Xây dựng chương trình nhận dạng vân tay

MỤC LỤC MỤC LỤC LỜI MỞ ĐẦU Chương 1: GIỚI THIỆU HỆ THỐNG NHẬN DẠNG VÂN TAY 1.1 Tổng quan 1.2 Giới thiệu ảnh vân tay 1.3 Cơ sở liệu vân tay Chương 2: 10 NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY 10 2.1 Giới thiệu 10 2.2 Nâng cấp ảnh vân tay 13 2.2.1 Các kí hiệu 13 2.2.2 Thuật toán 15 2.2.3 Bình thường hoá ảnh (Normalization) 15 2.2.4 Ảnh định hướng (Orientation Image) 16 2.2.5 Ảnh tần số (Ridge Frequency Image) 18 2.2.6 Mặt nạ vùng (Region Mask) 20 2.2.7 Lọc ảnh (Filtering) 21 Chương 3: 23 TRÍCH RÚT ĐIỂM KÌ DỊ 23 3.1 Giới thiệu 23 3.2 Kĩ thuật bám theo đường vân 25 3.2.1 Xác định vết cắt xác định cực đại 26 3.2.2 Tính hướng tiếp tuyến với đường vân 30 3.2.3 Điều kiện dừng 31 3.3 Dò tìm điểm kì dị 32 Chương 4: 37 KHỚP VÂN TAY DỰA TRÊN BẢN ĐỒ CÁC ĐIỂM KÌ DỊ 37 4.1 Giới thiệu 37 4.2 Kĩ thuật khớp dựa sở tương quan 40 4.3 Kĩ thuật khớp dựa sở điểm kì dị 41 4.4 Kĩ thuật khớp dựa sở đặc trưng đường vân 43 4.5 Phương pháp định vị Hough – transform 43 Chương 5: 46 CHƯƠNG TRÌNH MÔ PHỎNG MỘT SỐ KỸ THUẬT NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY 46 5.1 Lựa chọn ngôn ngữ lập trình 46 5.2 Các thuật toán mô 46 5.2.1 Thuật toán tách ngưỡng 46 5.2.2 Thuật toán làm trơn 47 5.2.3 Thuật toán làm mảnh: 49 KẾT LUẬN 51 TÀI LIỆU THAM KHẢO 52 LỜI MỞ ĐẦU Dấu vân tay công cụ vô giá việc thi hành luật pháp pháp lý suốt kỉ qua Sự thúc đẩy nghiên cứu lĩnh vực nhận dạng vân tay có từ trước năm 1960 Sau không lâu, dấu vân tay có số ứng dụng hệ thống sinh trắc học Nó lên đặc điểm phổ biến tin cậy lĩnh vực nhận dạng người Một số lượng lớn nghiên cứu thực vấn đề tự động khớp vân tay, tiêu điểm thuật toán dựa điểm kì dị Các đặc trưng dựa điểm kì dị chứa đựng hầu hết đặc điểm riêng biệt vân tay nhà vân tay học xem đặc trưng quan trọng dùng hệ thống xác minh vân tay Các thuật toán trích rút điểm kì dị, thuật toán khớp vân tay hiệu suất xác minh vân tay đưa với nhiều vấn đề mở cho phương hướng tiếp cận tương lai Động lực chủ yếu đằng sau tiến công nghệ nhận dạng dấu vân tay áp lực luật pháp nhà nghiên cứu pháp lý Sử dụng dấu vân tay để nhận dạng kẻ bị tình nghi vụ án bước quan trọng điều tra tội phạm Bởi vậy, sở liệu vân tay đồ sộ sưu tập khắp giới Ví dụ: FBI lưu giữ liệu vân tay lớn giới với khoảng 200 triệu dấu vân tay Sự quản trị truy vấn sở liệu lớn phụ thuộc nhiều vào hệ thống tự động, nảy sinh nhu cầu nghiên cứu lĩnh vực Một ứng dụng khác việc nhận dạng dựa dấu vân tay lên gần hệ thống sinh trắc học Hệ thống sinh trắc học hệ thống tự động nhận dạng người dựa đặc điểm sinh lý học hành vi học người Nó có số thuận lợi phương pháp xác minh truyền thống như: xác minh dựa sở biết trước (ví dụ: password) xác minh dựa sở dấu hiệu (ví dụ: key) Một số đặc trưng sinh học người như: mặt, võng mạc mắt giọng nói sử dụng hệ thống sinh trắc học để nhận dạng người với độ xác cao Tuy nhiên, sử dụng dấu vân tay có số lợi Tính độc dấu vân tay xác định đứng vững suốt thời gian dài, xác suất để có hai dấu vân tay giống điều xảy Hơn nữa, so với khuôn mặt giọng nói, dấu vân tay bền tuổi tác dễ dàng làm giả Do yêu cầu liên tục luật pháp quan tâm nhà phát triển hệ thống sinh trắc học, hệ thống tự động nhận dạng vân tay có hiệu suất cao ngày phát triển rộng rãi lĩnh vực nghiên cứu nóng Đưa hai ảnh vân tay làm đầu vào, thuật toán khớp vân tay cố gắng xác định xem có phải chúng chụp từ ngón tay hay không Hầu hết thuật toán dựa sở khớp chi tiết nhỏ, đặc trưng vân tay điểm kì dị Đây vấn đề khó, nhiên triển vọng ứng dụng lĩnh vực tương lai trở nên phổ biến Chính em lựa chọn đề tài: “Tìm hiểu số kỹ thuật nhận dạng vân tay” làm đồ án tốt