Hầu hết các hệ thống tự động so sánh các vân tay dựa trên đối sánh chi tiết; vì vậy việc trích chọn chi tiết đáng tin cậy là một nhiệm vụ cực kì quan trọng, nhiều nghiên cứu đã được tiến hành theo hướng này. Dù các phương pháp khá khác nhau nhưng hầu hết chúng đều yêu cầu ảnh cấp xám vân tay được chuyển vào ảnh nhị phân. Trong các bước chuẩn hóa đã chuẩn bị một số giai đoạn để làm thuận tiện quá trình nhị phân hóa về sau.Một vài thuật toán chuẩn hóa cung cấp đầu ra là ảnh nhị phân, vì vậy sự phân biệt giữa chuẩn hóa và nhị phân hóa đôi khi bị xóa nhòa. Ảnh nhị phân nhận được bởi quá trình nhị phân hóa thường được qua giai đoạn làm mảnh làm cho độ dày của đường vân giảm xuống một điểm ảnh ( hình 3.31 ). Cuối cùng qua quá trình quét ảnh cho phép phát hiện các điểm ảnh tương ứng với các chi tiết.
Hình 2.7: a)ảnh cấp xám của một vân tay, b) ảnh nhận được khi nhị phân hóa ảnh a), c)ảnh nhận được khi làm mảnh ảnh b).
Vài tác giả đưa ra các phương pháp trích chọn chi tiết làm việc trực tiếp trên các ảnh cấp xám mà không cần nhị phân hóa và làm mảnh. Lựa chọn này được đưa ra do các điều kiện sau:
• Tập các thông tin quan trọng có thể bị mất trong quá trình nhị phân hóa
• Nhị phân hóa và làm mảnh rất mất thời gian; Làm mảnh có thể đưa ra một lượng lớn các chi tiết sai lệch
• nếu thiếu bước chuẩn hóa, hầu hết các kĩ thuật nhị phân hóa không cung cấp các kết quả tốt khi áp dụng với các ảnh chất lượng thấp.
Phương pháp dựa nhị phân hóa
Vấn đề chung của nhị phân hóa được nghiên cứu rộng rãi trong xử lý ảnh và nhận dạng mẫu. Phương pháp dễ dàng nhất sử dụng ngưỡng toàn cục t và được thực hiện bằng cách thiết lập các điểm ảnh có cấp xám nhỏ hơn t về 0 và các điểm ảnh còn lại về 1. Nói chung, các phần khác nhau của ảnh có thể được đặc tính hóa bởi độ tương phản và cường độ khác nhau, vì vậy một ngưỡng đơn là không đủ để nhị phân hóa chính xác. Vì lí do này, kĩ thuật ngưỡng cục bộ thay đổi t một các cục bộ, bằng cách điều chỉnh giá trị của nó theo cường độ cục bộ trung bình. Trong trường hợp ảnh vân tay chất lượng thấp, phương pháp ngưỡng cục bộ không phải lúc nào cũng bảo đảm một kết quả chấp nhận được, và các giải pháp đặc biệt là cần thiết.
Với mục đích cải thiện chất lượng ảnh nhị phân, vài nhà nghiên cứu giới thiệu các kĩ thuật chính quy phủ đầy các lỗ, lọa bỏ các đứt gãy nhỏ, lọa bỏ các cầu giữa các vân. Coetzee và Botha ( 1993 ) xác định các lỗ và kẽ hở bằng cách theo dõi các đường vân từ các cửa sổ điều hợp và loại bỏ chúng bằng cách sử dụng thuật toán màu-blob. Hung ( 1993 ) sử dụng kĩ thuật lọc điều hợp để cân bằng độ rộng vân.
