Nghiên cứu cải thiện tốc độ trích rút đặc trưng vân tay 001

1 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ DƢƠNG THỊ VÂN NGHIÊN CỨU CẢI THIỆN TỐC ĐỘ TRÍCH RÚT ĐẶC TRƢNG VÂN TAY LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà nội - 2013 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ DƢƠNG THỊ VÂN NGHIÊN CỨU CẢI THIỆN TỐC ĐỘ TRÍCH RÚT ĐẶC TRƢNG VÂN TAY Ngành : Cơng Nghệ thông tin Chuyên ngành: Hệ thống thông tin Mã số: 60.48.05 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƢỜI HƢỚNG DẪN KHOA HỌC: TS NGUYỄN NGỌC HÓA Hà nội - 2013 LỜI CAM ĐOAN Tôi xin cam đoan kết đạt luận văn sản phẩm cá nhân tơi tìm hiểu, nghiên cứu tổng hợp thực Trong toàn nội dung luận văn, sản phẩm trình bày nội dung cá nhân tổng hợp từ nhiều tài liệu khác Tất tài liệu tham khảo có xuất xứ rõ ràng trích dẫn quy định Tơi xin hồn tồn chịu trách nhiệm với lời cam đoan Hà nội, tháng 10 năm 2013 Học viên Dương Thị Vân LỜI CẢM ƠN Tôi xin gửi lời cảm ơn tới thầy cô Trường Đại học Công Nghệ, Đại học Quốc Gia Hà Nội, tận tình giảng dạy truyền đạt kiến thức suốt khóa học cao học vừa qua Đặc biệt xin chân thành cảm ơn TS Nguyễn Ngọc Hóa, người định hướng đề tài, trực tiếp hướng dẫn tận tình bảo tơi suốt q trình thiết kế, xây dựng hồn thiện luận văn Tơi xin cám ơn bạn học viên lớp chuyên ngành Hệ thống thông tin, bạn đồng nghiệp thường xuyên quan tâm, giúp đỡ, chia sẻ kinh nghiệm, cung cấp tài liệu hữu ích thời gian học tập, nghiên cứu trong trình thực luận văn tốt nghiệp Cuối cùng, xin gửi lời biết ơn sâu sắc gia đình bên ủng hộ đường học tập nghiên cứu khó khăn, vất vả Tôi mong với cố gắng học tập nâng cao kiến thức, sau lĩnh hội nhiều công nghệ, tạo nhiều sản phẩm phần mềm có giá trị sử dụng cao, giúp ích nhiều lĩnh vực sống Hà nội, tháng 10 năm 2013 Học viên Dương Thị Vân MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN MỤC LỤC DANH MỤC CÁC HÌNH DANH MỤC CÁC KÍ HIỆU VIẾT TẮT GIỚI THIỆU CHUNG Chƣơng TỔNG QUAN VỀ NHẬN DẠNG VÂN TAY 1.1 Giới thiệu 1.1.1 Nhận dạng vân tay 1.1.2 Phân tích cấu trúc vân tay 1.2 Quy trình nhận dạng vân tay 1.3 Ứng dụng nhận dạng vân tay 1.4 Một số nghiên cứu liên quan Chƣơng NÂNG CAO CHẤT LƢỢNG ẢNH VÂN TAY 2.1 Mở đầu 2.2 Bộ lọc Gabor 2.2.1 Giới thiệu 2.2.2 Tăng độ tƣơng phản 2.2.3 Phân mảnh ảnh 2.2.3 Chuẩn hóa ảnh 2.2.4 Ƣớc lƣợng hƣớng đƣờng vân 2.2.5 Ƣớc lƣợng tần số 2.2.6 Nâng cao chất lƣợng ảnh sử dụng lọc Gabor 2.3 Bộ lọc STFT (Short Time Fourier Transform) 2.3.1 Giới thiệu 2.3.2 Xác định hƣớng đƣờng vân 2.3.3 Xác định tần số đƣờng vân 2.3.4 Xác định vùng mặt nạ 2.3.5 Nâng cao chất lƣợng ảnh lọc STFT 2.4 Nhận xét Chƣơng 3.CẢI THIỆN TỐC ĐỘ NÂNG CAO CHẤT LƢỢNG ẢNH VÂN TAY VÀ THỰC NGHIỆM 3.1 Giới thiệu 3.1.1 Phƣơng pháp xấp xỉ 3.1.2 Kĩ thuật giảm tính tốn trung gian 3.2 Môi trƣờng thử nghiệm 3.3 Dữ liệu thử nghiệm 3.4 Kết thử nghiệm 3.4.1 Kết trực quan 3.4.2 Kết cải tiến lọc Gabor 3.4.3 Kết cải tiến với lọc STFT KẾT LUẬN CHUNG Kết đạt đƣợc luận văn Hƣớng nghiên cứu PHỤ LỤC Phụ lục 1: Các thuật toán sử dụng lọc Gabor Phục lục 2: thuật toán sử dụng lọc STFT DANH MỤC CÁC HÌNH Hình 1 Hình ảnh vân tay Hình Ảnh đường vân Hình Bề mặt ảnh vân tay Hình Quy trình nhận dạng vân tay Hình Sơ đồ nâng cao chất lượng ảnh Koehlke’s Hình 2 Hướng đường vân điểm Hình Ảnh mà chưa làm mượt Hình Cửa sổ hướng x-Signature Hình Ảnh vân tay tần số Hình Tổng quan lọc STFT Hình Kết lọc STFT Hình Kết nhận dạng trước sau cải tiến Hình Kết nhận so sánh lọc Gabor STFT Hình Kết Hình Kết Hình 3 Kết Hình Kết Viết tắt AFIS STFT GIỚI THIỆU CHUNG 1.Bài toán đặt Nhận dạng vân tay ứng dụng từ lâu lĩnh vực an ninh/quốc phòng Đặc trưng sinh trắc cho phép định danh người dùng với độ xác cao: 1/1.000.000 [1] Tuy có nhiều nghiên cứu liên quan đến toán nhận dạng vân tay, với tính phổ dụng cao đặc trưng sinh trắc này, cịn có nhiều nghiên cứu để nâng cao tốc độ chất lượng nhận dạng vân tay gần đây: có 1147 báo liên quan đến nhận dạng vân tay đăng giai đoạn 2010-2012 thống kê [5] Nhận dạng vân tay bao gồm ba pha chính: (i) thu nhận ảnh vân tay; (ii) nâng cao chất lượng ảnh trích rút đặc trưng; (iii) so khớp vân tay Việc nâng cao chất lượng ảnh trích rút đặc trưng vân tay có ý nghĩa lớn tốn nhận dạng vân tay, đinh chất lượng so khớp vân tay kết nhận dạng Chất lượng thuật tốn trích chọn đặc trưng vân tay dựa chất lượng ảnh vân tay đầu vào Việc nhận dạng vân tay gặp nhiều vấn đề trở ngại đến kết nhận dạng yếu tố khách quan tác động môi trường, thời tiết, trường sau khảo sát, chất vân tay không nguyên vẹn…và yếu tố chủ quan gây nhiễu Các cấu trúc vân tay số vùng đơi khơng rõ nét làm cho việc trích rút đặc trưng khơng xác Trong thực tế, dựa vào yếu tố kỹ thuật mà bỏ qua biện pháp xử lý khác tỉ lệ nhận dạng sai lên tới 10% [4] Điều nguy hiểm đến kết quả nhận dạng Vì vậy, để đạt kết nhận dạng cao nhất, trước áp dụng thuật tốn trích chọn đặc trưng, vân tay thô thu cần qua xử lý, nâng cấp chất lượng ảnh vân tay Công nghệ nhận dạng vân tay ngày đồ sộ đạt tới độ xác cao Chẳng hạn hệ thống định danh tự động vân tay AFIS (Automated Fingerprint Identification Systems) Cục điều tra liên bang Mỹ FBI có sở liệu lớn tới hàng trăm triệu vân tay, thời gian tìm kiếm tính phút cho mẫu, độ tin cậy cao… hệ thống đồ sộ gồm nhiều máy tính xử lý song song giới hạn giám định hình Trong ứng dụng dân sự, hệ thống nhận dạng thường giới hạn nhiều mặt cấu trúc hệ thống kiểu nối tiếp, giới hạn tốc độ tính tốn, thiết bị xử lý ảnh đầu vào phức 10 tạp (có nhiều nhiễu tác động ngoại cảnh…) Tuy vây, hệ thống AFIS nhiều mặt hạn chế xử lý ảnh vân tay thiếu nét, mờ, có phần vân, … Hầu hết kỹ thuật nâng cao chất lượng ảnh vân tay dựa nhiều tính toán bên vi xử lý CPU Trong số phép tính đó, có nhiều phép tính tính trước lưu trữ lại để dùng chung cho tất trình nâng cao chất lượng ảnh vân tay khác Chính thế, luận văn này, chúng tơi hướng đến việc tìm hiểu, nghiên cứu số thuật toán nâng cao chất lượng ảnh vân tay để từ đưa số kỹ thuật nâng cao hiệu q trình trích rút đặc trưng vân tay 