nghiệp Đồ án chia làm chương:  Chương 1: Giới thiệu hệ thống nhận dạng vân tay  Chương 2: Nâng cao chất lượng ảnh vân tay Chương giới thiệu số kỹ thuật nhằm nâng cao chất lượng ảnh vân tay  Chương 3: Trích rút điểm kì dị Chương cung cấp kỹ thuật nhằm trích rút điểm kì dị từ ảnh vân tay đầu vào sau nâng cấp  Chương 4: Khớp vân tay dựa đồ điểm kì dị Chương giới thiệu cách khớp vân tay dựa đồ điểm kì dị trích rút  Chương 5: Chương trình mô số kỹ thuật nâng cao chất lượng ảnh vân tay Chương 1: GIỚI THIỆU HỆ THỐNG NHẬN DẠNG VÂN TAY 1.1 Tổng quan Một hệ thống sinh trắc học dựa sở dấu vân tay hệ thống nhận dạng mẫu, nhận dạng người cách xác định tính chất xác thực dấu vân tay họ Tùy thuộc vào hoàn cảnh áp dụng, hệ thống sinh trắc học dựa sở dấu vân tay gọi hệ thống xác nhận vân tay (verification system) hệ thống nhận dạng vân tay (identification system)  Hệ thống xác nhận vân tay chứng minh xác đồng người cách lấy dấu vân tay người so sánh với mẫu dấu vân tay họ lưu trữ hệ thống Nó thể phép so sánh với để xác định tính đồng người hay không  Hệ thống nhận dạng vân tay nhận người cách tìm kiếm mẫu sở liệu để khớp Nó thể phép so sánh với nhiều để xác minh nhận dạng người Sơ đồ của hệ thống xác nhận vân tay hệ thống nhận dạng vân tay mô tả hình 1.1 Quan sát ta thấy kết nạp thêm người (user enrollment) công việc thông thường hai hệ thống Module kết nạp chịu trách nhiệm ghi thêm người dùng vào hệ thống sở liệu sinh trắc học (System Database) Trong quy trình kết nạp, dấu vân tay chuyển sang dạng liệu thô Một trình kiểm tra chất lượng liệu thực để đảm bảo mẫu thu được xử lý giai đoạn Để thuận tiện cho việc khớp vân tay, liệu thô xử lý tiếp cách trích rút đặc trưng để vừa nhỏ gọn lại không tính chất điển hình nó, gọi mẫu Công việc xác nhận vân tay chịu trách nhiệm xác nhận cá nhân điểm truy cập Trong trình thực hiện, tên người PIN (Personal Identification Number) đưa vào Máy quét chụp dấu vân tay người nhận dạng chuyển thành dạng liệu số sau trích rút đặc trưng Cuối chuyển đến phận khớp đặc trưng để so sánh với mẫu vân tay người (đã lưu sở liệu, có tên hay PIN nhập) Hình 1.1 Các sơ đồ khối enrollment, verification identification Trong trình xác định vân tay số PIN không cung cấp, hệ thống phải thực so sánh dấu vân tay đầu vào với tất mẫu sở liệu Kết đầu nhận dạng đồng vân tay đầu vào với mẫu người lưu sở liệu không nhận dạng Do phải tính toán nhiều nhận dạng sở liệu lớn, kĩ thuật phân lớp kĩ thuật đánh số vân tay sử dụng để giới hạn số lượng mẫu phải thực khớp với vân tay đầu vào Trong đề tài em tập trung vào nghiên cứu toán xác nhận dấu vân tay, toán chứa đựng hầu hết vấn đề chủ chốt toán nhận dạng vân tay Đã có nhiều nghiên cứu vài thập kỉ qua nhằm tìm lời giải tối ưu cho toán thực tế toán phức tạp, chưa thực có đáp án chuẩn hoàn chỉnh 1.2 Giới thiệu ảnh vân tay Các thông số mô tả ảnh vân tay:  Độ phân giải (Resolution): biểu thị số điểm số pixels inch(dpi) 500dpi độ phân giải nhỏ loại máy quét theo chuẩn FBI sử dụng nhiều mục đích thương mại; 250 tới 300 dpi độ phân giải nhỏ cho phép thuật toán trích rút trích rút điểm kì dị mẫu vân tay cách hiệu  Kích thước vùng máy quét chụp thông số chủ yếu Nếu vùng rộng có nhiều đường vân rãnh vân chụp ảnh vân tay dễ phân biệt Nếu vùng lớn 1×1 inch(theo chuẩn FBI) cho phép thu ảnh vân tay đầy đủ rõ ràng Nếu máy quét có vùng quét nhỏ chụp đầy đủ dấu vân tay, điều dẫn tới việc thu ảnh vân tay có vùng nhỏ trùng chụp hai ảnh khác ngón tay  Số pixels (Number of pixels): số pixels ảnh vân tay dễ dàng tính từ độ phân giải kích thước ảnh (vùng hình chữ nhật máy quét chụp được) Một máy quét hoạt động độ phân giải r dpi vùng