Một khi ảnh xương đã nhận được, một bước quét ảnh đơn giản cho phép phát hiện các điểm ảnh tương ứng với các chi tiết: trong thực tế các điểm ảnh tương ứng với các chi tiết được đặc tính hóa bằng số điểm đi qua. Số điểm đi qua cn( p ) của một điểm ảnh p trong ảnh nhị phân được xác định bằng một phần hai tổng các sai khác giữa các cặp điểm ảnh trong 8 lân cận của p
mod8 1
1
( ) ( ) ( )
2 i i
cn p = ∑val p −val p−
Trong đó p0, p1…p7 là các điểm ảnh láng giềng lân cận của điểm ảnh p và val( p ) thuộc { 0, 1 } là giá trị của điểm ảnh. Điểm p là:
• là điểm vân trung gian nếu cn(p) = 2
• là điểm kết thúc nếu cn(p) = 1;
• là các chi tiết phức tạp hơn ( điểm rẽ nhánh, điểm giao cắt.. ) nếu cn(p) >=3;
Hình 2.8 thể hiện hai ví dụ của quá trình trích chọn đặc tính từ ảnh nhị phân
Hình: Các ví dụ về phát hiện chi tiết trên xương. Các vòng tròn màu trắng và các hộp trắng tương ứng là điểm kết thúc và điểm rẽ hai; Các vòng tròn màu đen và các hộp màu đen tương ứng là các chi tiết đã được lọc
2.7.Lọc chi tiết
Để phát hiện các chi tiết sai làm ảnh hưởng đến các ảnh vân tay nhị phân được làm mảnh, có thể sử dụng vài luật cấu trúc đơn giản. Xiao ( 1991b) xác định hầu hết các cấu trúc chi tiết sai và đưa ra phương pháp loại bỏ chúng. Thuật toán sử dụng dựa trên các luật, yêu cầu các đặc tính số học liên quan đến các chi tiết: chiều dài các vân liên quan ( s ), góc chi tiết, và số các chi tiết đối diện gần kề trong lân cận.
Hình2.9: Các cấu trúc sai cơ bản ( hàng đầu tiên ) và cấu trúc sau khi sửa lỗi ( hàng thứ hai )
Farina, Kovacs-Vajina, và Leone ( 1999 ) đã đưa ra vài luật và thuật toán tiền xử lý chi tiết.
• Các cầu bị loại bỏ khi nhìn nhận chúng trong một điểm chẻ hai sai, chỉ có hai nhánh được căn chỉnh, còn nhánh thứ ba thường vuông góc với hai nhánh còn lại
• Các vân quá ngắn được loại bỏ dựa vào khi so sánh chiều dài vân với khoảng cách trung bình giữa các vân
• Các điểm kết thúc và rẽ hai được kiểm tra: chúng được loại bỏ nếu không thỏa mãn tính hình học topo
Hình 2.10: Tiền xử lý chi tiết theo phương pháp của Farina, Kovacs-vajina, và Leone( 1999). Ở ảnh bên phải, hầu hết các chi tiết sai đã bị loại bỏ từ ảnh
ảnh vân bên trái
CHƯƠNG 3:ĐỐI SÁNH VÂN TAY 3.1.Đặt vấn đề
Một thuật toán đối sánh vân tay so sánh hai vân tay cho trước và trả về độ tương tự ( không làm mất tính tổng quát, có giá trị giữa 0 và 1 ) hoặc một quyết định hai ngôi ( khớp hoặc không khớp ). “Chỉ một vài thuật toán hoạt động trực tiếp trên ảnh vân cấp xám; hầu hết chúng yêu cầu một biểu diễn vân trung gian được dẫn xuất qua gia đoạn trích chọn đặc trưng (đề cập đến ở chương 3 ). Không làm mất tính tổng quát, từ đây về sau chúng ta kí hiệu biểu diễn của vân tay có được qua quá trình tuyển chọn như là mẫu ( T ) và biểu diễn của vân tay được đối sánh như là đầu vào ( I ). Trong trường hợp không có giai đoạn trích chọn đặc trưng, biểu diễn vân tay đồng nhất với chính ảnh cấp xám vân tay.Chúng ta kí hiệu cả ảnh vân tay và các vector đặc trưng ảnh ( như các chi tiết ) là T và I
Trích chọn đặc trưng vân tay và các thuật toán đối sánh khá giống nhau cho các bài toán nhận dạng và kiểm tra vân tay. Bới vì bài toán nhận dạng vân tay ( tìm kiếm một vân tay đầu vào trong một cơ sở dữ liệu có N vân tay ) có thể được thực hiện như là thực hiện tuần tự đối sánh một - một ( kiểm tra ) giữa các cặp vân tay. Sự phân loại vân tay và các kĩ thuật đánh chỉ số thường được sử dụng để tăng tốc độ tìm kiếm trong các bài toán nhận dạng vân tay.
