Nhận dạng vân tay khiếm khuyết sử dụng ngưỡng toàn cục

Bài viết đề xuất một thuật toán tăng cường ảnh để có thể khôi phục đáng kể các ảnh vân tay chất lượng kém. Ngoài ra phương pháp sử dụng ngưỡng toàn cục cũng được áp dụng trong quá trình so khớp mẫu nhằm mục đích giảm tỉ lệ chấp nhận sai và từ chối sai.

Nguyễn Lương Nhật, Đào Duy Liêm NHẬN DẠNG VÂN TAY KHIẾM KHUYẾT SỬ DỤNG NGƯỠNG TOÀN CỤC Nguyễn Lương Nhật*, Đào Duy Liêm+ * Học viện Cơng nghệ Bưu Viễn thơng + Trường Đại học Cơng Nghệ Sài Gòn Tóm tắt: Trong năm gần đây, nhận dạng vân tay vấn đề nghiên cứu phổ biến, kỹ thuật nhận dạng áp dụng lĩnh vực dân pháp y Tuy nhiên, tiến trình nhận dạng bị hạn chế với mẫu vân tay khơng đầy đủ có chất lượng Trong báo này, đề xuất thuật tốn tăng cường ảnh để khơi phục đáng kể ảnh vân tay chất lượng Ngoài phương pháp sử dụng ngưỡng toàn cục áp dụng q trình so khớp mẫu nhằm mục đích giảm tỉ lệ chấp nhận sai từ chối sai Từ khóa: FVC2002, FCV2004, tăng cường ảnh, vân tay khiếm khuyết I Để cải thiện chất lượng ảnh vân tay đầu vào chúng tơi đề xuất thuật tốn tăng cường ảnh vân tay dựa phép biến đổi STFT Hệ thống đề xuất có khả nhận dạng ảnh vân tay đầy đủ vân tay khiếm khuyết Các thí nghiệm thực hai liệu FVC 2002 (Fingerprint Verification Competition 2002) [10] FVC 2004 [11] cho thấy hiệu suất nhận dạng cải thiện đáng kể so với thuật toán: STFT [7], Gabor [12], SURF [13] DWT [14] Phần lại báo tổ chức sau: phần II trình bày thuật toán tăng cường ảnh vân tay đề xuất; mơ hình nhận dạng vân tay khiếm khuyết với q trình xác định ngưỡng tồn cục trình bày phần III; phần IV kết thực nghiệm phần kết luận GIỚI THIỆU Nhận dạng xác minh vân tay sử dụng phổ biến hệ thống sinh trắc học Quá trình nhận dạng chủ yếu thực đối sánh vân tay đầu vào với sở liệu lưu hệ thống Có nhiều thuật tốn nhận dạng đề xuất như: nhận dạng dựa vào đặc tính đường vân [1], nhận dạng dựa vào độ tương quan [2] nhận dạng dựa vào điểm đặc trưng [3] Trong đó, nhận dạng dựa vào điểm đặc trưng phương pháp phổ biến sử dụng rộng rãi [4], [5] Độ xác thuật tốn nhận dạng đóng vai trò quan trọng cơng trình nghiên cứu Nhiều mẫu vân tay có chất lượng chất lượng đầu đọc hay mực in,… tác động không nhỏ đến kết nhận dạng Trong [6], Ling Hong cộng đề xuất thuật toán tăng cường ảnh vân tay dựa ưu điểm chọn lọc tần số lọc Gabor Trong [7], tác giả sử dụng phép biến đổi Fourier thời gian ngắn (STFT - Short Time Fourier Transform) để tăng cường ảnh vân tay khiếm khuyết Các phương pháp kết hợp thuật toán FFT (Fast Fourier Transform) lọc Gabor thực [8], [9], phép biến đổi FFT giúp nối đường vân bị đứt lọc Gabor giúp loại bỏ nhiễu đồng thời cải thiện cấu trúc đường vân rãnh Phương pháp đối sánh vân tay dựa vào đặc trưng chi tiết sử dụng báo Quá trình xác định ngưỡng toàn cục thực cách tự động với số lượng lớn mẫu vân tay sở liệu II TĂNG CƯỜNG ẢNH VÂN TAY Ảnh vân tay đầu vào hệ thống nhận dạng thường có chất lượng thấp nên