Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)

Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG NGUYỄN THANH TÚ NGHIÊN CỨU PHƯƠNG PHÁP NHẬN DẠNG CHỦ THỂ BẰNG DẤU VÂN TAY KHƠNG HỒN CHỈNH LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) THÀNH PHỐ HỒ CHÍ MINH - 2018 HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG NGUYỄN THANH TÚ NGHIÊN CỨU PHƯƠNG PHÁP NHẬN DẠNG CHỦ THỂ BẰNG DẤU VÂN TAY KHƠNG HỒN CHỈNH CHUN NGÀNH: KỸ THUẬT VIỄN THƠNG MÃ SỐ: 8520208 LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) NGƯỜI HƯỚNG DẪN KHOA HỌC: TS CHUNG TẤN LÂM THÀNH PHỐ HỒ CHÍ MINH - 2018 THÀNH PHỐ HỒ CHÍ MINH – NĂM 2018 i LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu luận văn trung thực chưa cơng bố cơng trình khác TP Hồ Chí Minh,ngày 10 tháng năm 2018 Học viên thực luận văn Nguyễn Thanh Tú ii LỜI CẢM ƠN Lời đầu tiên, cho phép gửi lời cảm ơn chân thành đến Thầy, Cô giáo thuộc Học viện Cơng nghệ Bưu Viễn thơng đơn vị khác tận tình giảng dạy, truyền đạt kiến thức quý báu cho thời gian học tập Học viện Xin chân thành cảm ơn thầy giáo hướng dẫn khoa học TS Chung Tấn Lâm – Trưởng Bộ môn Điều khiển tự động - Khoa Kỹ thuật điện tử 2, Học viện Cơng nghệ Bưu Viễn thông sở TP HCM dành nhiều thời gian hướng dẫn, giúp đỡ tơi q trình nghiên cứu thực luận văn Những lời động viên, góp ý TS Chung Tấn Lâm giúp tơi có nhiều ý tưởng để hồn thiện luận văn Cuối cùng, Tôi xin chân thành cảm ơn gia đình, lãnh đạo quan bạn đồng nghiệp động viên, tạo điều kiện dành cho tơi góp ý chân thành để tơi hồn thành khóa học luận văn Tác giả luận văn Nguyễn Thanh Tú iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN .ii MỤC LỤC iii CÁC CHỮ VIẾT TẮT v DANH MỤC CÁC BẢNG vi DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ vii MỞ ĐẦU Chương - TỔNG QUAN VỀ NHẬN DẠNG DẤU VÂN TAY 1.1 Tổng quan sinh trắc học 1.1.1 Giới thiệu 1.1.2 Phân loại 1.2 Sinh trắc học vân tay 1.3 Vân tay nhận dạng vân tay 1.3.1 Vân tay đặc trưng vân tay 1.3.2 Nhận dạng dấu vân tay 1.4 Kết luận chương 10 Chương - PHƯƠNG PHÁP NHẬN DẠNG CHỦ THỂ BẰNG DẤU VÂN TAY KHƠNG HỒN CHỈNH 11 2.1 Ảnh số - xử lý ảnh nhận dạng 11 2.1.1 Ảnh số 11 2.1.2 Xử lý ảnh để nhận dạng 12 2.2 Phương pháp nhận dạng chủ thể dấu vân tay 19 2.2.1 Tiền xử lý 19 2.2.2 Trích chọn đặc trưng 20 2.2.3 So khớp nhận dạng chủ thể 22 2.3 Phương pháp nhận dạng dấu vân tay khơng hồn chỉnh 25 iv 2.3.1 Dấu vân tay khơng hồn chỉnh 25 2.3.2 Hệ thống nhận dạng vân tay không hoàn chỉnh 26 2.3.3 Các thuật toán nâng cao chất lượng ảnh vân tay 28 2.3.4 Các tham số so sánh 49 2.4 Kết luận chương 50 Chương - CHƯƠNG TRÌNH MƠ PHỎNG 51 3.1 Công cụ mô sở liệu 51 3.2 Mơ hình mơ chức chương trình mơ 51 3.3 Giao diện chương trình bước thực mô 53 3.3.1 Giao diện chương trình mơ 53 3.3.2 Các bước thực mô 55 3.4 Kết mô – đánh giá 56 3.4.1 Khả chống nhiễu 56 3.4.2 Tính xác thực (so sánh 1:1) 57 3.4.3 Khả nhận dạng (so sánh 1:N) 59 3.4.4 Nhận dạng vân tay chất lượng thấp (vân tay khiếm khuyết) 60 3.4.5 Nhận dạng vân tay trường 63 3.4.6 Tính sẵn