Đối sánh hai ảnh vân tay là một bài toán cực kì khó, chủ yếu do sự thay đổi dấu in của cùng một vân tay. Các yếu tố chính làm các dấu in khác nhau được tổng kết dưới đây:
• Sự đổi chỗ: một ngón tay có thể đặt ở các vị trí khác nhau trên bộ cảm biến làm tịnh tiến ảnh vân tay. Một ngón tay thay đổi chỉ 2mm làm tịnh tiến khoảng 40 điểm ảnh trong cùng một vân tay được quét ở độ phân giải 500dpi
• Sự quay: cùng một vân tay có thể quay ở các góc khác nhau trên bề mặt bộ cảm biến. Mặc dù bộ hướng dẫn ngón tay được gắn trên các máy quét thương mại, nhưng trong thực tế tồn tại sự quay không cố ý lên tới +-20 độ theo chiều dọc.
• Sự chồng chéo từng phần: sự đổi chỗ và sự quay vân tay thường làm cho một phần vân tay bị đổ ra ngoài vùng nhìn thấy của bộ cảm biến, kết quả là xuất hiện sự chồng chéo giữa các vùng cận cạnh của mẫu vân và các vân tay đầu vào
• Sự nhiễu phi tuyến: liên quan đến việc ánh xạ hình ảnh ba chiều sang hình ảnh hai chiều trên bề mặt bộ cảm biến. Ánh xạ này gây ra nhiễu phi tuyến trong việc đọc vân tay do sự mềm dẻo của ngón tay. Thông thường, các thuật toán đối sánh vân tay không quan tâm đến các đặc tính như ánh xạ, và xem một ảnh vân tay là không bị nhiễu bằng cách cho rằng: ảnh vân tay được cung cấp khi người dùng đặt đúng vị trí ngón tay;
1.-Tiếp cận ngón tay vuông góc với bộ cảm biến
2.-Khi ngón tay chạm bề mặt bộ cảm biến, người dùng không ấn mạnh hay xoắn ngón tay
Do sự mềm dẻo của bề mặt da,các phần lực không vuông góc với bề mặt bộ cảm biến gây ra các nhiễu không tuyến tính ( nén lại hay kéo dãn ra ) trong quá trình lấy vân. Nhiễu làm mất khả năng đối sánh các vân tay như là các mẫu cứng
• Điều kiện áp lực và da: cấu trúc các vân của một vân tay có thể thu được chính xác nếu như phần ngón tay được lấy ảnh tiếp xúc đúng quy cách với bề mặt bộ
cảm biến. Một số điều kiện như áp lực ngón tay, ngón tay khô, bệnh ngoài da, ướt, bẩn, độ ẩm không khí – gây ra sự tiếp xúc không đúng quy cách. Hệ quả là, ảnh vân tay lấy được rất nhiễu và mức độ các nhiễu này phụ thuộc vào mức độ các nguyên nhân nêu trên;
• Các lỗi trích chọn đặc trưng: các thuật toán trích chọn đặc trưng là không hoàn hảo và thường có các lỗi số đo. Các lỗi có thể tạo ra ở trong bất kì giai đoạn nào trong quá trình trích chọn đặc trưng ( chẳng hạn: ước lượng ảnh hướng và tần suất, phát hiện số lượng, dạng, vị trí các vùng đơn, phân đoạn vùng vân tay từ nền..).