có kích thước h  w inch2 có rh  rw pixels  Số bít pixels (Dynamic range or depth): biểu thị số bít mã hoá cường độ mức xám pixel Theo chuẩn FBI, số bít pixel bít - ảnh có 256 mức xám  Độ xác hình học (Geometric accuracy): độ biến dạng hình học lớn hình ảnh thu được, biểu thị tỷ lệ phần trăm theo hai hướng x y  Chất lượng ảnh (Image quality): định nghĩa xác chất lượng ảnh vân tay, khó khăn để phân biệt chất lượng ảnh vân tay trạng thái ngón tay khác Các đường vân nhô thấp (ngón tay người công nhân người già), ngón tay ẩm khô, lấy mẫu vân tay không cách hầu hết máy quét đưa ảnh có chất lượng thấp (hình 1.2) Hình 1.2 Hình ảnh dấu vân tay thu từ máy quét quang: a) Ảnh vân tay chất lượng cao; b) Ảnh từ ngón tay khô; c) Ảnh từ ngón tay ẩm ướt; d) Ảnh vân tay chất lượng 1.3 Cơ sở liệu vân tay Nhận dạng vân tay xác toán nhận dạng mẫu đầy thử thách Nhiều thuật toán mạnh đưa thuật toán mạnh khía cạnh Chính ganh đua thúc đẩy việc cần thiết phải thiết lập nên chuẩn chung, từ tiêu chuẩn cho phép dễ dàng đánh giá hiệu suất thuật toán nhận dạng vân tay dễ dàng nâng cấp thuật toán Hiện có vài sở liệu vân tay chuẩn sử dụng chuẩn chung như: NIST( National Institute of Standards and Technology) FVC( Fingerprints Verification Competition) Bộ sở liệu FVC2000 gồm sở liệu tạo công nghệ sensor khác có 11 thuật toán thử nghiệm chúng Đây sở liệu đáng tin cậy hữu ích cho việc thử nghiệm, đánh giá nâng cấp thuật toán Trong sở liệu FVC2000, dấu vân tay tạo loại sensor khác nhau, thể cho kĩ thuật quét vân tay tiến gần Cụ thể: sở liệu thu thập cách sử dụng loại sensor kích cỡ nhỏ giá thành thấp (như sensor quang sensor điện) Cơ sở liệu thu thập cách sử dụng sensor quang chất lượng cao (có kích cỡ lớn) Cuối sở liệu 4, tạo theo phương pháp nhân tạo Mỗi sở liệu chứa 880 ảnh vân tay thu từ 110 ngón tay khác (có in cho ngón tay) Các ngón tay đánh số từ 101 đến 110 (tập hợp B) dùng cho người tham gia hiệu chỉnh tham số trước đề xuất thuật toán họ; ngón tay có số từ đến 100 dùng làm chuẩn (tập A) Hình 1.3 Bốn sở liệu FVC2000 Hình 1.4 Các ảnh vân tay lấy từ DB1, DB2, DB3 DB4(bốn ảnh thể tương ứng theo kích thước chúng) Trong đề tài em chọn sở liệu FVC tiến hành thử nghiệm sở liệu FVC2000, FVC2002 FVC2004 sở liệu chuẩn, lớn đáng tin cậy đồng thời yêu cầu thực tế chúng không đòi hỏi yêu cầu tài Chương 2: NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY 2.1 Giới thiệu Một bước quan trọng hệ thống tự động khớp vân tay việc tự động xác trích rút điểm kì dị từ ảnh vân tay đầu vào Tuy nhiên hiệu suất thuật toán trích rút điểm kì dị phụ thuộc nhiều vào chất lượng ảnh Vì để hiệu suất hệ thống tự động xác nhận nhận dạng vân tay tốt điều thiết yếu phải kết hợp thuật toán nâng cấp ảnh module trích rút điểm kì dị Chúng ta giới thiệu thuật toán nâng cấp ảnh nhanh, có khả cải thiện rõ nét cấu trúc đường vân rãnh ảnh vân tay dựa sở ước lượng hướng tần số cục đường vân Hai đặc trưng bật đường vân gọi điểm kì dị: - Điểm kết thúc (Ridge ending): điểm mà đường vân kết thúc đột ngột - Điểm rẽ nhánh (Ridge bifurcation): điểm mà đường vân phân nhánh rẽ thành nhánh vân Một ảnh vân tay chất lượng tốt chứa khoảng 40 -100 điểm kì dị Ví dụ điểm kì dị hình 2.1 Một ảnh vân tay lý tưởng ảnh mà đường vân đường rãnh luân phiên chạy theo hướng cục định Trong tình này, điểm kì dị đường vân điểm kết thúc điểm rẽ nhánh dễ dàng tìm thấy Hình 2.1b thể ví dụ ảnh vân tay có chất lượng tốt Cấu trúc đường vân ảnh vân tay có chất lượng thấp không tốt dò tìm xác, điều dẫn đến vấn đề sau:  Một số lượng đáng kể điểm kì dị giả tạo  Tỷ lệ phần trăm lớn điểm kì dị thật bị bỏ qua  Các lỗi định vị (vị trí hướng) đưa vào 