Cơ sở dữ liệu dùng để thực nghiệm trong luận văn là cơ sở dữ liệu FVC2004-DB1 tập A với 800 ảnh vân tay của 100 người (mỗi vân tay có 8 bản ảnh khác nhau) thu được từ thiết bị cảm biến cho ảnh chất lượng thấp. Mỗi ảnh vân tay trong cơ sở dữ liệu này có kích thước là 640 x 480 điểm ảnh và độ phân giải là 500 DPI (dots per inch). Cơ sở dữ liệu này chứa rất nhiều ảnh vân tay chất lượng thấp, có nhiều nhiễu như: các vết thẹo, vết đứt đường vân, vân tay ẩm,… 4.2 So sánh kết quả nâng cao chất lượng ảnh giữa phương pháp tháp phân rã của nhóm Bigun trong luận văn và một số phương pháp khác.
Trong phần này tác giả chủ yếu so sánh một cách định tính giữa phương pháp được sử dụng trong luận văn và phương pháp lọc Gabor thông qua một số hình ảnh trong tập CSDL FVC-2004-DB1 tập A.
.
Hình 4-1: Kết quả nâng cao chất lượng ảnh đối với ảnh vân tay chất lượng cao (99-5) và chất lượng thấp (1-7) trong FVC2004-DB1: a) Ảnh gốc, (b) Ảnh nâng cao chất lượng bằng bộ lọc Gabor, (c) Ảnh nâng cao chất lượng theo phương pháp của Chikkerur, (d) Ảnh nâng cao
chất lượng bằng tháp phân rã (sử dụng trong luận văn).
Hình 4-1 miêu tả 2 ảnh vân tay, chất lượng ảnh cao (ảnh 99_5.tif ở hàng trên) và ảnh chất lượng thấp (ảnh 1_7.tif ở hàng dưới) lấy từ cơ sở dữ liệu FVC2004-DB1 cùng với những phiên bản ảnh của chúng đã được nâng cao chất lượng dựa trên kỹ thuật lọc Gabor và phương pháp sử dụng tháp lọc phân rã được sử dụng trong luận văn. Theo nhận xét của một số chuyên gia phương pháp nâng cao chất lượng ảnh vân tay bằng tháp phân rã được sử dụng trong luận văn không
tạo thêm “nhiễu” vào ảnh và tạo độ tương phản cao giúp cho ảnh thể hiện rõ giữa vân và rãnh đồng thời cho kết quả thực hiện tốt hơn nhiều so với kỹ thuật lọc Gabor.
Hình 4-2: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 1-3.tif; (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã.
Hình 4-3: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 2-2.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã.
Hình 4-4: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 3-2.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã.
(a) (b) (c)
Hình 4-5: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 4-3.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã.
Hình 4-6: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 5-2.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã.
Hình 4-7: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 6-2.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã.
(b) (c)
(a)
(a) (b) (c)
Hình 4-8: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 7-3.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã.
Hình 4-9: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 8-2.tif; (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã.
Hình 4-10: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 9-2.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã.
(b) (c) (a) (b) (c) (a) (b) (c) (a)
Hình 4-11: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 10-1.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã.
4.3 So sánh kết quả phát hiện minutiae giữa phương pháp nhị phân ảnh và phương pháp lọc đối xứng xoay của nhóm Bigun pháp lọc đối xứng xoay của nhóm Bigun
4.3.1 So sánh về thời gian xử lý
Để so sánh về thời xử lý giữa 2 phương pháp trích chọn minutiae: phương pháp trích chọn minutiae từ ảnh nhị phân và phương pháp trích chọn minutiae bằng phép lọc đối xứng xoay; tác giả đã cài đặt cả hai phương pháp này.
Cấu hình máy tính dùng để thực nghiệm là cá nhân để bàn với bộ xử lý AMD Athlon II X4-640 Dual Core Processor 5000+: 3.2GHz, RAM 2GB, cache L2 4x512Kb, hệ điều hành Windows’XP Professional, tác giả đã thực nghiệm chương trình và ghi nhận thời gian trung bình của hai phương pháp này đối với cơ sở dữ liệu FVC2004-DB1 trong bảng 4-1 cho thấy phương pháp rút trích từ ảnh xám trong luận văn có thời gian xử lý ít hơn so với phương pháp rút trích từ ảnh nhị phân có thông qua giai đoạn làm mảnh.
(b) (c)
Bảng 4-1: Thời gian xử lý trung bình các bước và tổng thời gian của phương pháp rút trích minutiae của một vân tay có qua giai đoạn làm mảnh và phương pháp nâng cao chất lượng ảnh bằng tháp lọc phân rã và trích chọn đặc trưng bằng phép lọc đối xứng xoau được sử dụng trong luận văn.
