ra một ngườibằng cách quyết định tính xác thực của một đặc tính sinh học hay hành vi thuộc vềngười đó Trong thiết kế một hệ thống sinh trắc, một vấn đề quan trọng đặt ra là xácđịnh cách một người được nhận dạng Một hệ thống sinh trắc có thể là một hệ thống

kiểm tra hay một hệ thống nhận dạng.

sinh trắc của người này với mẫu sinh trắc của chính người đó đã được lưu trữtrước trong hệ thống

phải đăng nhập hệ thống để sử dụng tài khoản, còn ở hệ thống không phối hợptrong kiểm tra hộ chiếu đi máy bay, những kẻ khủng bố có thể bị phát hiện khi

sử dụng hộ chiếu

 Công khai và bí mật: hệ thống là công khai nếu người sử dụng biết mình đangđược xác thực bởi hệ thống, còn khi người sử dụng không biết mình đang đượcxác thực bởi hệ thống thì hệ thống là bí mật

 Thường xuyên và không thường xuyên: chỉ mức độ thường xuyên mà ngườidùng sử dụng hệ thống sinh trắc Ví dụ, ứng dụng đăng nhập máy tính là một hệthống sinh trắc thường xuyên bởi vì ứng dụng này được sử dụng đều đặn, cònứng dụng làm bằng lái xe là hệ thống không thường xuyên do mỗi bằng lái xechỉ được làm mới sau vài năm

 Được thực hiện bởi con người và được thực hiện tự động: nếu được thực hiệnbởi con người thì dữ liệu sinh trắc sẽ được thu thập khi có sự hướng dẫn, quản

lý bởi một người

 Môi trường điều hành chuẩn hay phi chuẩn: Môi trường điều hành là chuẩn nếu

hệ thống được hoạt động trong môi trường được điều khiển ( các yếu tố nhiệt

độ, độ ẩm…)

 Là ứng dụng công cộng hay ứng dụng kín: nếu là ứng dụng kín thì người sửdụng hệ thống sinh trắc là khách hàng hay nhân viên của tổ chức triển khai hệthống;

 Ứng dụng mở và ứng dụng đóng: Ứng dụng mở sử dụng chung các mẫu sinhtrắc của một người với các ứng dụng khác, còn ứng dụng đóng phải sử dụng cácmẫu sinh trắc thích hợp dành riêng

1.4.So sánh các đặc trưng sinh trắc:

Một đặc tính sinh học hoặc hành vi của con người có thể được sử dụng như là một đặctrưng sinh trắc trong nhận dạng một người nếu nó có các yêu cầu sau:

 Tính phổ biến: mọi người đều có đặc trưng sinh trắc này

 Tính phân biệt: hai người khác nhau thì đặc trưng sinh trắc này phải khác nhau

 Tính ổn định: đặc trưng sinh trắc này không thay đổi theo từng giai đoạn thờigian ( tương ứng với hạng mục đối sánh nhất định )

 Tính thu thập: nghĩa là đặc trưng này có thể đo được và lượng hóa

 Hiệu năng: khả năng nhận dạng chính xác, tốc độ nhận dạng; các tài nguyên cầnthiết để đạt được tốc độ và độ chính xác mong muốn; các nhân tố môi trường vàhoạt động ảnh hưởng đến tốc độ và độ chính xác trong nhận dạng

 Tính chấp nhận: mọi người vui lòng chấp nhận các đặc trưng sinh trắc trong đờisống hàng ngày của họ

 Khả năng phá hoại: là mức độ khó hay dễ để đánh lừa hệ thống bởi các phươngpháp lừa dối

Sau đây là một số đặc trưng sinh trắc thông dụng: DNA, tai, mặt, dáng đi, đồ hình bàntay và ngón tay, mống mắt…

Hình 1.2: Một số đặc trưng sinh trắc: a) gương mặt, b)vân tay, c) đồ hình bàn tay d)Mống mắt, e)võng mạc f)chữ kí, g) tiếng nói

1.5.Các loại lỗi của hệ thống sinh trắc:

Đối sánh trong một hệ thống nhận dạng vân tay dựa vào điểm đối sánh s( không mất

tính tổng quát, chúng ta giả sử giá trị của điểm này nằm trong [0,1] ) Điểm đối sánhđược dùng để lượng hóa độ tương tự giữa biểu diễn của đầu vào và biểu diễn của mẫu

cơ sở dữ liệu Điểm này càng có giá trị gần 1 thì khả năng cả hai vân tay đều của cùngmột ngón tay càng cao, ngược lại điểm này càng có giá trị gần 0 thì khả năng hai vântay là của hai ngón tay khác nhau càng lớn

Quyết định của hệ thống được điều khiển bởi ngưỡng t Với điểm s của hai vân tay:

 nếu s  t: kết luận là cặp so khớp ( nghĩa là hai vân tay của cùng một ngón tay )

 nếu s  t: kết luận là cặp không so khớp ( nghĩa là hai vân tay đến từ hai ngóntay khác nhau )

Một hệ thống kiểm tra chấp nhận hai lỗi sau đây:

 Kiểm tra các số đo sinh trắc từ hai ngón tay khác nhau với kết quả là của cùngmột ngón tay ( ta gọi là so khớp sai )

 Kiểm tra các số đo sinh trắc của cùng một ngón tay với kết quả là của hai ngóntay khác nhau ( ta gọi là không- so khớp sai )

Hai lỗi trên tương ứng còn được gọi là chấp nhận sai và từ chối sai Bởi vì kẻ giả mạo

có thể được chấp nhận sử dụng thiết bị hay hệ thống…nếu có sự so khớp sai, và người

có đủ thẩm quyền đăng nhập, sử dụng thiết bị hay hệ thống lại bị từ chối nếu xảy ra sự

không so khớp sai Chúng ta lượng hóa hai lỗi trên bằng các đại lượng: tỉ lệ chấp nhận

sai và tỉ lệ từ chối sai.