10  Sự trùng phần (Partial overlap): dịch chuyển quay ngón tay thường lý khiến cho phần dấu vân tay nằm vùng quét sensor Kết có vùng nhỏ trùng lặp hai ảnh vân tay  Sự biến dạng (Non – linear distortion): lấy mẫu vân tay việc ánh xạ hình dạng chiều ngón tay lên bề mặt chiều sensor Việc dẫn đến biến dạng dấu vân tay thu Thông thường thuật toán khớp vân tay bỏ qua đặc trưng việc ánh xạ coi ảnh vân tay không bị biến dạng cách giả sử ngón tay đặt vị trí, vị trí ngón tay khi: - Tiếp xúc ngón tay vuông góc với bề mặt sensor - Khi chạm ngón tay vào sensor, không kéo xoay ngón tay  Điêu kiện áp lực bề mặt da (pressure and skin condition): cấu trúc đường vân ngón tay chụp xác vùng chứa đường vân tiếp xúc đồng với bề mặt sensor Tuy nhiên, áp lực ngón tay, điều kiện khác ngón tay (như khô hanh, mồ hôi, bẩn,…) dẫn đến tiếp xúc không đồng Kết thu ảnh vân tay bị nhiễu lớn  Nhiễu (Noise): vấn dề hệ thống sensor  Trích rút đặt trưng sai (Feature extraction errors): thuật toán trích rút đặt tính vân tay không thật hoàn hảo thông thường có lỗi Các lỗi tạo trình trích rút (ví dụ: ước lượng trường định hướng cho ảnh, ước lượng tần số đường vân, dò tìm điểm kì dị,…) Các thuật toán nâng cấp ảnh làm cho sai lệch vị trí hướng điểm kì dị Đối với ảnh có chất lượng kém, trình trích rút điểm kì dị đưa số lượng lớn điểm kì dị giả không tìm điểm kì dị thật 38 Hình 4.1 a) Mỗi dòng thể cặp ảnh vân tay ngón tay, lấy từ FVC2002 (DB1),chúng khớp (non – matched ) hầu hết thuật toán đưa cho FVC2002 Lý vùng trùng nhỏ khác bề mặt da dòng thứ hai Hình 4.1 b) Mỗi dòng thể cặp ảnh vân tay từ hai ngón tay khác nhau, lấy từ FVC2002, chúng bị khớp sai (false – matched) số thuật toán đưa cho FVC2002 Có nhiều phương pháp để khớp dấu vân tay Tuy nhiên ta chia thành dạng sau:  Khớp sở tương quan (Correlation - based matching): hai ảnh vân tay chồng lên tương quan pixels tương ứng tính (để tìm độ dịch chuyển góc quay)  Khớp sở điểm kì dị (Minutiae – based matching): kĩ thuật sử dụng rộng rãi phổ biến Các điểm kì dị trích rút từ hai ảnh vân tay lưu lại thành tập hợp điểm mặt phẳng hai chiều Phương pháp thực chất định vị cho khớp hai tập điểm kì dị mẫu điểm kì dị đầu vào  Khớp sở đặc trưng đường vân (Ridge feature – based matching): công việc trích rút điểm kì dị ảnh vân tay chất lượng công việc khó khăn Tuy nhiên, điều ngược lại có 39 số đặc trưng khác đường vân (ví dụ: hướng cục tần số, hình dạng đường vân,…) trích rút dễ dàng Đây phương pháp theo lối so sánh vân tay dựa đặc tính vân tay trích rút 4.2 Kĩ thuật khớp dựa sở tương quan Gọi I(x,y,) ảnh đầu vào I quay góc  quanh gốc (thường điểm ảnh) dịch chuyển x, y điểm ảnh theo hướng x hướng y Theo đó, giống hai ảnh vân tay T I ước lượng sau: S(T, I)  maxCC(T, I (x,y,) ) x,y, Trong đó: CC(T, I) TT I tương quan chéo T I Sự áp dụng trực tiếp công thức cho ta kết tốt số lí sau:  Sự biến dạng không tuyến tính làm cho dấu ngón tay khác đáng kể phạm vi cấu trúc tổng thể Trong trường hợp đặc biệt, biến dạng mềm không làm thay đổi nhiều dấu vân tay, tác động biến dạng lên vùng trống ảnh tổng thể hai dấu vân tay tương quan không xác  Điều kiện bề mặt da áp lực ngón tay nguyên nhân khiến cho dộ sáng, độ tương phản độ dầy của đường vân thay đổi đáng kể Bằng cách sử dụng ước lượng tương quan phức tạp khắc phục độ sáng độ tương phản Áp dụng cách phối hợp bước nâng cấp, nhị phân hoá làm gầy ảnh giới hạn độ dầy đường vân  Việc áp dụng trực tiếp công thức thực tế không hiệu Ví dụ hai ảnh vân tay có kích thước 400  400 điểm ảnh, x, y dịch điểm ảnh bước khoảng [-200,200],  quay độ bước khoảng [-30,30] Thì phải tính 40 401  401  61 tương quan chéo, kết khoảng 1569 