Thời gian xử lý của phương pháp rút trích minutiae của 1 vân tay có thông qua giai đoạn làm mảnh (đơn vị tính: ms)
Thời gian xử lý trung bình của phương pháp của nhóm Bigun được sử dụng trong luận văn (Đơn vị tính: ms)
Chuẩn hóa 7.5 Chuẩn hóa 7.5
Ước lượng hướng 67.3 Ước lượng hướng 67.3
Tính khoảng cách đường vân 15.5 Nâng cao chất lượng ảnh 620 Nâng cao chất lượng ảnh 926
Rút trích minutiae trực tiếp
từ ảnh xám 357.3
Làm mảnh 30.5
Rút trích minutiae 26.8
Tổng cộng: 1098.6 1052.1
4.3.2 So sánh kết quả phát hiện minutiae
Để kiểm chứng chính xác của việc phát hiện minutiae của thuật toán trong luận văn, tác giả tiến hành như sau:
- Chọn ra 30 ảnh ngẫu nhiên.Chuyên gia kiểm nghiệm số minutiae thực tế và ghi nhận lại.
- Cho chương trình cài đặt và phát hiện minutiae có quá trình làm mảnh đường vân và sử dụng giá trị Crossing Number.
- Đếm số minutiae chính xác so với chuyên gia (lệch trong ngưỡng cho phép là hình tròn có bán kính 9 điểm ảnh). Đếm số minutiae phát hiện bị sai của thuật toán so với chuyên gia. Quá trình đếm không tính những minutiae ở đường biên của vân tay.
- Cho chương trình cài đặt trích chọn minutiae trực tiếp từ ảnh xám của nhóm Bigun được sử dụng trong luận văn.
- Đếm số minutiae chính xác so với chuyên gia (lệch trong ngưỡng cho phép là hình tròn có bán kính là 9 điểm ảnh). Đếm số minutiae phát hiện bị sai của
thuật toán so với chuyên gia. Quá trình đếm không tính tới những minutiae ở đường biên của ảnh vân tay.
Hình 4-12: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 1_3.tif, (b) Phương pháp làm mảnh, (c) Phương pháp lọc đối xứng xoay.
Hình 4-13: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 2_2.tif, (b) Phương pháp làm mảnh, (c) Phương pháp lọc đối xứng xoay.
Hình 4-14: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 3_2.tif, (b) Phương pháp làm mảnh, (c) Phương pháp lọc đối xứng xoay.
(a) (b) (c)
(a) (b) (c)
(b)
Hình 4-15: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 4_3.tif, (b) Phương pháp làm mảnh, (c) Phương pháp lọc đối xứng xoay.
Hình 4-16: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 5_2.tif, (b) Phương pháp làm mảnh, (c) Phương pháp lọc đối xứng xoay.
Hình 4-17: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 6_2.tif, (b) Phương pháp làm mảnh, (c) Phương pháp lọc đối xứng xoay.
(a) (b) (c)
(a) (b) (c)
Hình 4-18: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 7_3.tif, (b) Phương pháp làm mảnh, (c) Phương pháp lọc đối xứng xoay.
Hình 4-19: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 8_2.tif, (b) Phương pháp làm mảnh, (c) Phương pháp lọc đối xứng xoay.
Hình 4-20: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 9_2.tif, (b) Phương pháp làm mảnh, (c) Phương pháp Phương pháp lọc đối xứng xoay.
(a) (b) (c)
(a) (b) (c)
Hình 4-21: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 10-1.tif, (b) Phương pháp làm mảnh, (c) Phương pháp Phương pháp lọc đối xứng xoay.
Kết quả phát hiện minutiae của phương pháp được sử dụng trong luận văn được so sánh với hướng trích chọn minutiae từ ảnh nhị phân (có thông qua giai đoạn làm mảnh) được thể hiện từ hình 4-2 đến hình 4-9 Kết quả thực nghiệm chi tiết của luận văn được trình bày trong bảng 4-2.
Bảng 4-2: Kết quả thực nghiệm phát hiện minutiae của hai phương pháp dựa vào Crossing Number và phương pháp lọc đối xứng xoay.