Chúng ta sẽ đi sâu hơn vào các lỗi trong những hệ thống kiểm tra và trong các hệthống nhận dạng

1.5.1.Các lỗi của hệ thống kiểm tra:

Phát biểu bài toán:

Kí hiệu T là mẫu sinh trắc của một người đã được lưu trữ, I là biểu diễn sinh trắc đầu vào cần được kiểm tra Các giả thuyết đặt ra là:

 H0: I  T, đầu vào và mẫu không của cùng một người

 H1: I = T, đầu vào và mẫu của cùng một người

Tương ứng với các giả thuyết là các kết luận:

 D0: người nay không có mẫu sinh trắc được lưu trữ trong hệ thống

 D1: người này đã có mẫu sinh trắc được lưu trữ trong cơ sở dữ liệu

Đối sánh trong kiểm tra T và I sử dụng độ tương tự s(T,I) Nếu s nhỏ hơn ngưỡng t thì

Từ các giả thuyết trên, chúng ta định nghĩa hai loại lỗi trong một hệ thống kiểm tra:

 Dạng I: đối sánh sai ( kết luận là D1 khi H0 đúng )

 Dạng II: không-đối sánh sai ( kết luận là D0 khi H1 đúng )

Khi đó, tỉ lệ đối sánh sai ( FMR ) là xác suất của lỗi loại I, tỉ lệ không đối sánh sai( FNMR ) là xác suất của lỗi loại II:

 FMR = P ( D1| H0 đúng )

 FNMR = P ( D0| H1 đúng )

Để đánh giá tính chính xác của một hệ thống sinh trắc chúng ta phải thống kê các điểm

đối sánh s của các cặp vân tay của cùng một ngón tay( phân bố p ( s|H 1 đúng )-thường được gọi là phân bố chân chính ) và điểm đối sánh s của các cặp vân tay từ hai ngón

tay khác nhau( phân bố p(s|H 0 sai)-thường được gọi là phân bố giả mạo )

Hình 1.3: FMR và FNMR với một ngưỡng t thể hiện phân bố chân chính và phân

bố giả mạo Trong hình vẽ FMR là phần trăm các cặp giả mạo có điểm đối sánh

lớn hơn hay bằng t và FNMR là phần trăm các cặp chân chính có điểm đối sánh nhỏ hơn t.

Thực tế, cả FMR và FNMR đều là hàm của ngưỡng hệ thống t nên chúng ta có thể viếtchúng là FMR(t) và FNMR(t) Nếu t giảm thì hệ thống sẽ bỏ qua nhiều lỗi và FMR(t)

sẽ tăng, ngược lại khi tăng t để cho hệ thống an toàn hơn thì FNMR(t) sẽ tăng tương

ứng Người thiết kế hệ thống kiểm tra thường không biết trước hệ thống của mình sẽứng dụng ở lĩnh vực nào, vì vậy họ báo cáo hiệu năng hệ thống ở tất cả các điểm hoạt

động ( ngưỡng t ) bằng cách xây dựng đường cong đặc tính hoạt động Đường cong

này biểu diễn các giá trị FNMR và FMR ở theo ngưỡng hệ thống t

Bên cạnh các phân bố và đồ thị trên, một vài chỉ số khác được dùng để đánh giá tínhchính xác của một hệ thống kiểm tra

 Tỉ lệ lỗi cân bằng( EER): là tỉ lệ lỗi tại ngưỡng t mà FMR(t) = FNMR(t) Trongthực tế, do chúng ta có một số hữu hạn các cặp vân để so sánh và do sự lượng

tự hóa giá trị nên EER không tồn tại Vì vậy thay vì đưa ra một giá trị đơn duynhất, người ta đưa ra một khoảng.Mặc dù EER là một chỉ số quan trọng, nhưngcác hệ thống kiểm tra vân tay ít khi hoạt động ở ngưỡng tương ứng với EER màhoạt động ở các ngưỡng có FMR thấp

 ZeroFNMR là giá trị FMR nhỏ nhất mà tại đó không xảy ra không-đối sánh sai

 ZeroFMR là giá trị FNMR nhỏ nhất mà tại đó không xảy ra đối sánh sai

 Tỉ lệ thất bại trong thu thập(FTC): là tỉ lệ phần trăm mà thiết bị không thể tựđộng thu thập đặc trưng sinh trắc khi đặc trưng sinh trắc được đưa vào bộ cảmbiến

 Tỉ lệ thất bại trong kiểm tra ( FTE ) là tỉ lệ phần trăm mà người dùng khôngđược xử lý bởi hệ thống

 Tỉ lệ thất bại trong đối sánh ( FTM ) là tỉ lệ biểu diễn đầu vào không thể được

xử lý hoặc đối sánh với một mẫu sinh trắc có giá trị, bởi các biểu diễn sinh trắckhông đủ chất lượng