tỉ phép tính nhân phép tính cộng Để thực xong phép tính đó, máy tính đến hàng Sự tương quan cục sử dụng để cải thiện hiệu suất 4.3 Kĩ thuật khớp dựa sở điểm kì dị Gọi T I ảnh vân tay mẫu ảnh vân tay đầu vào, không giống phương pháp dựa sở tương quan hai ảnh phải trùng khớp nhau, thể ảnh vân tay vector đặc tính, phần tử điểm kì dị Mỗi điểm kì dị mô tả số thuộc tính, gồm: vị trí ảnh, hướng kiểu (ví dụ: kết thúc rẽ nhánh) Hầu hết thuật toán khớp điểm kì dị phổ biến sử dụng ba cho điểm kì dị m  {x, y,  } x,y toạ độ điểm kì dị  hướng T {m1, m2, ,mm}, mi {xi , yi ,i }, i 1 m I {m1' , m2' , ,mn' }, m'j {x'j , y'j , 'j } j 1 n Trong m n tương ứng số điểm kì dị T I ' Điểm kì dị mj I điểm kì dị mi T coi khớp khoảng cách chúng (sd) nhỏ giá trị ngưỡng r0 khác hướng chúng nhỏ giá trị góc ngưỡng  : sd(m'j , mi )  (x'j  xi )2  ( y'j  yi )2  r0 dd(m'j , mi )  min( 'j i ,360  'j i )  0 (*) (**) Hai giá trị ngưỡng r0  cần thiết để khắc phục số lỗi bỏ qua sử dụng thuật toán trích rút điểm kì dị biến dạng nhỏ vân tay làm cho vị trí điểm kì dị thay đổi Việc định vị cho khớp hai ảnh vân tay bước bắt buộc để có số điểm kì dị khớp lớn Việc định vị cho hai ảnh vân tay yêu cầu độ dịch chuyển (x y) góc quay (  ), phải sử dụng phép biến đổi hình học Gọi map() hàm ánh 41 ' xạ điểm kì dị mj (từ I) thành mi theo phép biến đổi đó, coi độ dịch chuyển [x, y ] góc quay  ngược chiều kim đồng hồ quanh gốc: mapx,y, (m'j  {x'j , y'j , 'j })  m'j' {x'j' , y'j' , 'j } Với: x'j'  cos  ''    y j  sin ' sinx j  x   cos y'j  y   ' Gọi mm() hàm kiểm tra, trả giá trị điểm kì dị mj mi khớp với theo hai đẳng thức (*) (**) Do đó, vấn đề khớp điểm kì dị thể công thức sau: m maximizemm(mapx,y, (mP' (i) ),mi ) x,y, ,P (***) i1 P(i) hàm chưa biết dùng để xác định cặp điểm kì dị T I Mỗi điểm kì dị có cặp với điểm kì dị ảnh vân tay khác cặp a) P(i)=j cặp điểm kì dị b) P(i)= null điểm kì dị mi T điểm kì dị m'j I mi T cặp I ' c) Điểm kì dị mj I, có i  m, P(i)  j cặp T d) i  m, k  m, i  k  P(i )  P(k ) or P(i )  P(k )  null (Điều có nghĩa điểm kì dị I khớp với nhiều điểm kì dị T) ' Chú ý rằng, thông thường P(i)=j nghĩa mj mi khớp với theo (*) (**) Nhưng chúng cặp có khả sau thực chuyển đổi 42 Giải vấn đề khớp điểm kì dị theo (***) vô đơn giản biết trước độ định vị (x, y, ) hàm P Nhưng đây, biến định vị hàm chuyển không biết, để giải vấn đề khó 4.4 Kĩ thuật khớp dựa sở đặc trưng đường vân Có lý khiến cho nhà nghiên cứu kĩ thuật nhận dạng vân tay tìm kiếm kĩ thuật nhận dạng dựa đặc tính khác vân tay (ngoài điểm kì dị) là: (1) Việc trích rút xác điểm kì dị từ ảnh vân tay chất lượng xấu khó; (2) Công việc trích rút điểm kì dị nhiều thời gian; (3) Các đặc tính kết hợp với điểm kì dị để làm tăng độ xác hiệu hệ thống Thông thường sử dụng đặc tính sau: a) Kích thước dấu vân tay hình dạng dấu vân tay b) Số lượng, kiểu vị trí điểm đặc biệt (singularities) c) Mối liên hệ không gian thuộc tính hình học đường vân d) Hình dạng đặc trưng e) Thông tin kết cấu bề cục toàn Theo em, nên chọn phương pháp khớp vân tay dựa sở điểm kì dị lý sau: - Tính điểm kì dị khẳng định phương pháp đảm bảo cho khả nhận dạng xác hẳn so với hai phương pháp khớp dựa sở tương quan khớp dựa sở đặc trưng đường vân - Phương pháp khớp dựa sở đặc trưng đường vân khắc phục số yếu điểm phương pháp khớp dựa sở điểm kì dị, phải kết hợp với phương pháp đem lại hiệu suất tốt - Các toán nhằm giải vấn đề khớp vân tay dựa sở điểm kì dị toán khó, chưa có lời giải tối ưu Những toán vấn đề nóng tiếp tục nghiên cứu 4.5 Phương pháp định vị Hough – transform 43 Như nêu phương pháp khớp dựa sở điểm kì dị, biết trước độ định vị (x, y, ) toán khớp điểm kì dị