Cặp ảnh trong hình 3.1 thể hiện tính thay đổi cao có thể đặc tính hóa hai vết hằn khác nhau của cùng một ngón tay
Hình 3.1: Các dấu vân tay thu được của cùng một ngón tay không đối sánh được với nhau do nhiễu phi tuyến ở cặp đầu tiên và do các điều kiện da ở cặp thứ hai bên dưới
Các ảnh vân tay từ các ngón tay khác nhau có thể xuất hiện khá giống nhau ( tính thay đổi thấp ), đặc biệt trong bối cảnh cấu trúc tổng thể ( vị trí các vùng đơn, hướng vân cục bộ…) Mặc dù khả năng một lượng lớn các chi tiết từ các vết ấn của hai vân tay khác nhau có thể so khớp là cực kì nhỏ , những người đối sánh vân tay hướng tới việc sử
dụng các phép căn chỉnh tốt nhất. Họ thường xuyên có ý định khai báo các cặp chi tiết so khớp thậm chí ngay cả khi chúng không trùng khớp hoàn hảo.
Một lượng lớn các thuật toán đối sánh vân tự động đã được đề nghị trong các tài liệu nhận dạng mẫu. Hầu hết các thuật toán này không gặp khó khăn trong đối sánh các ảnh vân tay chất lượng tốt. Nhưng trong đối sánh vân tay tồn tại thách thức ở các ảnh chất lượng thấp và vấn đề đối sánh từng vùng vân tay. Trong trường hợp hệ thống trợ giúp con người AFIS, một thuật toán kiểm tra chất lượng được sử dụng để chỉ lấy và chèn vào cơ sở dữ liệu các ảnh vân tay tốt. Hơn nữa, quá trình xử lý các mẫu vân khó có thể được quản lý. Dù sao, sự can thiệp là không thể trong các hệ thống nhận dạng trực tuyến tự động-những hệ thống này đang có nhu cầu ngày càng tăng trong các ứng dụng thương mại
Thống kê các lỗi không đối sánh sai xuất hiện nhiều trong các thuật toán đối sánh tham dự vào FVC2000 cho thấy hầu hết các lỗi được tạo ra trên 15-20% các ảnh vân tay chất lượng kém. Nói một cách khác, 20% mẫu trong cơ sở dữ liệu chịu trách nhiệm cho khoảng 80% các lỗi không-đối sánh sai. Vài cải tiến trong công nghệ nhận dạng vân tay được chứng minh sau đó hai năm ở FVC2002, nơi mà vài thuật toán được đưa ra đối sánh đúng nhiều ảnh vân tay chất lượng kém. Tuy vậy vẫn có nhu cầu tiếp tục phát triển các hệ thống mạnh có khả năng làm việc với các ảnh vân tay chất lượng kém.
Các phương pháp đối sánh vân tay có thể được phân loại thô vào ba họ:
• Đối sánh dựa độ tương quan: Hai ảnh vân tay được đặt chồng lên và độ tương quan giữa các điểm ảnh tương ứng được tính với sự căn chỉnh khác nhau ( ví dụ với các vị trí và độ quay khác nhau ). Các kĩ thuật dựa độ tương quan được mô trả trong phần 4.2
• Đối sánh dựa vào chi tiết: Đây là kĩ thuật phổ biến nhất và được sử dụng rộng rãi nhất.Chi tiết được trích chọn từ hai vân tay được lưu giữ như là tập các điểm trong một bề mặt hai chiều. Đối sánh dựa chi tiết cơ bản bao gồm tìm kiếm sự căn chỉnh giữa tập chi tiết mẫu và tập chi tiết đầu vào dẫn tới sự so khớp lớn nhất các cặp chi tiết.