2.Mục tiêu luận văn Với thực trạng đó, luận văn hướng đến mục tiêu nghiên cứu, cải thiện tốc độ trình nâng cao chất lượng ảnh, bước cần nhiều thời gian việc trích rút đặc trưng vân tay, cho phép trích rút đặc trưng nhanh mà không ảnh hưởng đến chất lượng ảnh Mục tiêu thể thông qua nội dung sau: - Tìm hiểu trích rút đặc trưng vân tay, q trình trích rút đặc trưng vân tay, trọng đến bước nâng cao chất lượng ảnh; - Nghiên cứu, đánh giá hai phương pháp điển hình để nâng cao chất lượng ảnh vân tay sử dụng lọc Gabor STFT; - Xây dựng, cài đặt số kỹ thuật để cải tiến tốc độ thi hành hai phương pháp nêu dựa cách tiếp cận tính trước giá trị Cách tiếp cận dựa phương pháp giảm thiểu bước tính tốn trung gian, tính trước giá trị xấp xỉ 3.Cấu trúc luận văn Ngoài phần mở đầu kết luận chung, nội dung luận văn tổ chức thành chương, với nội dung sau: Chƣơng 1: Tìm hiểu tổng quan nhận dạng vân tay: Chương trình bày tổng quan hệ thống nhận dạng vân tay, khái niệm lý thuyết ảnh vân tay Chƣơng 2: Trích rút đặc trƣng vân tay: Chương trình bày số phương pháp nâng cao chất lượng ảnh, ý tưởng thuật toán cụ thể áp dụng Với phạm vi luận văn, nghiên cứu với hai lọc Gabor 38 Trong đề xuất cải tiến, tơi sử dụng phương pháp tính xấp xỉ loại (i) để tính xấp xỉ giá trị hàm sin(x) cos(x) lọc Gabor STFT Hướng cải tiến tập trung thực tính tốn với góc định hướng đường vân có giá trị lớn , bước thực tính tốn góc có giá trị từ đến (180/GABOR_STEP_ANGLE)+1), với GABOR_STEP_ANGLE đề nghị 4, không ảnh hướng tới chất thuật toán cấu trúc đường vân tay Mặt khác, tần số đường vân coi số điểm ảnh hai vân, tần số đề xuất thuật toán cải tiến từ đến 25, đề xuất đánh giá qua trình thực nghiệm giảm đáng kể thời gian truy xuất tốc độ thi hành thuật tốn mà chất thuật tốn khơng thay đổi 3.1.2 Kĩ thuật giảm tính tốn trung gian Để giảm thời gian tính tốn đối vơi hai lọc, kỹ thuật giảm tính tốn trung gian áp dụng qua việc thực tính tốn tất giá trị tính sin/cos góc từ đến 360 tính trước lưu trữ hai mảng tĩnh sinT, cosT Hơn giá trị Sin(x), Cos(x) thư viện toán học kết việc tính giá trị biểu thức Talor, có độ phức tạp tính tốn cao, hàm cần tính giá trị sin/cos cần đưa lời gọi hàm để xác định giá trị biểu thức Talor Do đó, thời gian thực theo phương pháp cũ khơng tối ưu Thay vào đó, tơi đưa giải pháp lưu giá trị trị sin/cos vào hai mảng tĩnh sinT/ cosT, lần cần tính giá trị cần truyền tham số tới mảng tĩnh Đối với lọc STFT, Matlab số mảng 1, nên cần xác định giá trị góc i, giá trị nằm cột thứ i+1, nghĩa ta phải gọi sinT[i+1], cosT[i+1] Các góc tính trước nằm phạm vi từ đến 3600 sinT[i]=(float)sin((double)i*PI/180.0); cosT[i]=(float)cos((double)i*PI/180.0) Đối với giá trị lọc Gabor, tính trước giá trị mảng chiều Exp[x][y][o][f], tham số cải tiến tối ưu có thể, giá trị tính tốn lưu hết vào mảng gabor Exp[15][15] [(180/GABOR_STEP_ANGLE)+1][25] Vẫn tư tưởng đó, lọc STFT, việc thực Matlab dễ dàng Tơi tạo mảng a có giá trị từ [0 360], việc tính trước giá trị mảng sinT/cosT thực