Hình 1.4: Đánh giá thuật toán kiểm tra vân tay trong cuộc thi nhận dạng vân tay 2002(FVC2002) a) các phân bố chân chính và giả mạo được tính trên 2800 cặp chân chính

và 4950 cặp giả mạo b)FMR(t) và FNMR(t) được tính từ các phân bố ở a c) đườngcong ROC dẫn xuất từ FMR(t) và FNMR(t) ở b)

1.5.2.Các loại lỗi của hệ thống nhận dạng:

Từ định nghĩa các loại lỗi trong một hệ thống kiểm tra, chúng ta mở rộng để địnhnghĩa các loại lỗi trong một hệ thống nhận dạng

Giả sử hệ thống không dùng các cơ chế đánh chỉ số/truy tìm ( nghĩa là hệ thống sẽ tìmkiếm vét cạn trên toàn bộ tập dữ liệu chứa N mẫu vân tay ), và mỗi người chỉ có mộtmẫu vân tay được lưu trữ Kí hiệu FNMRN và FMRN tương ứng là tỉ lệ không đối sánhsai và tỉ lệ đối sánh sai trong một hệ thống nhận dạng thì:

 FNMRN = FNMR

 FMRN = 1 – ( 1-FMR )N : trong biểu thức này ( 1 – FMR ) là xác suất khôngxảy ra đối sánh sai với một mẫu vân tay và ( 1 – FMR )N là xác suất không xảy

ra đối sánh sai với toàn bộ cơ sở dữ liệu mẫu Nếu FMR nhỏ thì FMRN 

N.FMR, ta có thể nói tỉ lệ đối sánh sai tăng tuyến tính với kích thước cơ sở dữliệu mẫu

ZeroFNMR

ZeroFMR

Hình 1.5: Một ví dụ của đồ thị FMR ( t ) và FNMR ( t ), với các điểm tương

ứng là EER, ZeroFNMR và ZeroFMR

EER

Trong trường hợp cơ sở dữ liệu mẫu được phân loại và chỉ số hóa, thì trong quá trìnhnhận dạng chỉ có một phần cơ sở dữ liệu được kiểm tra Khi đó:

 FNMRN = RER + ( 1 – RER ).FNMR trong đó RER ( tỉ lệ lỗi truy tìm ) là xácsuất mẫu vân tay cần tìm trong cơ sở dữ liệu bị bỏ qua do cơ chế truy tìm

 FMRN = 1 – ( 1 – FMR )N – P trong đó P là tỉ lệ phần trăm trung bình các mẫuđược tìm kiếm trong cơ sở dữ liệu mẫu trong quá trình nhận dạng

CHƯƠNG 2 PHÂN TÍCH VÀ BIỀU DIỄN VÂN TAY 2.1.Phân tích cấu trúc vân tay:

Khi ấn ngón tay vào một bề mặt trơn, một vân tay được sao chép lại từ lớp biểu bì da.Cấu trúc dễ nhận thấy nhất của vân tay là các vân lồi và vân lõm; trong ảnh vân tay,vân lồi có màu tối trong khi vân lõm có màu sáng Vân lồi có độ rộng từ 100m đến

300m Độ rộng của một cặp vân lỗi lõm cạnh nhau là 500m Các chấn thương nhưbỏng nhẹ, mòn da không ảnh hưởng đến cấu trúc bên dưới của vân, khi da mọc lại sẽkhôi phục lại đúng cấu trúc này

Vân lồi và vân lõm thường chạy song song với nhau; chúng có thể rẽ thành hai nhánh,hoặc kết thúc Ở mức độ tổng thể, các mẫu vân tay thể hiện các vùng vân khác nhau

mà ở đó các đường vân có hình dạng khác biệt Những vùng này ( gọi là các vùngđơn ) có thể được phân loại thành các dạng: loop, delta và whorl và được kí hiệu tươngứng là , ,  Vùng whorl có thể được mô tả bởi hai vùng loop đối diện nhau.Vài thuật toán đối sánh vân tay căn lề ảnh vân tay theo một điểm trung tâm gọi là điểmnhân Henrry (1900 ) đã định nghĩa điểm nhân là “điểm nằm về phía bắc nhất củađường vân nằm trong cùng nhất” Thực tế, điểm nhân là điểm trung tâm của vùng loopnằm về phía bắc nhất Nếu vân tay không chứa các vùng loop hay whorl thì điểm nhân

là điểm mà tại đó độ cong của đường vân là lớn nhất

Định nghĩa các vùng đơn thường được sử dụng để phân loại vân tay, với mục đích làmđơn giản hóa các quá trình tìm kiếm