sàng – thời gian thực 65 3.5 Kết luận chương 66 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 67 DANH MỤC TÀI LIỆU THAM KHẢO 68 PHỤ LỤC HÌNH ẢNH VÂN TAY KHIẾM KHUYẾT SỬ DỤNG TRONG LUẬN VĂN 71 PHỤ LỤC BIỂU ĐỒ FAR & FRR CỦA CÁC TẬP DỮ LIỆU VÂN TAY 72 PHỤ LỤC MỘT SỐ ẢNH VÂN TAY HIỆN TRƯỜNG ĐƯỢC SỬ DỤNG TRONG LUẬN VĂN 73 v DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT VIẾT TẮT THUẬT NGỮ TIẾNG VIỆT AFIS Automated Fingerprint Identification System Hệ thống nhận dạng vân tay tự động AFR Automated Fingerprint Recognition Nhận dạng vân tay tự động Cơ sở liệu CSDL CN Crossing Number Số giao DB Database Cơ sở liệu DD Direction Degree Góc hướng DFT Discrete Fourier Transform Biến đổi Fourier rời rạc FAR False Acceptance Rate Tỉ lệ chấp nhận sai FRR False Rejection Rate Tỉ lệ từ chối sai FVC Fingerprint Verification Competition Cuộc thi xác thực dấu vân tay HD Hamming Distance Khoảng cách Hamming ID Identification Mã nhận dạng IDFT Inverse Discrete Fourier Transform Biến đổi Fourier rời rạc ngược LRO Local Ridge Orient Định hướng đường vân cục MTF Modulation Transform Function Hàm chuyển điều chế STFT Short Time Fourier Transform Biến đổi Fourier thời gian ngắn vi DANH SÁCH BẢNG Bảng 3.1 Đánh giá kết thuật toán nâng cao qua tham số SM 56 Bảng 3.2 Số điểm tương đồng (SM) so khớp 1:1 thuật toán .58 Bảng 3.3 Các kết nhận dạng vân tay khiếm khuyết với ID nhận dạng (hàng trên) điểm số tương đồng SM (hàng dưới) 62 Bảng 3.4 Các kết nhận dạng vân tay trường với ID nhận dạng (hàng trên) điểm số tương đồng SM tương ứng (hàng dưới) 64 Bảng 3.5 Thời gian thực thuật toán với tập liệu khác 65 vii DANH SÁCH CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1 Phân loại sinh trắc học Hình 1.2 Mẫu vân tay dùng quản lý công dân Hình 1.3 Vân tay đặc trưng vân tay Hình 1.4 Minh họa điểm đặc trưng chi tiết Hình 1.5 Một số dạng vân tay đặc biệt .8 Hình 1.6 Sơ đồ khối tổng quát hệ thống nhận dạng vân tay tự động Hình 2.1 Dữ liệu ảnh xám 4.tif với kích thước ảnh 12 Hình 2.2 Chuyển đổi ảnh màu, ảnh xám ảnh nhị phân 13 Hình 2.3 Ví dụ độ tương phản ảnh .17 Hình 2.4 Cân Histogram ảnh xám 18 Hình 2.5 Hệ thống nhận dạng vân tay 19 Hình 2.6 Ảnh gốc đầu vào ảnh nhị phân sau bước tiền xử lý 19 Hình 2.7 Các trường hợp (a) đường vân thông thường, (b) kết thúc đường vân (c) điểm phân nhánh xét thep giá trị CN .21 Hình 2.8 Loại bỏ đặc trưng sai, (a) đặc trưng sai (b) sau loại bỏ 21 Hình 2.9 Kết công đoạn lấy đặc trưng .22 Hình 2.10 Quá trình so khớp đặc trưng chi tiết 25 Hình 2.11 Một số ảnh vân tay khơng hồn chỉnh .26 Hình 2.12 Mơ hình nhận dạng dấu vân tay khiếm khuyết 27 Hình 2.13 Thuật tốn tăng cường ảnh Gabor – Ling Hong 29 Hình 2.14 Ảnh vân tay trước sau chuẩn hóa 30 Hình 2.15 Hướng điểm kết thúc đường vân điểm rẽ nhánh 31 viii Hình 2.16 Ước lượng định hướng ảnh chuẩn hóa 34 Hình 2.17 Cửa sổ hướng dùng để tính x-signature 34 Hình 2.18 Vùng mặt nạ có đường vân 38 Hình 2.19 Ảnh vân tay trước sau tăng cường với Gabor .40 Hình 2.20 Lưu đồ thuật toán STFT 41 Hình 2.21 