trở nên vô đơn giản Vấn đề đặt phải tìm (x, y, ) phù hợp để sau sử dụng hàm ánh xạ điểm kì dị để biến đổi chúng Phương pháp định vị Hough – transform dựa sở định vị hàm chuyển, dịch chuyển góc quay gồm tỷ lệ biến dạng Không gian hàm chuyển bao gồm số ( x, y, , s ), biến rời rạc hoá (kí hiệu kí tự +) theo tập giá trị: x {x1 , x2 , ,xa},   {1 ,2 , ,c}, y  {y1 , y2 , ,yb } s  {s1 , s2 , ,sd } Một mảng A (4 chiều) mà số tương ứng với giá trị biến rời rạc khởi tạo thuật toán thể sau: for each mi, i=1 m for each mj’, j=1 n for each   {1 ,2 , ,c} '  if dd( j  ,i )  0 for each s {s1, s2, ,sd} '   x xi   cos  sin x j   ' {    s    sin  cos  y j  y  yi  x  , y   quantization of x, y to nearest bin A[x  , y  ,  , s  ]  A[x  , y  ,  , s  ]  } * * * Cuối cùng, độ định vị tốt ( x , y , (x*,y*,*, s*) arg  , s*) tính sau: max A[x,y,, s]    x ,y , ,s Thuật toán thực cách xét duyệt khả có cặp điểm kì dị ảnh vân tay đầu vào ảnh vân tay mẫu Tất khả 44 định vị nằm giới hạn tập hợp x  , y  ,  , s  tính Nếu khả định vị tìm thấy, giá trị mảng A vị trí có số độ định vị tương ứng cộng thêm Cuối độ định vị tốt tính cách tìm mảng A vị trí có giá trị lớn nhất, độ định vị tương ứng với số A vị trí Tại bước thuật toán, độ dịch chuyển x, y tính giá trị phải lượng tử hoá để đưa giá trị chuẩn tập tương ứng x  , y  45 Chương 5: CHƯƠNG TRÌNH MÔ PHỎNG MỘT SỐ KỸ THUẬT NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY 5.1 Lựa chọn ngôn ngữ lập trình Bài toán nhận dạng vân tay bao gồm nhiều công đoạn phức tạp để xử lý ảnh vân tay đầu vào Việc trích rút điểm kì dị khớp vân tay cách xác thực thách thức không nhỏ người làm công việc lập trình Vì toán mẻ bắt đầu khai thác ứng dụng Do khả hạn chế, em thực số kỹ thuật nhằm nâng cao chất lượng ảnh đầu vào Trong đồ án em chọn ngôn ngữ lập trình Visual C#.NET công cụ mạnh, có khả hỗ trợ đáp ứng tốt yêu cầu toán 5.2 Các thuật toán mô 5.2.1 Thuật toán tách ngưỡng  Mô phỏng: public static void Segmantation(Bitmap bm) { BitmapData bmData = bm.LockBits(new Rectangle(0, 0, bm.Width, bm.Height), ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb); int enter = bmData.Stride - bm.Width * 3; byte* p = (byte*)(bmData.Scan0); int intWidth = bmData.Width; int intHeight = bmData.Height; double A; for (int i = 0; i < intHeight; i++) { 46 for (int j = 0; j < intWidth; j++) { A = (p[0] + p[1] + p[2]) / 3; if (A > 170) { p[0] = p[1] = p[2] = (byte)255; } else { p[0] = p[1] = p[2] = (byte)0; } p += 3; } p += enter; } bm.UnlockBits(bmData); }  Kết thực thi: 5.2.2 Thuật toán làm trơn  Mô phỏng: public static void Smooth(Bitmap bm) { 47 BitmapData bmData = bm.LockBits(new Rectangle(0, 0, bm.Width, bm.Height), ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb); int stride = bmData.Stride; int stride2 = stride * 2; int enter = stride - bm.Width * 3; byte* p = (byte*)(bmData.Scan0); int intWidth = bmData.Width; int intHeight = bmData.Height; int[] w = new int[9]; for (int i = 0; i < bm.Height - 2; i++) { for (int j = 0; j < bm.Width - 2; j++) { w[0] = p[0]; w[1] = p[3]; w[2] = p[6]; w[3] = p[0 + stride]; w[4] = p[3 + stride]; w[5] = p[6 + stride]; w[6] = p[0 + stride2]; w[7] = p[3 + stride2]; w[8] = p[6 + stride2]; p[3 + stride] = (byte)((w[0] + w[1] + w[2] + w[3] + w[4] + w[5] + w[6] + w[7] + w[8]) / 9); w[0] = p[1]; w[1] = p[4]; w[2] = p[7]; w[3] = p[1 + stride]; w[4] = p[4 + stride]; w[5] = p[7 + stride]; w[6] = p[1 + stride2]; w[7] = p[4 + stride2]; w[8] = p[7 + stride2]; p[4 + stride] = (byte)((w[0] + w[1] + w[2] + w[3] + w[4] + w[5] + w[6] + w[7] + p[8]) / 9); w[0] = p[2]; w[1] = p[5]; w[2] = p[8]; w[3] = p[2 + stride]; w[4] = p[5 + stride]; w[5] = p[8 + stride]; w[6] = p[2 + stride2]; w[7] = p[5 + stride2]; w[8] = p[8 + stride2]; p[5 + stride] = (byte)((w[0] + w[1] + w[2] + w[3] + w[4] + w[5] + w[6] + w[7] + w[8]) / 9); 48 p += 3; } p += enter; } bm.UnlockBits(bmData); }  Kết thực thi: 5.2.3 Thuật toán làm mảnh:  Mô phỏng: public static void Sharpen(Bitmap bm) { BitmapData bmData = bm.LockBits(new Rectangle(0, 0, bm.Width, bm.Height), ImageLockMode.ReadWrite, PixelFormat.Format24bppRgb); int stride = bmData.Stride; int enter = stride - bm.Width * 3; byte* p = (byte*)(bmData.Scan0); double R, G, B; for (int i = 0; i 255) { G = 255; } else if (G < 0) { G = 0; } if (B > 255) { B = 255; } else if (B < 0) { B = 0; } p[3 + stride] = (byte)R; p[4 + stride] = (byte)G; p[5 + stride] = (byte)B; p += 3; } p += enter; } bm.UnlockBits(bmData); }  Kết thực thi: 50 KẾT LUẬN Sau trình tìm hiểu thực đồ án em rút số vấn đề sau:  Kết đạt được:  Nắm số đặc điểm hệ thống nhận dạng vân tay  Nắm số kỹ thuật để nâng cao chất lượng ảnh vân tay, trích rút điểm kì dị, khớp vân tay dựa đồ điểm kì dị  Mô số kỹ thuật nhằm cải thiện chất lượng ảnh vân tay  Hướng phát triển:  Xây dựng phần mềm nhận dạng vân tay hoàn chỉnh dựa sở lý thuyết trình bày  Khắc phục loại bỏ nhiều nhiễu  Trích hầu hết tất điểm kì dị vân tay với tốc độ trích rút nhanh, độ sai lệch nhỏ  Cải tiến tốc độ xử lý ảnh đầu vào cải thiện khả nâng cấp với ảnh chất lượng xấu  Tạo khả lọc bỏ số điểm kì dị giả tạo  Nghiên cứu khả khớp điểm kì dị với phương án tối ưu Mặ dù cố gắng để hoàn thành cách tốt đồ án em nhiều thiếu sót hạn chế Em mong nhận bảo, phê bình thẳng thắn thầy cô, bạn bè Em xin chân thành cảm ơn! Thái Nguyên, ngày 01 tháng 06 năm 2009 51 TÀI LIỆU THAM KHẢO [1] Fingerprint Image Enhancement: Algorithm and Performance Evaluation Lin Hong, Student Member, IEEE, Yifei Wan, and Anil Jain, Fellow, IEEE (IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL 20, NO 8, AUGUST 1998) [2] Direct Gray-Scale Minutiae Detection In Fingerprints.Dario Maio, Member, IEEE, and Davide Maltoni (IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL 19, NO 1, JANUARY 1997) [3] Fingerprint verification based on minutiae features: a review Neil Yager - Adnan Amin (Pattern Anal Applic (2004) 7: 94–113) [4] Fingerprint matching by genetic algorithms Xuejun Tan∗, Bir Bhanu Center for Research in Intelligent System, University of California, Riverside, CA 92521, USA.( Received 24 February 2004; accepted September 2005) [5] Handbook of Fingerprint Recognition Davide Maltoni, Dario Maio, Anil K Jain and Salil Prabhakar [6] A Tutorial on Fingerprint Recognition1 Davide Maltoni [7] Fingerprint Image Enhancement and Minutiae Extraction Raymond Thai [8] Aminutia-based partial fingerprint recognition system Tsai-Yang Jea∗,Venu Govindaraju [9] Fingerprint minutiae matching algorithm for real time system Ying Jiea,∗,YuanYi fanga, Zhang Renjiea, Song Qifab [10] Fingerprint matching based on global alignment of multiple reference minutiae En Zhu∗, JianpingYin, Guomin Zhang [11] Fingerprint Matching Using Minutiae Coordinate Systems Farid Benhammadi, Hamid Hentous, Kadda Bey-Beghdad, and Mohamed Aissani 52 [...]