Ở mức độ cục bộ, chúng ta tìm kiếm các đặc tính quan trọng, gọi là các chi tiết Các

chi tiết mô tả cách mà các vân bị đứt quãng Ví dụ vân có thể đi tới điểm kết thúc, hay

rẽ thành hai nhánh… Ngài Francis Galton ( 1822-1911 ) là người đầu tiên phân loạichi tiết và khẳng định chúng không thay đổi trong suốt cuộc đời một cá nhân Viện cácchuẩn quốc gia Mĩ đề nghị phân loại chi tiết theo bốn loại gồm: điểm kết thúc, điểm rẽhai, điểm rẽ ba, và điểm không xác định Trong khi đó mô hình chi tiết của cục điều traliên bang Mĩ chỉ có hai loại chi tiết là điểm kết thúc và điểm rẽ hai Mỗi chi tiết đượcđặc trưng bởi phân lớp, hệ tọa độ xy , góc tạo bởi tiếp tuyến của đường vân tại chi tiết

và trục ngang

Trong các ảnh vân tay, các điểm kết thúc và rẽ hai có thể tráo đổi cho nhau và ở cùng

vị trí, ở ảnh âm bản điểm kết thúc xuất hiện như là điểm rẽ hai và ngược lại

Ở các ảnh vân tay có độ phân giải cao ( trên 1000dpi), chúng ta có thể xác định đượccác lỗ chân lông ( kích thước từ 60m đến 250m) Thông tin của lỗ chân lông ( số

lượng, vị trí, hình dạng ) có sự khác biệt rất cao, nhưng ít kĩ thuật đối sánh sử dụng các

lỗ chân lông bởi vì để xử lý hình ảnh các lỗ chân lông đòi hỏi các ảnh có độ phân giảicao và chất lượng tốt

2.2.Biểu diễn hình ảnh vân tay.

Hầu hết các thuật toán phân loại và nhận dạng vân tay yêu cầu giai đoạn trích chọn đặctrưng để xác định các đặc trưng nổi bật

Hình ảnh vân tay thường được biểu diễn như là một bề mặt hai chiều Kí hiệu I là ảnhvân tay cấp xám với cấp xám g I[x,y] là cấp xám của điểm ảnh [x,y] Kí hiệu z =S(x,y) là bề mặt rời rạc tương ứng với ảnh I: S(x,y) = I[x,y] Bằng cách chọn các điểmảnh màu sáng có cấp xám là 0, và các điểm ảnh có màu tối có cấp xám là g-1, thì cácđường vân ( xuất hiện có màu tối trong I ) tương ứng với bề mặt vân lồi còn khoảngkhông gian giữa các vân lồi ( có màu sáng ) tương ứng là bề mặt vân lõm

Hình 2.1: Bề mặt S của một vùng vân tay

2.3.Ước lượng hướng vân cục bộ

Một đặc tính quan trọng của vân tay là hướng vân cục bộ tại các vị trí trong ảnh vântay Hướng vân cục bộ tại [x,y] là góc xy tạo bởi trục ngang và đường thẳng nối quamột số điểm láng giềng của [x,y] Do các đường vân không được định hướng, xy làgóc vô hướng nằm trong đoạn 0 180 

.Thay vì tính hướng vân cục bộ tại mỗi điểm ảnh, hầu hết các phương pháp trích chọnđặc trưng và xử lý vân tay ước lượng hướng vân cục bộ tại các vị trí rời rạc ( để làm

giảm gánh nặng tính toán và cho phép thực hiện các ước lượng còn lại nhờ phép nộisuy ) Ảnh hướng vân tay, là một ma trận D mà mỗi phần tử mang thông tin về hướngvân cục bộ của các đường vân Mỗi phần tử ij, tương ứng với nốt [i,j] trong lưới ôvuông chứa điểm ảnh [xi, yj ], biểu diễn hướng trung bìnhcủa đường vân trong lân cậncủa [xi, yj ] Người ta thêm vào một giá trị rij liên kết với ij để biểu diễn tính tin cậy( hay toàn vẹn ) của hướng Giá trị của rij là nhỏ ở các vùng bị nhiễu và hư hại, có giátrị lớn ở các vùng có chất lượng tốt.

Hình 2.1:Một ảnh vân hướng vân tay được tính trên một lưới 16x16 Mỗi phần tử làhướng cục bộ của đường vân; chiều dài tương ứng với tính tin cậy

Để tính hướng vân cục bộ, phương pháp đơn giản nhất là tính toán gradient trên ảnhvân tay.Gradient ( xi, yj ) ở điểm [ xi, yj ] của I là một véc tơ hai chiều [ x ( xi, yj ), y

( xi, yj ) ] trong đó thành phần x và y là đạo hàm theo x và y của I tại điểm [ xi,, yj ]tương ứng với hướng x và y Góc pha gradient biểu thị hướng thay đổi mật độ điểmảnh lớn nhất Vì vậy, hướng θij của một góc giả định qua vùng có tâm tại [ xi,, yj ] làtrực giao với góc pha gradient tại [ xi,, yj ]

Ratha, Chen và Jain ( 1995) đã tính hướng vân cục bộ θij bằng cách kết hợp nhiều ướclượng gradient trong một cửa sổ 17x17 có tâm tại [ xi,, yj ]

2.4.Ước lượng tần suất vân cục bộ

Tần suất vân cục bộ ( hay mật độ ) f xy tại điểm [ x, y ] là nghịch đảo của số vân trênmột đơn vị chiều dài dọc theo dọc theo đoạn có tâm tại [ x, y ] và vuông góc vớihướng vân cục bộ θxy Một ảnh tần suất F, tương tự với ảnh hướng D, có thể được xácđịnh nếu tần suất được ước lượng ở các vị trí rời rạc và được sắp xếp vào trong một

ma trận

Tần suất vân cục bộ thay đổi trên các ngón tay khác nhau, và thay đổi trên các vùngkhác nhau của cùng một vân tay Hong, Wan và Jain ( 1998 ) ước lượng tần suất vâncục bộ bằng cách tính trung bình số điểm ảnh giữa hai đỉnh liên tiếp của mức xám dọctheo hướng thông thường với hướng vân cục bộ Cho mục đích này, bề mặt S tươngứng với vân tay được phân chia bằng một cặp đường song song với trục z và vuông

góc với hướng vân cục bộ Tần suất f xy tại điểm [ xi, yj ] được tính như sau:

 Một cửa sổ có hướng 32 x 16 có tâm tại [ xi , yj ] được chọn trong hệ tọa độ vân( nghĩa là quay để căn chỉnh trục y với hướng vân cục bộ )

 chữ kí x ( x-signature ) của mức xám được nhận được bởi tích lũy, cho mỗi cột

x, những mức xám của điểm ảnh tương ứng trong cửa sổ hướng Đây là sắp xếptrung bình để tạo cho mặt nghiêng mức xám mượt hơn và ngăn ngừa các đỉnhvân bị mờ do các đứt gãy của vân

 f ij là nghịch đảo của khoảng cách trung bình giữa hai đỉnh liên tiếp của

x-signature

Phương pháp rất đơn giản và có thể thực hiện nhanh chóng Nhưng, khó khăn củaphương pháp này phát hiện một cách tin tưởng các đỉnh liên tiếp của các mức xámtrong miền không gian của các ảnh vân tay bị nhiễu Trong trường hợp này, các tácgiả đề nghị sử dụng phép nội suy và lọc thông thấp

Jiang ( 2000 ) cũng tính tần suất vân cục bộ nhờ vào x-signatures Dù sao, thay vì đokhoảng cách trong không gian, ông sử dụng kĩ thuật phổ có thứ tự cao gọi là mix-spectrum Các mẫu vân trong một hình ảnh vân tay là các tín hiệu nhiễu tuần hoàn; khichúng chệch hướng với hình sin thuần tuý, năng lượng của chúng được phân phối theotần số và có tính điều hoà Kĩ thuật mix-spectrum tăng cường tần số cơ bản của tínhiệu bằng cách dùng thông tin chứa trong phần điều hoà thứ hai và thứ ba

Trong phương pháp đưa ra bởi Maia và Maltoni ( 1998a ), mẫu vân một cách cục bộđược mô hình như là một bề mặt hình sin, và định lý thay đổi được sử dụng để ước

lượng tần sô không xác định Sự thay đổi V của hàm h trong khoảng [ x1, x2 là tổng

của thay đổi theo chiều dọc trong h :

2 1





Maio và Maltoni ( 1998a ) đề nghị một phương pháp thực hành dựa trên định lý trên.

Sự biến thiên và biên độ trung bình của một mẫu vân hai chiều được ước lượng từphần dẫn xuất đầu tiên và thứ hai và tần suất vân cục bộ được tính từ biểu thức (3) Kovacs-Vajina và Frazzoni ( 2000 ) đã đề nghị thủ tục hai bước: đầu tiên, khoảng cáchvân trung bình được ước lượng cho từng khối ảnh con 64x64 có chất lượng đủ vàthông tin này được lan truyền, theo đẳng thức truyền tin, tới những miền còn lại Haiphương pháp được xem xét trong bước đầu tiên: hình học và quang phổ Với phươngpháp hình học, những điểm trung tâm của vân được tính trên lưới chính quy và nhữngkhoảng cách giữa các vân được đo trên đường thẳng nối qua những điểm này Khônggiống như phương pháp chữ kí –x, các khoảng cách được đo trực tiếp trên ảnh haichiều; vài ước lượng trên cùng một khối ảnh được thực hiện để khắc phục cácnhiễu.Phương pháp thứ hai dựa trên việc tìm kiếm các phổ năng lượng Fourier của mỗikhối con Ở đây, phương pháp thực hiện trên các tín hiệu hai chiều Sự không thay đổitương ứng với các hướng vân cục bộ được nhận được bằng việc tìm kiếm lớn nhấtxung quanh: trong thực tế, tất cả các thành phần có cùng khoảng cách từ bắt đầu thểhiện cùng tần suất

2.5.Tăng cường ảnh:

Hiệu quả sử dụng của các thuật toán trích chọn đặc tính và các kĩ thuật nhận dạng vântay khác phụ thuộc rất lớn vào chất lượng của ảnh vân tay đầu vào Trong trường hợpảnh vân tay, vân lồi và vân lõm thay thế nhau và hướng theo một hướng cố định.Trong những tình huống thế này, các vân có thể dễ dàng được phát hiện và các chi tiết

có thể xác định một cách chính xác trên ảnh Hình 3.23a thể hiện một ví dụ về ảnh vântay chất lượng tốt Nhưng trong thực tế, do điều kiện da ( như khô hay ướt, bị cắt… ),nhiễu cảm biến, ấn vân tay không đúng, và các ngón tay chất lượng thấp, một phầnkhông nhỏ các ảnh vân tay ( khoảng 10% ) là có chất lượng thấp như trong hình 3.23b

và 3.23c

Hình 2.2: a) ảnh vân tay chất lượng tốt, b) vân tay với các nếp đứt, gãy c) Vân tay córất nhiều nhiễu