Tham số cửa sổ chồng chéo q trình phân tích STFT 42 Hình 2.22 Kết thuật toán tăng cường STFT so sánh với Gabor 46 Hình 2.23 Thuật tốn tăng cường ảnh vân tay đề xuất .46 Hình 2.24 So sánh trường định hướng phương pháp tăng cường 48 Hình 2.25 So sánh kết quà phương pháp tăng cường 48 Hình 2.26 Biểu đồ quan hệ FAR FRR 50 Hình 3.1 Sơ đồ chức chương trình .52 Hình 3.2 Giao diện chương trình mơ 1:1 .53 Hình 3.3 Giao diện chương trình mơ 1:N 54 Hình 3.4 Các bước thực mơ nâng cao đăng ký 55 Hình 3.5 Các bước thực mơ nhận dạng 55 Hình 3.6 Ảnh gốc ảnh sau tác động nhiễu .56 Hình 3.7 Kết thực ba thuật toán với ảnh nhiễu 57 Hình 3.8 Biểu đồ quan hệ FRR & FAR ứng với ngưỡng SM FVC2002 – DB1B 60 Hình 3.9 Nhận dạng vân tay khiếm khuyết 109_8 DB2B 61 Hình 3.10 Kết nhận dạng vân tay trường 23.png .64 59 SM ảnh hưởng đến giá trị FRR qua biểu đồ phân tích phần sau Khả nhận dạng (so sánh 1:N) Trong trình điều tra tội phạm, tìm kiếm chủ thể,… ảnh vân tay đầu vào thường không đầy đủ nhiễu, khiếm khuyết phần thu nhận từ trường vụ án nên trước thực công đoạn nhận dạng phải qua bước tăng cường chất lượng ảnh Các hệ thống nhận dạng (so sánh 1:N) thường hoạt động theo cách so khớp mẫu lựa chọn mẫu có độ trùng khớp cao so độ trùng khớp với ngưỡng đặt trước Chủ thể nhận dạng điểm tương đồng vân tay nhận dạng vân tay mẫu ≥ ngưỡng Việc đặt ngưỡng xem xét dựa vào thống kê chọn quanh giá trị cân trình bày phần 2.3.4.3 Trong luận văn để mơ tả q trình tìm kiếm chủ thể, tác giả thực so khớp mẫu vân tay cần nhận dạng tập CSDL sau đưa mẫu vân tay gần giống với mẫu cần nhận dạng Việc đánh giá tham số FAR (tỉ lệ chấp nhận lỗi) xem xét với mẫu gần rút nhận xét Hình 3.3 phía trình bày giao diện kết trình nhận dạng vân tay (1:N) với thuật toán tăng cường đề xuất, kết dấu vân tay nhận (có điểm tương đồng cao nhất) đến từ ngón tay (109) Đề tìm ngưỡng SM đánh giá thuật toán qua tham số FAR, tác giả thực so khớp mẫu vân tay tập liệu với mẫu vân tay khác loại, sau ghi nhận kết vẽ biểu đồ FAR Hình 3.8 sau cho thấy quan hệ FRR FAR ứng với ngưỡng SM tập liệu FVC2002 – DB1B Qua ta thấy lựa chọn để giảm tối thiểu FRR FAR, ngưỡng SM chọn điểm giao FAR FRR Trong trường hợp này, thuật tốn đề xuất cho sai số so với hai thuật tốn lại điểm giao (màu đỏ biểu đồ) thấp hai điểm lại Điều có nghĩa với liệu đầu vào vân tay đầy đủ, thuật toán đề xuất cho tỉ lệ sai số nhận dạng thấp (nhưng khơng 60 nhiều) hai thuật tốn liên quan [5] [6] Một số kết với tập liệu khác thể biểu đồ phụ lục Hình 3.8: Biểu đồ quan hệ FRR & FAR ứng với ngưỡng SM FVC2002 – DB1B Nhận dạng vân tay chất lượng thấp (vân tay khiếm khuyết) Như phần 2.3.1 trình bày vân tay khiếm khuyết, phần tác giả thực nhận dạng dấu vân tay có chất lượng thấp mực in, chất lượng máy quét, Các mẫu vân tay chất lượng thấp phụ lục lựa chọn từ liệu FVC2004 [23] sau đưa vào hệ thống nhận dạng 1:N Kết thể hình 3.9 với mẫu vân tay khiếm khuyết 109_8 tập liệu FVC2004 DB2B Qua ta nhận thấy thuật tốn đề xuất có khả nhận dạng mẫu vân tay khiếm khuyết (chất lượng kém) tốt