... toán nâng cấp ảnh vân tay để làm các cấu trúc đường vân được rõ ràng là một điều thiết yếu Một nhà vân tay học thường có thể nhận dạng chính xác các điểm kì dị bằng các manh mối trực quan khác nhau như là sự định hướng đường vân, đường vân liên tục, chiều hướng đường vân vv… vì các cấu trúc đường vân và rãnh không bị sai lạc hoàn toàn Có thể phát triển thuật toán nâng cấp ảnh vân tay dựa vào các manh... ảnh vân tay là làm rõ ràng các cấu trúc đường vân trong các vùng có thể phục hồi và loại bỏ các vùng không thể phục hồi để thuận tiện trích rút đường vân và các điểm kì dị Một thuật toán nâng cấp ảnh vân tay không nên tạo ra bất kì một cấu trúc đường vân giả nào Vấn đề này rất quan trọng bởi vì cấu trúc đường vân giả có thể làm thay đổi tính riêng biệt của vân tay Các phương pháp nâng cấp ảnh vân tay. .. nhất(trích rút các điểm kì dị trực tiếp từ ảnh vân tay mức xám) 2.2 Nâng cấp ảnh vân tay Thuật toán nâng cấp ảnh vân tay thu nhận một ảnh vân tay đầu vào, áp dụng trực tiếp một số bước trên ảnh đầu vào đó và cuối cùng đưa ra một ảnh đã được nâng cấp Để giới thiệu thuật toán, chúng ta đưa ra một số kí hiệu và định nghĩa như sau: 2.2.1 Các kí hiệu Một ảnh vân tay xám I, được định nghĩa là một ma trận N... suốt quá trình lấy vân tay, đó là yêu cầu áp lực của ngón tay lên bề mặt quang học phải phù hợp Hơn nữa, trong một số trường hợp như: ở tay của những công nhân và tay của người cao tuổi, sự nhô lên của đường vân tay có thể là rất thấp và dấu vân tay có thể không đọc được 23 Hình 3.1 Thể hiện của điểm kì dị a) Chỉ ra một điểm kết thúc; với (x0,y0) là toạ độ của nó;  là góc mà tiếp tuyến của đường vân tại... Các điểm kì dị trên một ảnh vân tay Hình 2.2 Các ảnh vân tay chất lượng rất kém 11 Hình 2.3 Các vùng vân tay a) Vùng chất lượng tốt( Well – defined region) b) Vùng chất lượng kém có thể khôi phục được( Recoverable – corrupted region) c) Vùng chất lượng kém không thể khôi phục được( Unrecoverable – corrupted region) Với các ảnh vân tay chất lượng xấu, các cấu trúc đường vân bị sai lệch hoàn toàn (Hình... trị ngưỡng recoverable  40 thì ảnh bị từ chối Một ảnh được chấp nhận sau đó sẽ chuyển sang quá trình lọc 2.2.7 Lọc ảnh (Filtering) Hình dạng của các đường vân và các rãnh trong các vùng có tần số và định hướng tốt của ảnh vân tay cung cấp các thông tin rất hữu ích để giúp cho việc loại bỏ nhiễu Dạng sóng hình sin của của các đường vân và rãnh thay đổi chậm theo một hướng cục bộ cố định Vì thế, một... đường vân tay (có màu tối trong I) tương ứng với bề mặt đỉnh của các dãy lồi Khoảng trống giữa các đường vân (có màu sáng trong I) tương ứng với bề mặt các rãnh lõm (Hình 3.3) Hình 3.3 Một bề mặt S, tương ứng với thể hiện của một vùng nhỏ của dấu vân tay Theo quan điểm toán học, một đường vân tay được định nghĩa là một tập hợp các điểm là cực đại cục bộ theo một hướng Thuật toán trích rút đường vân cố... đặc biệt xuất hiện, các mức xám dọc theo các đường vân và các rãnh có thể được mô tả dưới dạng sóng hình sin theo hướng của đường vân cục bộ (hình 2.8) Do vậy tần số đường vân cục bộ cũng là một thuộc tính xác định của ảnh vân tay Gọi G là ảnh đã được bình thường hoá và O là ảnh đã được định hướng, các bước phải làm trong việc ước lượng tần số đường vân cục bộ như sau: 1) Chia G thành các khối có kích... các cấu trúc đường vân được rõ ràng trên các ảnh vân tay xấu Thông thường, đối với ảnh vân tay số các vùng quan tâm có thể được chia thành 3 loại sau:  Vùng chất lượng tốt (Well – defined region): là vùng mà các đường vân và rãnh rõ ràng, thuật toán trích rút minutiae có thể hoạt động được  Vùng chất lượng kém có thể phục hồi được (Recoverable corrupted region): là vùng mà đường vân và rãnh bị phá... ứng Để áp dụng bộ lọc Gabor vào ảnh vân tay, có 3 tham số phải được chỉ ra: 1 Tần số của mặt sóng hình sin f 2 Hướng của bộ lọc 3 Độ lệch chuẩn của hình bao Gaussian 22 x và y Chương 3: TRÍCH RÚT ĐIỂM KÌ DỊ 3.1 Giới thiệu Hầu hết các hệ thống đối sánh vân tay đều được dựa trên phương pháp khớp điểm kì dị Các điểm kì dị là các điểm gián đoạn cục bộ trên mẫu vân tay Học viện quốc gia Mĩ đã đưa ra một