Trong nhiều trường hợp, một ảnh vân tay chứa nhiều vùng gồm có cả chất lượng tốt,trung bình và xấu Nói chung, có vài dạng mất giá trị liên hệ với các ảnh vân tay:

 các vân không liên tục,có vài nếp đứt

 các vân song song không tách biệt rõ ràng do tồn tại của nhiễu liên kết các vânsong song, khiến chúng tách biệt kém

 bị cắt, có nếp gấp, hay thâm sẹo

Ba dạng bị vân mất giá trị này làm cho việc trích chọn đặc tính cực kì khó khăn.Chúng dẫn tới các vấn đề sau trong việc trích chọn đặc tính:

 Trích chọn các chi tiết sai lệch

 Bỏ qua các chi tiết đúng

 Gây lỗi về hướng và vị trí của chi tiết

Để bảo đảm hiệu quả tốt trong các thuật toán trích chọn chi tiết trên các ảnh vân taychất lượng kém, cần một thuật toán tăng cường để nâng cao sự rõ ràng trong cấu trúcvân

Một chuyên gia vân tay thường có thể nhận dạng chính xác các chi tiết bằng cách sửdụng nhiều manh mối nhìn được như hướng vân tay, tính liên tục của vân, xu hướngvân…Trong lý thuyết, có thể phát triển một thuật toán tăng cường sử dụng các manhmối nhìn được này để cải thiện chất lượng hình ảnh Nói chung, với một ảnh vân taycho trước, các cùng vân tay đã được phân đoạn có thể chia vào ba hạng mục:

 Vùng được định nghĩa tốt: các vân được phân biệt rõ ràng với các vân khác

 Vùng có khả năng phục hồi: các vân bị hư hỏng bởi các đường đứt gãy nhỏ,thâm sẹo… nhưng chúng vẫn có khả năng nhìn được và các vùng xung quanhcung cấp thông tin đủ để khôi phục cấu trúc ban đầu của chúng

 Vùng không thể phục hồi, nơi các vân bị hư hại bởi các nhiễu nghiêm trọng,không có vân nào nhìn thấy được và các vùng xung quanh không cho phépchúng được xây dựng lại

Các vùng chất lượng tốt, có thể phục hồi và không thể phục hồi có thể được nhận dạngqua vài tiêu chuẩn: độ tương phản, tính đầy đủ của hướng, tần suất vân, và các đặc tính

cục bộ khác có thể kết hợp để định nghĩa chỉ số chất lượng Mục đích của một thuật

toán tăng cường là để cải thiện tính rõ ràng của các cấu trúc vân trong các vùng có khả năng khôi phục và đánh dấu các vùng không thể khôi phục vì quá nhiễu cho các

xử lý tiếp theo.

Thông thường,đầu vào của thuật toán tăng cường là một ảnh cấp xám Đầu ra có thể làảnh cấp xám hay một ảnh đen trắng, tùy thuộc vào thuật toán Nhiều kết quả khi sửdụng các phương pháp dàn trải tương phản, thực thi biểu đồ, chuẩn hóa ( Hong, Wan

và Jain, 1998 ) và lọc Winer ( Greenberrg et al, 2000 ) đã thể hiện hiệu quả như làbước xử lý đầu tiên trong một thuật toán tăng cường ảnh vân tay phức tạp hơn

Phương pháp chuẩn hóa sử dụng bởi Hong, Wan, và Jain ( 1998 ) quyết định giá trịcường độ của mỗi điểm ảnh như:

Hình 2.3: Một ví dụ về chuẩn hoá với m0 = 50 và v0 = 200

Hong, Wan và Jain ( 1998 ) đưa ra một phương pháp hiệu quả dựa trên bộ lọc Gabor

Bộ lọc Gabor có các thuộc tính chọn tần suất và chọn hướng và có độ phân giải tùychọn trong cả miền không gian và miền tần số ( Daugman ( 1995 ) và Jain vàFarrokhnia ( 1991 ) ) Như đã trong hình 3.28, một bộ lọc Gabor được định nghĩa bởimột sóng phẳng hình sin ( đại lượng thứ hai của biểu thức (5 ) hẹp lại bởi một Gauss( thành phần đầu của (5) ) Một bộ lọc đối xứng hai chiều Gabor có dạng sau:

2 2

2 2

1( , : , ) exp - os(2 f.x )

os sin-sin(90 ) os(90 )

c

c y

Hình 2.4 :Biểu diễn đồ họa của bộ lọc Gabor xác định bởi tham số

90 , f 1/ 5, x y 3

      

Để áp dụng các bộ lọc Gabor tới một ảnh,cần xác định bốn tham số ( θ, f, σx, σy ) Tầnsuất của bộ lọc hoàn toàn được quyết định bởi tần suất vân cục bộ và hướng của bộ lọcđược quyết định bởi hướng vân cục bộ Việc chọn các giá trị σx và σy có thể hoán đổicho nhau Nếu chọn giá trị lớn thì bộ lọc sẽ chịu nhiễu nhiều hơn, nhưng lại tạo ra sựnhầm lẫn giữa vân lồi và vân lõm Ngược lại nếu chọn giá trị nhỏ, thì các bộ lọc ítnhầm lần giữa vân lồi và vân lõm nhưng sau đó chúng sẽ ít hiệu quả trong việc loại bỏcác nhiễu Trong thực tế, từ hàmModulation Transfer Function ( MFT ) của bộ lọcGabor, có thể nhận thấy tăng σx , σy làm giảm dải thông của bộ lọc và ngược lại Dựatrên dữ liệu kinh nghiệm, Hong, Wan và Jain đặt σx = σy = 4 Để làm nhanh quá trìnhcải thiện, thay vì tính bộ lọc ngữ cảnh thích hợp nhất cho mỗi điểm ảnh “on the fly”,một tập { gij ( x, y )| I = 1…no, j = 1…nf } của các bộ lọc được tạo ra và lưu trữ từtrước, trong đó no là số các hướng rời rạc { θi| I = 1…no } và nf là số các tần suất rờirạc { fj | j = 1…nf } Sau đó mỗi điểm ảnh [x, y] của ảnh được quấn lại, trong miềnkhông gian, với bộ lọc gij ( x, y ), với θi là hướng được rời rạc hóa gần nhất với θxy và fj