với mẫu gần đến ngón tay (hình 3.9) Hai thuật tốn lại (Gabor STFT) cho kết nhận dạng sai với mẫu gần 61 Hình 3.9 :Nhận dạng vân tay khiếm khuyết 109_8 DB2B Các kết khác mẫu vân tay khiếm khuyết thể bảng 3.3 với điểm số tương đồng ID nhận dạng Theo ta thấy, thuật tốn đề xuất khơng làm cho tham số SM tăng lên phân biệt rõ vân tay loại khác loại, điều cần thiết trình nhận dạng vân tay khiếm khuyết đồng thời giảm tỉ lệ chấp nhận sai (FAR) hệ thống khác 62 Bảng 3.3 :Các kết nhận dạng vân tay khiếm khuyết với ID nhận dạng (hàng trên) điểm số tương đồng SM (hàng dưới) Ảnh nhận dạng DB2B 102-8 DB2B 104_8 DB2B 105_8 DB2B 108_8 DB2B 109_8 DB3B 101_8 DB3B 103_8 DB4B 101_1 DB4B 101_8 DB4B 104_5 DB4B 106_2 DB4B 109_4 DB4B 109_6 DB4B 110_2 Gabor STFT Đề xuất ID1 ID2 ID3 ID1 ID2 ID3 ID1 ID2 ID3 102_6 102_3 102_2 102_3 102_7 102_2 102_2 102_6 102_3 0.652 0.638 0.468 0.589 0.477 0.452 0.626 0.621 0.608 103_3 104_6 104_7 104_2 104_7 104_3 104_3 104_7 104_2 0.542 0.541 0.484 0.621 0.616 0.508 0.673 0.593 0.554 105_3 105_4 105_6 105_3 105_5 105_7 105_3 105_5 105_1 0.577 0.541 0.529 0.611 0.541 0.470 0.741 0.673 0.614 104_4 107_4 105_4 109_1 109_8 107_1 110_1 108_1 102_1 0.418 0.409 0.408 0.582 0.574 0.476 0.394 0.359 0.328 105_8 105_5 108_1 108_8 105_4 108_1 109_1 109_5 109_7 0.572 0.536 0.534 0.545 0.512 0.504 0.569 0.533 0.456 106_7 101_7 104_4 101_3 106_7 105_1 101_7 101_6 104_7 0.512 0.497 0.458 0.756 0.725 0.723 0.557 0.532 0.489 102_3 102_7 102_4 105_4 103_6 104_3 103_2 103_1 105_3 0.584 0.584 0.576 0.665 0.649 0.647 0.564 0.532 0.519 102_5 109_5 110_2 110_8 101_6 110_2 102_6 101_6 102_5 0.6902 0.677 0.671 0.709 0.703 0.694 0.639 0.610 0.570 103_6 101_6 101_5 101_5 101_7 106_2 101_7 101_5 101_2 0.346 0.610 0.607 0.677 0.644 0.561 0.591 0.583 0.487 106_2 104_2 110_8 106_2 106_4 110_6 104_7 104_3 104_6 0.579 0.525 0.500 0.612 0.583 0.541 0.653 0.576 0.558 101_6 105_8 106_7 101_3 106_7 101_6 101_3 106_5 106_7 0.616 0.601 0.598 0.675 0.591 0.564 0.585 0.525 0.525 109_5 109_1 109_3 109_5 109_1 106_4 109_5 109_1 109_7 0.688 0.622 0.509 0.652 0.647 0.465 0.716 0.660 0.564 109_3 102_2 109_2 109_3 104_2 102_4 109_3 109_2 109_4 0.511 0.496 0.476 0.574 0.475 0.461 0.691 0.464 0.464 105_7 103_1 105_5 110_6 102_6 101_3 110_6 110_7 106_5 0.581 0.577 0.575 0.653 0.524 0.482 0.772 0.528 0.467 Bảng 3.3 cho thấy số lần nhận dạng xác (in đậm) ảnh đầu vào vân tay chất lượng thấp, theo thuật tốn đề xuất có số lần nhận dạng vượt trội hai thuật toán lại Từ kết luận thuật toán đề xuất cho khả nhận dạng tốt thuật toán Gabor STFT vân tay đầu vào chất lượng thấp (vân tay khiếm khuyết) 63 Nhận dạng vân tay trường Như trình bày phần 2.3.1, vân tay trường mẫu vân tay lưu lại từ trường vụ án vật thể Quá trình lấy dấu vân tay phải qua nhiều cơng đoạn hình ảnh thu tồn nhiều nhiễu từ trường hay vật chứa vân tay,… Trong phần tác giả thực đánh giá khả nhận dạng vân tay trường thuật toán với tập CSDL [24] [25] 64 Hình 3.10: Kết nhận dạng vân tay trường 23.png Để mô tả trình nhận dạng vân