cần thiết phải nâng cao để cải thiện chất lượng ảnh làm tiền đề cho giai đoạn trích chọn đặc trưng Trong phần chúng tơi đề xuất thuật tốn tăng cường ảnh vân tay dựa phép biến đổi STFT kết hợp với lọc, mơ hình thuật tốn trình bày hình Ảnh vân tay đầu vào Vùng mặt nạ Phân tích STFT Bộ lọc Median & Wiener Ảnh định hướng đường vân Cân Histogram Ảnh tần số đường vân Tăng cường miền Fourier Ảnh vân tay tăng cường Ảnh kết hợp Hình Giải thuật tăng cường ảnh vân tay A Phân tích STFT Tác giả liên hệ: Nguyễn Lương Nhật Email: nhatnl@ptithcm.edu.vn Đến tòa soạn: 7/2018, chỉnh sửa: 8/2018 , chấp nhận đăng: 9/2018 SỐ 03 (CS.01) 2018 TẠP CHÍ KHOA HỌC CƠNG NGHỆ THƠNG TIN VÀ TRUYỀN THÔNG NHẬN DẠNG VÂN TAY KHIẾM KHUYẾT SỬ DỤNG NGƯỠNG TOÀN CỤC Phép biến đổi Fourier thời gian ngắn (STFT) biết đến xử lý tín hiệu để phân tích tín hiệu khơng ổn định Trong q trình phân tích STFT, hình ảnh chia thành cửa sổ chồng chéo Phổ Fourier vùng nhỏ phân tích thu ước tính xác suất ảnh định hướng, tần số vùng mặt nạ [7] Đối với tín hiệu ảnh chiều I(x,y) phân tích STFT cho bởi: X ( , , 1 , 2 )     I ( x, y )W * ( x   , y   )e  j (1 x 2 y ) dxdy (1)   Với 1 , biểu diễn vị trí khơng gian cửa sổ chiều W(x,y) 1 , 2 đại diện cho tham số tần số khơng gian Tại vị trí cửa sổ phân tích, pixel chồng chéo tạo nên liên tục đường vân Mỗi khung tạo góc định hướng  tần số f vùng Hàm mật độ xác suất p(r, ) hàm mật độ biên p(r ), p( ) cho bởi: p(r , )  F (r , )   F (r ,  ) (2) r p(r )   p(r , )d (3) p( )   p(r , )dr (4)  r B Bộ lọc Median Wiener Bộ lọc Wiener thường sử dụng để tăng cường hình ảnh cách loại bỏ nhiễu Ý tưởng lọc khơi phục lại hình ảnh dựa vào hai bước: hình ảnh bị làm mờ với trợ giúp lọc thơng thấp; sau lọc đảo ngược để khơi phục lại hình ảnh ban đầu giữ cân lọc ngược làm mờ hình ảnh  p( ) sin(2 ) d    1   E{ }  tan     p( ) cos(2 ) d    Ảnh định hướng O( x, y) làm mịn cách sử dụng (8) với W(x,y) đại diện cho lọc làm mịn Gaussian kích thước x [7] O '( x, y)   1 sin(2O( x, y)) *W ( x, y)  tan  2 cos(2O( x, y)) *W ( x, y)    v2 (5) ( I (n1 , n2 )   ) 2 Với  ,  trung bình phương sai; v phương sai nhiễu Bộ lọc trung vị (Median) phương pháp làm mịn phi tuyến sử dụng để sửa điểm ảnh bị nhiễu mà không làm thay đổi cạnh ảnh, ý tưởng lọc thay điểm ảnh giá trị trung bình độ sáng vùng lân cận Nói cách khác, lọc Median hoạt động cách tính trung bình lọc lân cận, nhiên khơng tuyến tính hoạt động hai ảnh A(x) B(x) cho: Median  A( x)  B( x)  Median  A( x)  Median  B( x) (6) C Ảnh định hướng đường vân Giả sử góc định hướng  biến ngẫu nhiên có hàm mật độ xác suất p( ) Giá trị kỳ vọng hướng thu theo: SỐ 03 (CS.01) 2018 (8) D Cân Histogram Cân Histogram trình biến đổi làm cho cho giá trị mức xám ảnh có xác suất xuất phân bố toàn khoảng [0,1], nghĩa dải động ảnh lớn độ tương phản cao Gọi Pr(rj) với j = 1, 2, giá trị histogram chuẩn hố ảnh q trình cân histogram biểu diễn (9), k = 1, 2, , L sk giá trị mức