sau: sinT=sin(a*pi/180); cosT=cos(a*pi/180); 39 Khi cần tính giá trị lọc ứng với tham số có được, cần truyền vào mảng để xác định giá trị đó, thời gian truy xuất nhanh 3.2 Môi trƣờng thử nghiệm Cải tiến lọc STFT: Các thử nghiệm viết ngơn ngữ Matlap.Về mặt xử lý tín hiệu nói chung xử lý ảnh nói riêng, Matlab cơng cụ mạnh Hầu hết thuật toán ảnh xử lý ảnh thể hàm Matlab hàm đọc, ghi ảnh, chuyển đổi hệ màu ảnh, thuật toán phát biên, tách đối tượng, khớp mẫu, phép biến đổi ảnh xoay ảnh, chuẩn kích thước, tịnh tiến Các thư viện ngày mở rộng, hàm ứng dụng lập người sử dụng Ứng dụng phần mềm Matlab xử lý ảnh có nhiều tiện ích trợ giúp Câu lệnh Matlab viết gần với thuật ngữ mô tả kỹ thuật, câu lệnh ngắn gọn dễ dàng tra cứu Các chương trình có sử dụng thư viện Matlab (chủ yếu Image Processing Toolbox, Statistics Toolbox) Cải tiến lọc Gabor: Các thử nghiệm viết ngôn ngữ C++, hệ điều hành win7-32 bit Đây ngơn ngữ mạnh với thư viện tốn học phong phú, thích hợp cho tính tốn thao tác xử lý ảnh Bảng công cụ thử nghiệm 3.3 Dữ liệu thử nghiệm Trong thử nghiệm mình, tơi sử dụng tập liệu ảnh thu từ 50 ngón tay khác nhau, ngón lấy mẫu Tập liệu gồm 400 ảnh có lưu 40 vào thư mục KoehlkDB Trong q trình thực hiện, tơi thi hành với 94 ảnh đầu vào tập liệu trên, kết thu hiệu phương pháp cải tiến Đối với lọc STFT, hạn chế cách thức đọc ảnh vào để xử lý, nên sử dụng 20 ảnh ngẫu nhiên từ tập 400 ảnh 3.4 Kết thử nghiệm 3.4.1 Kết trực quan Tôi tiến hành hai bước thử nghiệm độc lập, với đầu vào ảnh vân tay, đầu ảnh nâng cao chất lượng, có kết sau trực quan sau: - Đối với lọc STFT: a) Trước cải tiến b) Sau cải tiến Hình 1Kết cải tiến lọc STFT 41 - Đối với lọc Gabor: a) Trước cải tiến b) Sau cải tiến Hình Kết cải tiến lọc Gabor Qua hình 3.1 hình 3.2 ta thấy rằng, trực quan kết nhận dạng hai lọc, khác thời gian cải tiến 3.4.2 Kết cải tiến lọc Gabor Thực nâng cao chất lượng với tập liệu 94 ảnh đầu vào, lọc Gabor kết thu hình 3.3 Đường màu xanh thể thời gian chưa cải tiến, đường mầu đỏ kết việc cải tiến lọc Gabor, tốc độ cải tiến trình nâng cao chất lượng trích chọn đặc trưng đáng kể 42 600 400 (ms) 200 131721252933374145495357616569737781858993 Hình 3 Kết cải tiến lọc Gabor 3.4.3 Kết cải tiến với lọc STFT Với tập liệu thực nghiệm 20 ảnh đầu vào, lọc STFT ta thu kết hình 3.4 Đường màu xanh thể thời gian sau cải tiến, đường màu đỏ thê kết ban đầu nâng cao chất lượng ảnh lọc STFT Qua hình 3.4 ta thấy kết sau cải tiến để nâng cao tốc độ thi hành lọc STFT thay đổi định 0.7 0.6 0.5 0.4 0.3 0.2 0.1 Hình Kế 43 KẾT LUẬN CHUNG Kết đạt đƣợc luận văn Với kết thu trên, ta thấy kết việc cải tiến tốc độ lọc hiệu Kết hữu ích hệ thống thực tế vận hành mà có tập liệu lớn như: ứng dụng nhận dạng vân tay vào quản lý lái xe, quản lý dân số, quản lý thay cho chứng minh thư… Với cách tiếp cận giảm thiểu bước tính tốn trung gian, tính trước giá trị xấp xỉ được, luận văn thử nghiệm kỹ thuật cải thiện tốc độ nâng cao chất lượng ảnh vân tay đánh giá bước đầu cho phép khẳng