tay trường, tác giả thực nâng cao chất lượng đầu vào so sánh 1:N với tập liệu trường (phụ lục 3), kết thể hình 3.10 với mẫu vân tay đầu vào 23.png tập liệu [24], theo ta thấy thuật tốn đề xuất cho kết nhận dạng xác với mẫu gần (ID1) mẫu ngón tay, thuật tốn Gabor hồn tồn cho kết sai thuật toán STFT cho kết sai lần nhận dạng (ID1) Các mẫu vân tay trường khác lấy từ 999 mẫu tập liệu [24] đưa qua hệ thống nhận dạng, kết nhận dạng thể bảng 3.4, theo ta kết luận thuật tốn đề xuất cho khả nhận dạng vân tay trường cao hai thuật tốn [5] [6] (có số lần nhận dạng nhiều hơn) Bảng 3.4: Các kết nhận dạng vân tay trường với ID nhận dạng (hàng trên) điểm số tương đồng SM tương ứng (hàng dưới) Ảnh nhận dạng Latent 23.png Latent 97.png Latent 113.png Latent 128.png Latent 383.png Latent 420.png Latent 464.png Gabor ID1 ID2 ID3 460 809 295 0.670 0.634 0.625 97 926 930 0.722 0.668 0.659 234 903 459 0.602 0.582 0.566 51 866 972 0.754 0.748 0.735 437 337 0.560 0.555 0.549 757 295 452 0.718 0.701 0.695 281 806 493 0.555 0.544 0.538 ID1 667 0.675 97 0.742 138 0.663 459 0.713 564 0.515 557 0.743 588 0.590 STFT ID2 23 0.633 757 0.703 61 0.623 990 0.682 657 0.489 314 0.677 464 0.574 ID3 347 633 541 0.658 508 0.622 17 0.659 353 0.480 340 0.660 229 0.569 Đề xuất ID1 ID2 ID3 23 729 845 0.667 0.604 0.604 97 757 189 0.786 0.657 0.650 242 856 113 0.636 0.629 0.605 110 298 615 0.683 0.674 0.667 762 383 588 0.673 0.638 0.638 420 313 603 0.766 0.706 0.694 464 535 323 0.558 0.536 0.521 65 Tính sẵn sàng – thời gian thực Tính sẵn sàng (Availability) đảm bảo trình thực nhận dạng khoảng thời gian nhanh Để đánh giá cách tổng quát thời gian thực thuật tốn, tác giả thực cơng đoạn: tăng cường, lấy đặc trưng, nhận dạng,… mẫu vân tay khác từ tập liệu khác sau ghi nhận thời gian trung bình thực công đoạn Bảng 3.5 sau cho thấy kết thời gian thực thí nghiệm Qua nhận thấy thời gian thực công đoạn nâng cao thuật toán đề xuất cao so với hai thuật tốn lại (do có nhiều phép biến đổi hơn), giai đoạn trích chọn đặc trưng so khớp, thuật toán đề xuất lại thực nhanh hai thuật tốn lại hình ảnh khử nhiễu số đặc trưng thu (đã loại bỏ nhiều đặc trưng sai nhiễu) Tổng thời gian thực thuật toán đề xuất thấp thuật toán STFT cao thuật toán Gabor giai đoạn so khớp nhận dạng (online) thời gian thực thuật toán đề xuất thấp hai thuật toán lại nên kết luận thuật tốn đề xuất có tính sẵn sàng cao hai thuật toán Gabor [5] STFT [6] Bảng 3.5 :Thời gian thực thuật toán với tập liệu khác FVC 2002 Cơng đoạn thực Thuật tốn Gabor Nâng cao & STFT nhị phân Đề xuất Làm mãnh Gabor & phân STFT vùng Đề xuất Trích chọn Gabor đặc trưng STFT FVC 2004 Latent DB1 DB2 DB3 DB4 DB1 DB2 DB3 DB4 0.98 4.27 4.38 0.29 0.28 0.27 0.92 0.69 1.46 5.33 5.41 0.21 0.20 0.17 0.75 1.34 0.74 2.79 2.81 0.14 0.15 0.13 1.01 0.98 0.79 3.35 3.41 0.15 0.15 0.14 0.68 0.57 1.38 8.35 8.50 0.57 0.53 0.53 0.80 1.07 0.89 3.66 3.69 0.21 0.23 0.20 0.55 0.61 0.88 4.19 4.25 0.21 0.22 0.20 0.92 1.30 0.72 3.31 3.35 0.24 0.26 0.25 1.17 1.68 [24] 0.86 3.41 3.47 0.19 0.20 0.19 