xám ảnh k k nj j 1 j 1 n sk  T (rk )   Pr (rj )  (9) E Ảnh tần số đường vân Hình ảnh tần số đường vân trung bình ước tính theo cách tương tự với định hướng đường vân Giá trị kỳ vọng tần số đường vân cho bởi: E{r}   p(r ) r dr (10) r Hình ảnh tần số sau làm mịn theo: x 1 F '( x, y )  y 1   F (u, v)W (u, v) I (u, v) u  x 1 v  y 1 y 1 (11)  W (u, v) I (u, v) Một khu vực chọn khoảng ma trận x pixel cho phép ước lượng theo (5): W (n1 , n )    (7) v  y 1 F Vùng mặt nạ Hình ảnh dấu vân tay phân đoạn dễ dàng dựa lượng phổ Fourier, có lượng vùng nhiễu nơi mà khơng có hình ảnh vân tay Từ vùng có dấu vân tay phân biệt với đánh giá hình ảnh lượng E(x,y) cho bởi:   2  E ( x, y )  log    F (r ,  )    r   (12) G Ảnh kết hợp Xem xét định hướng khối  ( x, y) kích thước khối W x W, hình ảnh liên kết khối cho bởi: W C ( x0 , y0 )   cos( ( x , y )   ( x , y ) i 0 0 i i W W TẠP CHÍ KHOA HỌC CƠNG NGHỆ THƠNG TIN VÀ TRUYỀN THƠNG (13) Nguyễn Lương Nhật, Đào Duy Liêm H Tăng cường miền Fourier Hình ảnh chia thành cửa sổ chồng chéo nhau, phổ vùng nhỏ phân tích đưa ước lượng xác suất tần số định hướng [7] Trong cửa sổ, lọc áp dụng điều chỉnh phù hợp với hướng chiếm ưu cho bởi: H (  ,  )  H  (  ) H ( ) (14)   (  BW )2 n H  ( )   2n 2 2n   (  BW )  (   0 )  (15)    (  c )  cos     BW H ( )    BW     BW  (16) Vân tay Vân tay Vân tay n Tiền xử lý nâng cao chất lượng ảnh Nhị phân làm mảnh Nhị phân làm mảnh Trích chọn đặc trưng Trích chọn đặc trưng NGOẠI TUYẾN Ở H ( ) lọc cosine nâng cao với góc cho H ( )  0.5 ; H  (  ) lọc Butterworth với dải trung tâm  băng thông  BW  có nguồn gốc từ hình ảnh định hướng  BW chọn tỉ lệ nghịch với phép đo gắn kết III NHẬN DẠNG VÂN TAY KHIẾM KHUYẾT Vân tay khiếm khuyết khái niệm để ảnh vân tay có chất lượng thấp bao gồm: bị phần, bị lem mực, tối sáng cảm biến, nhiễu,… Hình mô tả số ảnh vân tay chất lượng thấp tập liệu FVC2004 với nhiều kích thước khác Mơ hình nhận dạng vân tay khiếm khuyết trình bày hình với hai trình chính: trực tuyến ngoại tuyến Trong hai trình, mẫu ảnh vân tay ngõ vào qua bước tiền xử lý nâng cao chất lượng hình ảnh trình bày phần II nhằm mục đích: nội suy đường vân bị mất, hiệu chỉnh đường vân bị lệch, loại nhiễu Tại số vùng ảnh kém, phục hồi loại bỏ để không ảnh hưởng đến giai đoạn lấy đặc trưng Hình ảnh vân tay nâng cao sau nhị phân hóa dạng: mức (màu đen) đường vân mức (màu trắng) rãnh phục vụ cho công đoạn sau Giai đoạn làm mảnh phân vùng thực sau để đưa hình ảnh vân tay dạng xương với đường vân có độ rộng pixel để thuận tiện cho giai đoạn lấy đặc trưng Kết Tiền xử lý nâng cao chất lượng ảnh Lưu vào CSDL trung tâm c băng thơng BW phạm vi góc Vân tay cần kiểm tra Nhận dạng / Xác minh Cơ sở liệu TRỰC TUYẾN Hình Mơ hình nhận dạng vân tay khiếm khuyết Các điểm đặc trưng bao gồm điểm kết thúc đường vân điểm rẽ nhánh đường vân trích chọn dựa ảnh làm mảnh vùng quan tâm lấy từ trình tăng cường ảnh Thuật tốn sử dụng báo để tìm