định ưu điểm mặt tốc độ, đảm bảo chất lượng kỹ thuật cài đặt Kết thu luận văn cho phép cải thiện tốc độ trích rút đặc trưng vân tay hệ thống nhận dạng vân tay Hƣớng nghiên cứu Kết luận văn bước đầu cho thấy nghiên cứu cải thiện tốc độ trích rút đặc trưng vân tay hệ thống nhận dạng vân tay mà không ảnh hưởng đến chất lượng ảnh so với trước chưa cải tiến Tiếp theo, luận văn hướng đến nghiên cứu, tìm hiểu số phương pháp, kỹ thuật đại phục vụ so khớp đặc trưng vân tay với số lượng lớn 44 TÀI LIỆU THAM KHẢO Tiếng Anh [1] Mazumdar, Subhra; Dhulipala, Venkata (2008) "Biometric Security Using Finger Print Recognition" University of California, San Diego p [2] Keming Mao, Zhiliang Zhu, Huiyan Jiang, ―A Fast Fingerprint Image Enhancement Method‖, Third International Joint Conference on Computational Science and Optimization, IEEE, 2010 [3] Patil, Ashwini R, Zaveri, Mukesh A ―A Novel Approach for Fingerprint Matching Using Minutiae‖, Mathematical/Analytical Modelling and Computer Simulation (AMS), 2010 Fourth Asia International Conference, 26-28 May 2010 [4] D Maltoni, D Maio, A.K Jain, S Prabhakar, Handbook of Fingerprint Recognition, Springer, New York, Springer Professional Computing, 2009 [5] Robert Muller, User requirement document, 2011 [6] Sea Solution, Fingerprint Software Design, 2/2012 [7] Information Technology — Biometric data interchange Formats — Part 2: Finger minutiae data ISO/IEC 19794-2:2005 [8] Data Sheet - 3D TouchPrint - Optical Fingerprint Recognition USB Module KIA U- 5110 B3, version 1.1, 2011 [9] Programmer’s Guide for Fingerprint’s SDK, 3D TouchPrint® Optical Fingerprint USB Module KGTU- 5510 A/B, version 1.2, 2011 [10] User’s Manual for Fingerprint’s SDK - 3D TouchPrint® - Optical Fingerprint USB Module KGTU-5110A, version 1.0, 2011 [11] Papoulis and Pillai.Probability, Random Variables and Stochastic processes Mc Graw Hill, 2002 4th edition [12] L Hong, Y Wang, and A K Jain Fingerprint image enhancement: Algorithm and performance evaluation.Transactions onPAMI, 21(4):777–789, August 1998 [13] N Otsu A threshold selection method from gray level histograms.IEEE Transactions on Systems, Man and Cybernetics,9:62–66, 1979 [14] Sonka, Hlavac, and Boyle.Image Processing, Analysis and Machine Vision, second edition Thomson Asia, 2004 [15] INGERPRINT IMAGE ENHANCEMENT USING STFT ANALYSISSharat S Chikkerur, Alexander N Cartwright and Venu Govindaraju [16] A Ravishankar Rao.A Taxonomy of Texture Descriptions Springer Verlag [17] B.G.Sherlock, D.M.Monro, and K.Millard Fingerprint enhancement by directional fourier filtering InVisual Image Signal Processing, volume 141, pages 87– 94, 1994 [18] C I Watson, G T Candela, and P J Grother Comparison of fft fingerprint filtering methods for neural network classification.NISTIR, 5493, 1994 [19] L Hong, Y Wang, and A K Jain Fingerprint image enhancement: Algorithm and performance evaluation.Transactions onPAMI, 21(4):777–789, August 1998 [20] C Wilson et al ―Fingerprint Vendor Technology Evaluation 2003: Summary of Results and Analysis Report‖, NISTIR 7123 NIST 2004 45 Tiếng Việt: [21] Nguyễn Đức Huân (2006), Nghiên cứu phát triển ứng dụng nhận dạng vân tay, Khóa luận tốt nghiệp đại học, Trường Đại Học Công Nghệ, Đại học Quốc Gia Hà Nội, tr.7-9 Internet [22] Sharat Chikkerur, https://sites.google.com/site/sharatchikkerur/code, Jan 21, 2009, 3:52 PM 46 PHỤ LỤC Phụ lục 1: Các thuật toán sử dụng lọc Gabor Giảm nhiễu Sensor Function SubstractNoise Input: BYTE *inImg: pointer to the input image buffer BYTE *noiseImg: pointer to the noise buffer Output: BYTE *oImg: pointer to the result image buffer Params: BYTE pNoiseGray: a parameter to increase the image histogram, default=64 Begin for (each pixel i in inImg) oImg[i] = (BYTE)(inImg[i] - noiseImg[i] + pNoiseGray; End Tăng độ tương phản Function BoostImgContrast Input: BYTE *inImg: pointer to the input image buffer Output: BYTE *oImg: pointer to the result image buffer Begin Compute the gray & max value of all inImg pixels; for (each pixel inImg[i]) oImg[i] = (inImg[i] - min) * 255 / (max - min); End Phân mảnh chuẩn hóa ảnh Function SegmentNormImg Input: 47 BYTE *inImg: pointer to the input image buffer Output: BYTE * segImg: pointer to the result image buffer Params: BYTE pSegWin ;// window size of block for default segmentation, =16 ;//threshold BYTE pSegThreshold background/foreground; to separate default = 90 Begin Compute the gray & max value of all inImg pixels; for (j,i are the first row/col in each block k of inImg){ Compute the mean gray value Mk of current block k; Compute the variance Vk of current block k; If (Vk > pSegThreshold){ // foreground Normalize all pixels in current block Bk; Change the last bit of all pixels of Bk to (that means the ROI) }else{//background Change the last bit of all pixels of Bk to 0; } } End Lọc Gabor Function FilterGabor Input: BYTE * norImg: pointer to the segmented&normalized image buffer Output: int *filteredImg: pointer to the result image buffer after filter Params: BYTE pOrientWin;// window size for orientation estimation; default=8 BYTE pFixFreq;//fix frequency constant; default = 19 BYTE pGaborWin;// window size for Gabor filter; default = 48 Begin Estimate the orientation of each image blocks (no-overlap) sized pOrientWin; of For each pixel P(i,j) If P(i,j) is background, filteredImg(i,j)=0; Else{ Get the orientation O of current pixel (0-1800); Get the frequency F of current pixel (=pFixFreq); Compute the sum H of Gabor filter for all pixels in centered at i,j; sized of pGaborWin; block filteredImg[pos] = (int)H | 1; //assume this is in foreground } } End Phục lục 2: thuật toán sử dụng lọc STFT Xác định hướng đường vân function [gimg,oimg] = orientation_image_rao(x) % - %parameters % - alpha N % - %smoothen the image % - msk x x % - %obtain % - hy hx gx gy 49 gmag theta % - %perform averaging % - oimg gimg [h,w] for ii=1:N:h-N+1 oln gln for t = atan2(num, (den+1e-5)); t(t