1.25 1.54 66 Đề Xuất Gabor STFT nhận dạng Đề xuất Gabor Tổng cộng STFT Đề xuất 0.32 0.48 0.35 0.18 2.67 5.59 5.15 1.20 6.54 36.9 5.43 8.96 43.77 12.21 0.94 1.11 1.05 0.37 3.00 4.97 4.25 0.49 1.29 1.26 0.76 2.91 5.33 4.8 1.44 4.27 4.67 1.52 7.02 14.62 11.99 0.44 1.96 8.12 1.05 3.61 12.62 5.38 1.41 11.25 45.83 7.92 13.26 51.54 13.81 0.94 25.42 21.04 8.33 27.55 26.29 12.87 0.82 10.99 9.68 6.88 13.29 14.83 11.36 Kết luận chương Chương thực mơ hình hóa mơ hệ thống nhận dạng vân tay vân tay khiếm khuyết với chi tiết bước thực mô Sau cùng, tác giả đưa kết mơ cụ thể với phân tích, đánh giá thơng qua tiêu chí: khả chống nhiễu, đối sánh 1:1, đối sánh 1:N, nhận dạng vân tay khiếm khuyết, vân tay trường tính sẵn sàng phương pháp Các kết thực nghiệm chứng minh thuật tốn đề xuất có khả khơi phục tốt ảnh vân tay khiếm khuyết, từ cho kết nhận dạng tốt hai thuật toán [5] [6] Tác giả thực nghiệm nhiều sở liệu tiếng nhằm cho kết khách quan để đảm bảo tính trung thực luận văn 67 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Với kiến thức quý giá lĩnh hội từ Thầy, Cơ q trình học tập thực luận văn, với định hướng góp ý tận tình Thầy hướng dẫn, tác giả hoàn thành luận văn tiến độ yêu cầu đặt Cụ thể vấn đề đạt đóng góp luận văn bao gồm:  Kiến thức tổng quan sinh trắc học sinh trắc vân tay  Nghiên cứu hệ thống nhận dạng vân tay đầy đủ vân tay khiếm khuyết  Thuật toán tăng cường ảnh vân tay Gabor – Ling Hong  Thuật toán tăng cường ảnh vân tay STFT  Đề xuất thuật toán tăng cường kết hợp phương pháp lọc thuật toán STFT  Xây dựng chương trình mơ thuật tốn liên quan với giao diện GUI Chương trình thực nhiều cơng đoạn việc phân tích ảnh vân tay, đăng ký cho mẫu vân tay mới, tạo tập sở liệu mới, nhận dạng 1:1 1:N  Các thuật toán thực nhiều sở liệu tiếng FVC2002, FVC2004, NIST,…  Đưa kết để so sánh đánh giá thuật toán  Tác giả tin rằng, luận văn đóng góp phần kiến thức cho lĩnh vực an tồn thơng tin sinh trắc học nước ta  Đề xuất hướng nghiên cứu tiếp theo:  Nghiên cứu thuật tốn để nâng cao hình ảnh vân tay chất lượng qua việc chia nhỏ vùng có vân tay để áp dụng lọc phù hợp  Nghiên cứu phương pháp so khớp dựa vùng nhỏ ảnh vân tay 68  Cải thiện tốc độ thực hệ thống nhận dạng vân tay để áp dụng cho sở liệu lớn DANH MỤC TÀI LIỆU THAM KHẢO [1] Nguyễn Thị Hương Thủy, “Một số giải pháp nâng cao hiệu hệ thống nhận dạng vân tay”, Luận án Tiến sĩ Đại học Công Nghệ, Đại học Quốc gia Hà Nội, 2013 [2] Nguyễn Tá Đại Phước, “Nghiên cứu phương pháp nhận dạng đa sinh trắc vân tay mống mắt”, Luận văn Thạc sĩ, Học viện Cơng nghê Bưu Viễn Thơng sở Tp HCM, 2015 [3] B.G.Sherlock, D.M.Monro and K.Millard (1994), “Fingerprint enhancement by directional Fourier filtering”, IEE Proc.