điểm đặc trưng minutiae Crossing Number [15] Giả sử I(x,y) điểm đường vân làm mảnh p0, p1,…, p7 điểm xung quanh thì: CN ( p)   val ( pi )  val ( pi 1 ) i 1 (17)  CN(p)=1: I(x,y) điểm kết thúc  CN(p)=2: I(x,y) điểm nằm đường vân  CN(p)=3 : I(x,y) điểm rẽ nhánh Trong trình "ngoại tuyến", đặc trưng chi tiết so sánh với đặc trưng vân tay khác lưu vào sở liệu (CSDL) Quá trình so sánh thực theo [16] cho kết điểm số tương đồng SM hai mẫu vân tay cần so sánh SM ( x, y )  nmatch nx ny (18) Trong nmatch số cặp đặc trưng chi tiết phù hợp nx, ny số đặc trưng chi tiết ngõ vào mẫu vân tay cần so khớp Giả sử có k nhóm vân tay (cùng ngón tay), nhóm có n ảnh vân tay tập CSDL Gọi AC, AO điểm số tương đồng trung bình vân tay nhóm khác nhóm Như có k giá trị AC AO ứng với k nhóm Giá trị AC AO cho (19) (20) với N = n(k-1) số lượng mẫu vân tay khác nhóm AC  n 1 n   SM ( j, i) n(n  1) j 1 i  j 1 (19) AO  N 1 N   SM ( j, i) N ( N  1) j 1 i  j 1 (20) Giá trị ngưỡng toàn cục TG xác định theo AC AO sau: TG  Hình Ảnh vân tay chất lượng SỐ 03 (CS.01) 2018 min( AC )  2* max( AO ) (21) TẠP CHÍ KHOA HỌC CƠNG NGHỆ THƠNG TIN VÀ TRUYỀN THÔNG NHẬN DẠNG VÂN TAY KHIẾM KHUYẾT SỬ DỤNG NGƯỠNG TỒN CỤC Tại q trình "trực tuyến", đặc trưng chi tiết ảnh vân tay cần nhận dạng so sánh với đặc trưng vân tay khác CSDL Gọi Ai điểm số tương đồng trung bình vân tay cần nhận dạng với nhóm vân tay thứ i, chủ thể nhận dạng i Ai > TG, trường hợp khác không xác minh IV KẾT QUẢ THỰC NGHIỆM Trong phần này, thực thí nghiệm để đánh giá giải thuật tăng cường ảnh nhận dạng Toàn thí nghiệm thực Matlab 2016a với CSLD lấy từ FVC2002 – set B [10] FVC2004 – set B [11] Đây tập ảnh có kích thước khác lấy mẫu từ cảm biến với độ phân giải khác thể bảng Để tiện việc so sánh đánh giá kết quả, chia CSDL làm hai tập bình thường khiếm khuyết sau: DB1, DB2, DB3, DB4 FVC2002 đại diện cho vân tay bình thường DB2, DB3, DB4 FVC2004 đại diện cho vân tay khiếm khuyết A So khớp 1:1 Trong thí nghiệm này, chúng tơi thực bước nâng cao ảnh vân tay tập liệu sau so khớp đơi để ghi nhận điểm số tương đồng SM Biểu đồ FAR lập giá trị SM vân tay khác nhóm FRR lập giá trị SM vân tay nhóm Hình thể tỷ lệ lỗi trung bình EER tập liệu FVC2002 DB1_B điểm giao FAR FRR Giá trị EER = 9.64% cho thấy thuật toán nâng cao ảnh vân tay đề xuất có hiệu cao việc cải thiện ảnh vân tay so với nghiên cứu liên quan [17] [18] (EER > 25%) Đối với tập liệu vân tay khiếm khuyết, kết so khớp 1:1 đạt tỷ lệ lỗi EER thấp so với [12] Hình thể đặc tuyến FAR FRR tập liệu vân tay khiếm khuyết Bảng đưa tham số cụ thể tỷ lệ lỗi trung bình vân tay tập liệu khiếm khuyết so với nghiên cứu liên quan [12] Để đánh giá kết sử dụng tham số: điểm số tương đồng SM (18) hai vân tay cần so sánh, giá trị thấp hai vân tay khác SM =1 hai vân tay giống hoàn toàn Tỷ lệ chấp nhận sai FAR (False Acceptance Rate) cho (22) tỷ lệ mà vân tay ngồi nhóm nhận dạng; tỷ lệ từ chối sai FRR (False Rejection