là tần số được rời rạc hóa gần nhất với fxy Hình 3.29 thể hiện một ví dụ về tập bộ lọccho n0 = 8 và nf = 3 Hình 3.30 trình bày ứng dụng Gabor dựa trên lọc ngữ cảnh trêncác ảnh chất lượng trung bình và thấp:

Hình 2.5: Một biểu diễn đồ họa trong một nhóm 24 bộ lọc Gabor ( n0=8 và n1=5) với

x y

  =4

Greenberg et al ( 2000 ) đã lưu ý rằng: bằng cách giảm giá trị của σx tương ứng với σy,quá trình lọc tạo ra vài vân sai và dễ bị nhiễu Trong thực hành, giảm σx gây kết quảtăng dải thông tần suất, độc lập với dải thông góc không đổi; điều này cho phép bộ lọc

bỏ qua tốt hơn các lỗi trong ước lượng tần suất cục bộ Một cách tương tự, giảm σy đểtăng dải thông góc như đã chỉ ra bởi Sherlok, Monro, và Millard ( 1994 ) Phươngpháp của họ tăng dải thông góc gần với các vùng đơn mà các vân được đặc tính hóabởi đường cong cao hơn và hướng thay đổi nhanh

Hình 2.6: Các ví dụ của tăng cường ảnh vân tay dựa vào lọc Gabor Ởbên phải các vùng có khả năng khôi phục đã được tăng cường

Đầu ra của một ảnh chuẩn hóa có thể là một ảnh cấp xám, gần ảnh hai cấp, hay là mộtảnh nhị phân, và nói chung phụ thuộc vào các tham số được chọn, khi chọn tập các bộlọc thích hợp, chỉnh sửa các tham số Lưu ý rằng, mục đích không phải là cung cấpmột sự xuất hiện tốt bề ngoài của ảnh nhưng là để làm thuận tiện hơn cho các bướctrích họng đặc tính thành công Nếu các bộ lọc được chỉnh sửa để làm tăng độ tươngphản và khử các nhiễu, ước lược điều kiện cục bộ ( hướng và tần suất ) có thể lỗi trêncác vùng chất lượng thấp, và qúa trình lọc chỉ cung cấp các cấu trúc sai lầm ( Jiang,

2000 ) Ví dụ, một ứng dụng lặp dùng bộ lọc Gabor đã được sử dụng bởi Cappeli,Maio, và Maltoni ( 2000b ) để tạo ra một mẫu vân tay tổng hợp; trong trường hợp này,các bộ lọc sinh ra các mẫu vân hoàn toàn không tồn tại trong thực tế

Nhu cầu của một sự chuẩn hóa hiệu quả rất quan trọng trong các ảnh vân tay chấtlượng thấp, chỉ có các vùng có khả năng khôi phục mang thông tin cần thiết cho đốisánh Nói một cách khác, tính toán thông tin cục bộ với tính tin cậy đầy đủ từ các ảnhvân tay chất lượng thấp là một thách thức và rủi ro cao Để vượt qua vấn đề này,Kamei và Mizoguchi ( 1995 ), Hong ( 1996 ) và Bernard ( 2002 ) đã đề nghị áp dụngtất cả tập bộ lọc cho trước tại mỗi điểm của ảnh Một bộ tuyển áp sau đó được chọn cóđáp ứng tốt nhất trong tất cả các đáp ứng lọc Trong phương pháp của Kamei vàMizoguchi ( 1995 ), quá trình chọn được thực hiện bằng cách giảm thiểu hóa hàmnăng lượng có các tham số yêu cầu hướng và tần suất được làm mượt Dù sao, khôngnhư các phương pháp dựa Gabor khác, thông tin từ phần thực và phần ảo của bộ lọcGabor còn được sử dụng cho chuẩn hóa ảnh cuối cùng Nhưng các phương pháp nàynhân chập một ảnh với một lượng lớn các bộ lọc nên rất đắt, vì vậy không tìm thấyứng dụng này trong các hệ thống trực tuyến trong thực tế

2.6 Phát hiện chi tiết.

Hầu hết các hệ thống tự động so sánh các vân tay dựa trên đối sánh chi tiết; vì vậy việctrích chọn chi tiết đáng tin cậy là một nhiệm vụ cực kì quan trọng, nhiều nghiên cứu đãđược tiến hành theo hướng này Dù các phương pháp khá khác nhau nhưng hầu hếtchúng đều yêu cầu ảnh cấp xám vân tay được chuyển vào ảnh nhị phân Trong cácbước chuẩn hóa đã chuẩn bị một số giai đoạn để làm thuận tiện quá trình nhị phân hóa

về sau.Một vài thuật toán chuẩn hóa cung cấp đầu ra là ảnh nhị phân, vì vậy sự phânbiệt giữa chuẩn hóa và nhị phân hóa đôi khi bị xóa nhòa Ảnh nhị phân nhận được bởiquá trình nhị phân hóa thường được qua giai đoạn làm mảnh làm cho độ dày củađường vân giảm xuống một điểm ảnh ( hình 3.31 ) Cuối cùng qua quá trình quét ảnhcho phép phát hiện các điểm ảnh tương ứng với các chi tiết

Hình 2.7: a)ảnh cấp xám của một vân tay, b) ảnh nhận được khi nhị phân hóa ảnh a),c)ảnh nhận được khi làm mảnh ảnh b).