-Vis Image Signal Process, (Vol 141, No 2), pp 87-94 [4] Prashant Jain, Dr Shailja Shukla and Dr S S Thakur (2014), “User Authentication Using Multimodel Finger-Print Recognition”, International Journal of Computer Science and Information Technologies, (Vol 5, No 2), pp 74-84 [5] Lin Hong (1998), “Fingerprint Image Enhancement: Algorithm and Performance Evaluation”, IEEE Transactions on Pattern Analysis and Machine Intelligence, (Volume 20, No 8), pp 777-789 [6] Sharat Chikkerur, Venu Govindaraju, and Alexander N Cartwright, “Fingerprint Enhancement Using STFT Analysis”, Volume 40, Issue 1, January 2007, Pattern Recognition 40 (2007), pp 198–211 Doi: 10.1016/j.patcog.2006.05.036 [7] Paul Kwan, Joshua Abraham and Junbin Gao (2010), Fingerprint Matching using A Hybrid Shape and Orientation Descriptor, Ph.D Thesis in Charles Sturt University of Australia [8] Priti Sehgal, Punam Bedi and Roli Bansal (2011), “Minutiae Extraction from Fingerprint Images”, International Journal of Computer Science Issuses, (Vol 8, No 3), pp 74-84 [9] Raymond Thai (2003), Fingerprint Image Enhencement and Minutiae Extraction, Ph.D Thesis in the Honours Programme of the School of 69 Computer Science and Software Engineering, The University of Western Australia [10] https://vi.wikipedia.org/wiki/Sinh_tr%E1%BA%AFc_h%E1%BB%8Dc Truy cập ngày 9/3/2018 [11] https://www.tinhocsoctrang.com/2015/12/tong-quan-ve-sinh-trac-hoc.html Truy cập ngày 10/3/2018 [12] Asif Iqbal Khan and Mohd Arif Wani (2014), “Strategy to Extract Reliable Minutia Points for Fingerprint Recognition”, in IEEE International Advance Computing Conference (IACC), pp 1071-1075 [13] Phạm Hồng Liên, Đặng Ngọc Khoa, Trần Thanh Phương, “Matlab ứng dụng viễn thông”, Đại học Quốc Gia TP HCM 2006 [14] Ching Y.Suen, Louisa Lam and Seong-Whan Lee (1992), “Thinning Methodologies – A Comprehensive Survey”, IEEE Transactions on Pattern Analysis and Machine Intelligence, (Vol 77, No 11), pp 869-885 [15] Feng Zhao and Xiaoou Tang (2007), “Preprocessing and postprocessing for skeleton-based fingerprint minutiae extraction”, The Journal of the Pattern Recognition Society, (Vol 40), pp 1270-1281 [16] Priti Sehgal, Punam Bedi and Roli Bansal (2011), “Minutiae Extraction from Fingerprint Images”, International Journal of Computer Science Issuses, (Vol 8, No 3), pp 74-84 [17] N Otsu, A threshold selection method from gray level histograms, IEEE Trans Systems Man Cybernet (1979) 62–66 [18] Morteza Zahedi · Ozra Rostami Ghadi, “Combining Gabor filter and FFT for fingerprint enhancement based on a regional adaption method and automatic segmentation”, Springer-Verlag London 2013, DOI 10.1007/s11760-0130436-3 [19] R.C.Gonzalez and R.E Woods, "Digital image Processing", 3rd Edition Pearson Education Inc 2008 [20] Lee, H.C & Gaensslen, R.E.(1991) Advanced in Fingerprint technology N.Y Elsevier [21] Bhavesh Pandya, Mr Bhushan Nemade and Dr Vinayak Ashok Bharadi (2014), “Multimodel Biometric Recognition using Iris and Fingerprint”, in 5th International Conference- Confluence The Next Generation Information Technology Summit (Confluence), pp 697 – 702 70 [22] FVC2002 D Maltoni, D Maio, A.K Jain and S Prabhakar, “Handbook of Fingerprint Recongnition” Second Edition, Springer – 2009 [23] FVC2004 D Maltoni, D Maio, A.K Jain and S Prabhakar, “Handbook