Rate) cho (23) tỷ lệ vân tay thuộc nhóm khơng hệ thống nhận dạng Với giá trị ngưỡng khác nhau, FRR FAR cho kết khác nhau, tỷ lệ lỗi trung bình EER (Equal Error Rate) giao điểm hai đường FAR FRR FAR  S *100 N (22) FRR  F *100 N (23) EER  FRR  FAR (24) Hình Biểu đồ FAR & FRR vân tay bình thường Với S số lần chấp nhận sai, F số lần từ chối sai N tổng số lần nhận dạng Bảng I Đặc điểm sở liệu vân tay CSDL FVC2002 DB1 FVC2002 DB2 FVC2002 DB3 FVC2002 DB4 FVC2004 DB2 FVC2004 DB3 FVC2004 DB4 Cảm Kích thước Số lượng Độ phân biến ảnh nhóm/ảnh giải Cảm biến 388 x 374 10 / 500 dpi quang Cảm biến 296 x 560 10 / 569 dpi quang Cảm biến 300 x 300 10 / 500 dpi điện dung SFinGe 288 x 384 10 / 500 dpi v2.51 Cảm biến 328 x 364 10 / 500 dpi quang Cảm biến 300 x 480 10 / 512 dpi quét nhiệt SFinGe 288 x 384 10 / 500 dpi v3.0 SỐ 03 (CS.01) 2018 Hình Biểu đồ FAR & FRR vân tay khiếm khuyết Bảng II So sánh tham số EER tập liệu vân tay khiếm khuyết trường hợp so khớp 1:1 CSDL EER (%) [12] EER (%) Thuật toán đề xuất DB2 31.58 18.62 DB3 15.79 10.89 DB4 26.32 13.51 Trung bình 24.56 14.34 TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG Nguyễn Lương Nhật, Đào Duy Liêm B Nhận dạng 1:n Khi số mẫu vân tay nhóm CSDL tăng lên, trình nhận dạng 1:n áp dụng với giá trị ngưỡng toàn cục chọn cách tự động theo (21) Trong thí nghiệm chúng tơi tăng dần số mẫu vân tay nhóm CSDL áp dụng thuật tốn nhận dạng trình bày phần III, kết thể hình hình với đặc tuyến EER thay đổi theo số mẫu vân tay nhóm CSDL Hình Tỷ lệ lỗi trung bình vân tay bình thường Bảng IV Kết nhận dạng vân tay khiếm khuyết Số vân tay nhóm n FRR (%) FAR (%) EER (%) FVC2004 DB2 1.25 10 5.625 1.25 3.75 2.5 FVC2004 DB3 1.25 0.625 0 FVC2004 DB4 11.25 5.625 1.25 0.625 Trung bình 0.8333 7.0833 3.9583 0.4167 1.6667 1.0417 CSDL Dựa đặc tuyến EER hình (ứng với vân tay bình thường) hình (ứng với vân tay khiếm khuyết), nhận thấy số mẫu vân tay nhóm CSDL tăng lên tỷ lệ lỗi trung bình EER giảm xuống, hệ thống nhận dạng tin cậy Trong thí nghiệm số mẫu vân tay nhóm n ≥ 6, giá trị EER mức thấp Để nhận thấy rõ kết nhận dạng tăng dần số mẫu vân tay CSDL, bảng III IV trình bày tham số FRR, FAR EER tất tập liệu hai trường hợp n = n = So với nghiên cứu liên quan [7], [13], thuật toán nhận dạng cho hiệu tốt Cụ thể với tập liệu FVC2002 DB1, [13] tham số ERR = 0.06% (FAR = 0.03% FRR = 0.05%) báo ERR = 0%; với tập liệu FVC2002 DB3, nghiên cứu ERR = 1.25% so với 7.8 % [7] Đối với tập liệu vân tay khiếm khuyết, thuật toán nhận dạng cho hiệu tốt hơn, cụ thể EER = 1.0417 % so 1.5% [14] V KẾT LUẬN Hình Tỷ lệ lỗi trung bình vân tay khiếm khuyết Bảng III Kết nhận dạng tập vân tay bình thường Số vân tay nhóm n FRR (%) FAR (%) EER (%) FVC2002 DB1 2.5 1.25 0 FVC2002 DB2 1.25 2.5 1.875 2.5 1.25 FVC2002 DB3 10 2.5 1.25 FVC2002 DB4 2.5 1.25 0 Trung bình 0.3125 4.375 2.3438 1.25 0.625 CSDL SỐ 03 (CS.01) 2018 Bài báo đóng góp giải thuật tăng cường ảnh vân tay