Vài tác giả đưa ra các phương pháp trích chọn chi tiết làm việc trực tiếp trên các ảnhcấp xám mà không cần nhị phân hóa và làm mảnh Lựa chọn này được đưa ra do cácđiều kiện sau:

 Tập các thông tin quan trọng có thể bị mất trong quá trình nhị phân hóa

 Nhị phân hóa và làm mảnh rất mất thời gian; Làm mảnh có thể đưa ra mộtlượng lớn các chi tiết sai lệch

 nếu thiếu bước chuẩn hóa, hầu hết các kĩ thuật nhị phân hóa không cung cấpcác kết quả tốt khi áp dụng với các ảnh chất lượng thấp

Phương pháp dựa nhị phân hóa

Vấn đề chung của nhị phân hóa được nghiên cứu rộng rãi trong xử lý ảnh và nhậndạng mẫu Phương pháp dễ dàng nhất sử dụng ngưỡng toàn cục t và được thực hiệnbằng cách thiết lập các điểm ảnh có cấp xám nhỏ hơn t về 0 và các điểm ảnh còn lại về

1 Nói chung, các phần khác nhau của ảnh có thể được đặc tính hóa bởi độ tương phản

và cường độ khác nhau, vì vậy một ngưỡng đơn là không đủ để nhị phân hóa chínhxác Vì lí do này, kĩ thuật ngưỡng cục bộ thay đổi t một các cục bộ, bằng cách điềuchỉnh giá trị của nó theo cường độ cục bộ trung bình Trong trường hợp ảnh vân taychất lượng thấp, phương pháp ngưỡng cục bộ không phải lúc nào cũng bảo đảm mộtkết quả chấp nhận được, và các giải pháp đặc biệt là cần thiết

Với mục đích cải thiện chất lượng ảnh nhị phân, vài nhà nghiên cứu giới thiệu các kĩthuật chính quy phủ đầy các lỗ, lọa bỏ các đứt gãy nhỏ, lọa bỏ các cầu giữa các vân.Coetzee và Botha ( 1993 ) xác định các lỗ và kẽ hở bằng cách theo dõi các đường vân

từ các cửa sổ điều hợp và loại bỏ chúng bằng cách sử dụng thuật toán màu-blob Hung( 1993 ) sử dụng kĩ thuật lọc điều hợp để cân bằng độ rộng vân

Một khi ảnh xương đã nhận được, một bước quét ảnh đơn giản cho phép phát hiện cácđiểm ảnh tương ứng với các chi tiết: trong thực tế các điểm ảnh tương ứng với các chitiết được đặc tính hóa bằng số điểm đi qua Số điểm đi qua cn( p ) của một điểm ảnh ptrong ảnh nhị phân được xác định bằng một phần hai tổng các sai khác giữa các cặpđiểm ảnh trong 8 lân cận của p

 là các chi tiết phức tạp hơn ( điểm rẽ nhánh, điểm giao cắt ) nếu cn(p) >=3;

Hình 2.8 thể hiện hai ví dụ của quá trình trích chọn đặc tính từ ảnh nhị phân

Hình: Các ví dụ về phát hiện chi tiết trên xương Các vòng tròn màu trắng và các hộptrắng tương ứng là điểm kết thúc và điểm rẽ hai; Các vòng tròn màu đen và các hộpmàu đen tương ứng là các chi tiết đã được lọc

2.7.Lọc chi tiết

Để phát hiện các chi tiết sai làm ảnh hưởng đến các ảnh vân tay nhị phân được làmmảnh, có thể sử dụng vài luật cấu trúc đơn giản Xiao ( 1991b) xác định hầu hết cáccấu trúc chi tiết sai và đưa ra phương pháp loại bỏ chúng Thuật toán sử dụng dựa trêncác luật, yêu cầu các đặc tính số học liên quan đến các chi tiết: chiều dài các vân liênquan ( s ), góc chi tiết, và số các chi tiết đối diện gần kề trong lân cận

Hình2.9: Các cấu trúc sai cơ bản ( hàng đầu tiên ) và cấu trúc sau khi sửa lỗi ( hàng thứhai )

Farina, Kovacs-Vajina, và Leone ( 1999 ) đã đưa ra vài luật và thuật toán tiền xử lý chitiết

 Các cầu bị loại bỏ khi nhìn nhận chúng trong một điểm chẻ hai sai, chỉ có hainhánh được căn chỉnh, còn nhánh thứ ba thường vuông góc với hai nhánh cònlại

 Các vân quá ngắn được loại bỏ dựa vào khi so sánh chiều dài vân với khoảngcách trung bình giữa các vân