of Fingerprint Recongnition” Second Edition, Springer – 2009 [24] Dữ liệu tiềm ẩn, Jan Svoboda, Federico Monti, Michael M Bronstein, “Generative Convolutional Networks for Latent Fingerprint Reconstruction”, Computer Vision and Pattern Recognition, May 2017, pp.1-8 [25] NIST Special Database 27/27A:Fingerprint minutiae from latent and matching tenprint images, https://www.nist.gov/itl/iad/image-group/nist-specialdatabase-2727a [26] Vaibhav Jain, Ajay Kumar Singh, Rajendra Kumar, “An Efficient Approach for Latent Fingerprint Recognition”, 2016 Second International Conference on Computational Intelligence & Communication Technology, 978-1-5090-02108/16, 2016 IEEE, pp 70-75, DOI 10.1109/CICT.2016.23 [27] Sachin Kumar, R Leela Velusamy, “Kernel Approach for Similarity Measure in Latent Fingerprint Recognition”, International Conference on Emerging Trends in Electrical, Electronics and Sustainable Energy Systems (ICETEESES–16), 978-1-5090-2118-5/16, 2016 IEEE, pp368-373 [28] Chunjie Chen, Jianjiang Feng, Jie Zhou, “Multi-scale Dictionaries Based Fingerprint Orientation Field Estimation”, International Conference on Biometrics (ICB), DOI: 10.1109/ICB.2016.7220071, 2016, pp.1-8 [29] Xuanbin Si, Jianjiang Feng, “Detection and Rectification of Distorted Fingerprints”, IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL 37, NO 3, MARCH 2015, DOI: 10.1109/TPAMI.2014.2345403, 2015, pp 555-568 [30] Sachin Kumar, R Leela Velusamy, “Latent Fingerprint Preprocessing: Orientation Field Correction using Region Wise Dictionary, International Conference on Advances in Computing, Communications and Informatics (ICACCI), DOI: 10.1109/ICACCI.2015.7275782, 2015, pp 1238-1243 [31] Aneesha Karar, Amarjeet Kaur, “Latent Fingerprint Recognition and Categorization Using Multiphase Watershed Segmentation”, Annual IEEE India Conference (INDICON), DOI: 10.1109/INDICON.2015.7443679, 2015, pp.1-6 71 [32] Kai Cao, Anil K Jain, “Latent Orientation Field Estimation via Convolutional Neural Network”, International Conference on Biometrics (ICB), DOI: 10.1109/ICB.2015.7139060, 2015, pp 349-356 PHỤ LỤC 1: HÌNH ẢNH VÂN TAY KHIẾM KHUYẾT SỬ DỤNG TRONG LUẬN VĂN 72 Hình CSDL vân tay chất lượng thấp lựa chọn từ tập FVC2004 với ảnh vân tay có nhiều khiếm khuyết như: góc, lem mực cảm biến,… PHỤ LỤC 2: BIỂU ĐỒ FAR & FRR CỦA CÁC TẬP DỮ LIỆU VÂN TAY 73 PHỤ LỤC 3: MỘT SỐ ẢNH VÂN TAY HIỆN TRƯỜNG ĐƯỢC SỬ DỤNG TRONG LUẬN VĂN ... khớp nhận dạng chủ thể 22 2.3 Phương pháp nhận dạng dấu vân tay khơng hồn chỉnh 25 iv 2.3.1 Dấu vân tay không hoàn chỉnh 25 2.3.2 Hệ thống nhận dạng vân tay khơng hồn chỉnh. .. trình nghiên cứu tiếng nhận dạng vân tay  Chương 2: Các phương pháp nhận dạng chủ thể vân tay khơng hồn chỉnh Trong chương tác giả trình bày cụ thể hệ thống nhận dạng vân tay thông thường vân tay. .. ảnh vân tay để áp dụng cho hệ thống nhận dạng vân tay khiếm khuyết từ đề xuất thuật tốn để nâng cao độ tin cậy hệ thống nhận dạng vân tay Luận văn Nghiên cứu phương pháp nhận dạng chủ thể dấu vân