dựa phép biến đổi Fourier thời gian ngắn kết hợp với lọc Thuật tốn khơi phục đáng kể ảnh vân tay chất lượng Ngoài để tăng hiệu nhận dạng hệ thống, áp dụng phương pháp xác định ngưỡng tồn cục, kết thí nghiệm số mẫu vân tay nhóm CSDL lớn hiệu nhận dạng thuật toán cao Giá trị EER ghi nhận n = 0.625% (hay độ xác 99.375 %) tập vân tay bình thường EER = 1.0417% (hay độ xác 98.9583%) tập vân tay khiếm khuyết Một khuyết điểm hệ thống tốc độ nhận dạng chậm ảnh vân tay đầu vào phải so sánh với tất vân tay khác CSDL TÀI LIỆU THAM KHẢO [1] Dorasamy, Kribashnee, “Fingerprint Classification Using a simplified Rule set Based On Directional patterns And Singularity feartures”, IEEE 2015 International Conference on Biometrics, pp.400-407 May 2015 [2] Akhtar, Zahid, “Correlation based fingerprint liven ess detection”, IEEE, pp 305-310, May 2015 TẠP CHÍ KHOA HỌC CƠNG NGHỆ THƠNG TIN VÀ TRUYỀN THÔNG NHẬN DẠNG VÂN TAY KHIẾM KHUYẾT SỬ DỤNG NGƯỠNG TOÀN CỤC [3] Ozkan, Savas, “Fingerprint recognition with geomet ric relation of minutiae points”, IEEE, pp 875-878, May 2015 [4] Sachin Harne, Prof K J Satao, “Minutiae Fingerprint Recognition Using Hausdorff Distance”, Sachin Harne et al UNIASCIT, Vol 1, pp 16-22, 2011 [5] R.Dharmendra Kumar, Kaliyaperumal Karthikeyan, T.Ramakrishna, “Fingerprint Image Enhancement Using FFT for Minutia Matching with Binarization”, International Journal of Engineering Research & Technology (IJERT), Volume 1, Issue 8, pp.1-6, October 2012 [6] Ling Hong, “Fingerprint Image Enhancement: Algorithm and Performance Evaluation”, IEEE Transactions on Pattern Analysis and Machine Intelligence, (Volume 20, No 8, 1998), pp 777-789 [7] 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 [8] J S Chen, Y S Moon, K F Fong, “Efficient Fingerprint Image Enhancement for Mobile Embedded Systems”, Biometric Authentication Lecture Notes in Computer Science Volume 3087, 2004, pp 146157, Sept 2008 [9] IG Babatunde, AO Charles, AB Kayode, O Olat ubosun, “Fingerprint Image Enhancement: Segmentation to Thinning”, International Journal of Advanced Computer Science and Applications, Vol 3, pp 8-14, 2012 [10] D Maio, D Maltoni, R Cappelli, J.L Wayman and A K Jain, “FVC2002: Second Fingerprint Verification Competition”, in Proceedings 16th International Conf erence on Pattern Recognition, Québec City, Vol, 3, p p 811-814, 2002 [11] D Maio, D Maltoni, R Cappelli, J.L Wayman and A K Jain, “FVC2004: Third Fingerprint Verification Competition”, in Proceedings 1st International Conf erence on Biometric Authentication, LNCS 3072, pp 1-7, 2004 [12] Youssef Elmir, Mohammed Benyettou, “Gabor Filters Based Fingerprint Identification Using Spike Neural Networks”, 5th International Conference: Sciences of Electronic, Technologies of Information and Telecommunications March 22-26, 2009 – TUNISIA, pp.1-5 [13] Kadhim H Kuban, Wasan M Jwaid, “A Novel Modification of Surf Algorithm for