• Đối sánh dựa đặc tính vân: trong các ảnh vân tay chất lượng thấp, việc trích chọn chi tiết rất khó khăn. Khi các đặc trưng khác của mẫu vân tay ( ví dụ: hướng và tần suất cục bộ, hình dạng vân, thông tin kết cấu ) có thể được trích chọn một cách tin cậy hơn chi tiết, sự khác biệt của chúng là không cao. Các phương pháp thuộc họ này so sánh các vân tay với các đặc trưng được trích chọn từ các mẫu
vân. Về nguyên lý, đối sánh dựa độ tương quan và đối sánh dựa vào chi tiết có thể xem như là một phần của đối sánh dựa đặc trưng vân, theo cách hiểu mật độ điểm ảnh, vị trí chi tiết là nhưng đặc trưng của mẫu vân ngón tay
Nhiều kĩ thuật khác cũng đã được đề nghị chính thức, về nguyên lý, có thể được xếp vào các họ trên theo các đặc trưng được sử dụng, nhưng chúng ta đề cập để phân loại chúng tách biệt trên cơ sở các kĩ thuật đối sánh. Chúng bao gồm các phương pháp dựa mạng thần kinh và các cố gắng thực hiện đối sánh vân sử dụng các bộ xử lý song song hoặc với các kiến trúc dành riêng khác
3.2. Các kĩ thuật dựa độ tương quan
Để T và I là hai ảnh vân tay tương ứng với vân tay mẫu và vân tay đầu vào. Một số đo trực quan về sự đa dạng ( SSD ) được tính bằng tổng các bình phương khác nhau của các cường độ các điểm ảnh tương ứng:
SSD(T,I) = ||T-I||2
=( T-I )T(T-I) = ||T||2 + ||I||2 -2TTI (1)
Trong đó chỉ số trên T kí hiệu sự hoán vị của một vector. Nếu ||T||2 và ||I||2 là hằng số, sự đa dạng giữa hai ảnh được tối thiểu khi độ tương quan ( CC )) giữa T và I được cực đại CC(T,I ) = TTI. (2)
Đại lượng -2.CC(T,I ) xuất hiện như là đại lượng thứ ba của biểu thức (1). Độ tương quan chéo ( hay gọi đơn giản độ tương quan ) là độ đo tính tương tự giữa hai ảnh. Do sự đổi chỗ và sự quay là không thể tránh khỏi, đặc tính vết ấn của một ngón tay cho trước, tính tương tự giữa chúng không thể đơn giản được tính bằng cách đặt chồng T và I và áp dụng biểu thức (2).
Kí hiệu I(∆x,∆y,θ) thể hiện một sự quay của ảnh đầu vào I bởi một góc θ quanh điểm đầu ( thường là trung tâm ảnh ) và dịch một đoạn ∆x., ∆y dọc theo trục x và y; khi đó độ tương tự giữa hai ảnh T và I có thể được đo như sau:
S(T,I) = max CC(T, I(∆x,∆y,θ)). (3)
Ứng dụng trực tiếp của đẳng thức (3) hiếm khi dẫn tới các kết quả chấp nhận được chủ yếu là do các vấn đề sau:
• Các nhiễu phi tuyến làm cho các vết ấn của cùng một ngón tay khác nhau trong cấu trúc toàn cục; Sự nhiễu mềm dẻo không thay thế mẫu vân tay ở các vị trí cục bộ, nhưng các hiệu ứng của nhiễu được tích hợp trong không gian ảnh, mẫu vân tay toàn cục không thể được tương quan một cách đáng tin cậy
• Điều kiện da và áp lực ngón tay làm cho độ sáng, độ tương phản, độ giày vân thay đổi trong các vết ấn khác nhau. Sử dụng các số đó độ tương quan phức tạp