Fingerprint Matching”, Journal of Theoretical and Applied Information Technology, ISSN: 1992-86, 31st March 2018 Vol.96 No pp 1570-1581 [14] Ankita Kute, HOD Sadhna Mishra, Mr Vivek Kumar, “Improve low Quality Fingerprint with DWT Then Apply Minutiae Matching after Feature Extraction”, International Journal of Advanced Research in Computer Science and Software Engineering, Volume 4, Issue 12, December 2014, pp.220-228 [15] Davide Maltoni, Dario Maio, Anil K.Jain, Salid Pr abhakar, “Handbook of Fingerprint Recognition”, Second Edition, Springer, 2009 [16] 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 [17] Manisha Redhu, Dr.Balkishan, “Fingerprint Recognition Using Minutiae Extractar”, International Journal of Engineering Research and Applications (IJERA), ISSN: 2248-9622, Vol 3, Issue 4, Jul-Aug 2013, pp 2488-2497 [18] Sangram Bana, Dr Davinder Kaur, “Fingerprint Recognition using Image Segmentation”, International Journal of Advanced Engineering Sciences and Technologies (IJAEST), Vol No 5, Issue No 1, pp.012 – 023 SỐ 03 (CS.01) 2018 INCOMPLETE FINGERPRINT RECOGNITION USING GLOBAL THRESHOLD Abstract: Fingerprint identification is a wellresearched problem, and fingerprint identification techniques have been successfully adapted to both civilian and forensic applications for many years However, the recognition progress has been mainly restricted by incomplete fingerprints or poor quality In this paper, we propose an image enhancement algorithm that can significantly restore poor quality fingerprints In addition, global threshold was applied in the sample matching process in order to reduce false acceptance rates and false rejections Keywords: FVC2002, FCV2004, image enhancement, incomplete fingerprint Nguyễn Lương Nhật, Nhận học vị Tiến sỹ năm 1997 Moscow, nước Nga Hiện Trưởng khoa Kỹ thuật Điện tử 2, Học viện Công nghệ Bưu Viễn thơng, sở TP Hồ Chí Minh Lĩnh vực nghiên cứu: Xử lý tín hiệu, trí tuệ nhân tạo, an tồn thơng tin Đào Duy Liêm, Tốt nghiệp Thạc sĩ Kỹ thuật Viễn thông năm 2014 Học viện Cơng nghệ Bưu Viễn thơng Hiện giảng viên khoa Điện Điện tử trường Đại học Cơng Nghệ Sài Gòn Lĩnh vực nghiên cứu: Xử lý tín hiệu, mật mã, kỹ thuật y sinh, hệ thống nhúng, nơng nghiệp cơng nghệ cao TẠP CHÍ KHOA HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG ... kết III NHẬN DẠNG VÂN TAY KHIẾM KHUYẾT Vân tay khiếm khuyết khái niệm để ảnh vân tay có chất lượng thấp bao gồm: bị phần, bị lem mực, tối sáng cảm biến, nhiễu,… Hình mơ tả số ảnh vân tay chất... trưng chi tiết ảnh vân tay cần nhận dạng so sánh với đặc trưng vân tay khác CSDL Gọi Ai điểm số tương đồng trung bình vân tay cần nhận dạng với nhóm vân tay thứ i, chủ thể nhận dạng i Ai > TG, trường... vân tay khiếm khuyết, thuật tốn nhận dạng chúng tơi cho hiệu tốt hơn, cụ thể EER = 1.0417 % so 1.5% [14] V KẾT LUẬN Hình Tỷ lệ lỗi trung bình vân tay khiếm khuyết Bảng III Kết nhận dạng tập vân