Ảnh vân tay Số minutiae thực tế (chuyên gia đếm)
Phương pháp nhị phân Phương pháp lọc đối xứng xoay
Số minutiae đúng Số minutiae sai Tỉ lệ % đúng Tỉ lệ % sai Số minutiae đúng Số minutiae đúng Tỉ lệ % đúng Tỉ lệ % sai 1_2.tif 38 35 4 92.11 10.53 35 3 92.11 7.89 2_3tif 58 55 3 94.83 5.17 56 4 96.55 6.90 5_8.tif 47 43 4 91.49 8.51 44 3 93.62 6.38 6_4.tif 42 40 3 95.24 7.14 41 2 97.62 4.76 7_2.tif 29 27 3 93.10 10.34 27 2 93.10 6.90 8_2.tif 64 61 2 95.31 3.13 61 4 95.31 6.25 9_3.tif 42 40 3 95.24 7.14 40 3 95.24 7.14 10_6.tif 28 26 3 92.86 10.71 26 2 94.34 7.14 12_8.tif 42 41 2 97.62 4.76 41 3 97.62 7.14 15_7.tif 41 40 3 97.56 7.32 40 3 97.56 7.32 16_2.tif 42 40 3 95.24 7.14 39 3 92.86 7.14 17_4.tif 28 27 2 96.43 7.14 27 1 96.43 3.57 (a) (b) (c)
19_6.tif 29 27 3 93.10 10.34 28 3 96.43 10.34 20_7.tif 32 30 4 93.75 12.50 31 2 96.88 6.25 22_1.tif 25 24 2 96.00 8.00 24 2 96.00 8.00 25_7.tif 41 39 3 95.12 7.32 40 3 97.56 7.32 26_3.tif 38 36 4 94.74 10.53 36 2 94.74 5.26 28_1.tif 49 45 5 91.84 10.20 47 3 95.92 6.12 29_8.tif 40 37 4 92.50 10.00 38 4 95.00 10.00 30_6.tif 42 38 4 90.48 9.52 39 4 92.86 9.52
Tỉ lệ đúng, sai trung bình trên 20 ảnh 94.23 8.37 Trung bình 20 ảnh 95.32 7.06
Độ lệch chuẩn trung bình ∆ 3.75 4.13 2.66 3.49
4.4 Kết luận
Kết quả thực nghiệm đối với 20 ảnh vân tay của cở sở dữ liệu FVC2004- DB1, tập A trong bảng 4-2 chỉ ra phương pháp của nhóm Bigun được sử dụng trong luận văn có tỉ lệ phát hiện minutiae đúng cao hơn phương pháp nhị phân; đồng thời tỉ lệ phát hiện minutiae sai thấp hơn so với phương pháp phát hiện minutiae có qua giai đoạn làm mảnh đường vân. Độ lệch chuẩn của phép đo số minutiae đúng và số minutiae sai đối với phương pháp lọc đối xứng xoay trong luận văn cũng thấp hơn so với độ lệch chuẩn của phép đo số minutiae đúng và số minutiae sai có qua giai đoạn nhị phân và làm mảnh. Kết quả này cho chúng ta thấy, với 20 ảnh ngẫu nhiên của của cở sở dữ liệu FVC2004-DB1, tập A chỉ ra rằng phương pháp rút trích minutiae của nhóm Bigun được sử dụng trong luận văn tốt hơn so với phương pháp rút trích minutiae có thông qua giai đoạn làm mảnh. Do thời gian không cho phép đề tài chỉ tập trung giải quyết đưa ra phương pháp và tiến hành cài đặt chương trình minh họa việc nâng cao chất lượng ảnh vân tay và trích chọn minutiae từ ảnh xám trên cơ sở dữ liệu vân tay có chất lượng thấp.
KẾT LUẬN
Bài toán nhận dạng vân tay hiện nay được ứng dụng rất rộng rãi trong nhiều lĩnh vực của đời sống xã hội. Song đối với cơ sở dữ liệu lớn việc truy tìm ảnh vân tay gặp nhiều khó khăn và thách thức. Đặc biệt, đối với ảnh vân tay có chất lượng thấp. Vấn đề đặt ra trong bài toán nhận dạng vân tay là việc xác định số lượng minutiae và vị trí của chúng trong ảnh vân tay một cách chính xác. Trong luận văn tác giả đã nêu ra các phương pháp tiến hành giải quyết bài nhận dạng đối với ảnh vân tay có chất lượng thấp, luận văn sử dụng phương pháp nâng cao chất lượng ảnh vân tay bằng tháp phân rã và trích chọn minutiae bằng phép lọc đối xứng xoay của nhóm Bigun. Để có cái nhìn chính xác về kết quả đạt được của luận văn, tác giả đã so sánh phương pháp của nhóm Bigun với một số phương pháp được sử dụng thông dụng trước đây, đó là nâng cao chất lượng ảnh bằng lọc gabor và trích chọn minutiae từ ảnh nhị phân có thông qua giai đoạn làm mảnh. Việc so sánh này được thực nghiệm trên cơ sở dữ liệu ảnh vân tay FVC2004-DB1, tập A. Đây là cơ sở dữ liệu dùng để so sánh trong các cuộc thi về nhận dạng vân tay. Tập cơ sở dữ liệu này gồm 800 ảnh vân tay của 100 người (mỗi vân tay có 8 bản khác nhau). Mỗi cơ sở dữ liệu này có kích thước là 640 x 480 điểm ảnh và có độ phân giải là 500 DPI (dots per inch). Cơ sở dữ liệu này có rất nhiều ảnh vân tay chất lượng thấp có chứa nhiễu như: ảnh bị mờ, vết dơ, vết theo, nét đứt,… Kết quả thực nghiệm đã chứng minh rằng: Phương pháp rút trích minutiae ảnh vân tay được sử dụng trong luận văn có thời gian xử lý nhanh hơn và kết quả rút trích tốt hơn so với phương pháp nhị phân có qua giai đoạn làm mảnh. Do đó, phương pháp được sử dụng trong luận văn là hợp lý và phù hợp với bài toán nhận dạng vân tay trên cơ sở dữ liệu chất lượng thấp. Tuy nhiên, đối với ảnh vân tay có chất lượng thấp cho kết quả vẫn còn có những hạn chế nhất định. Vì vậy, hướng phát triển của đề tài là nghiên cứu kỹ thuật nâng cao chất lượng ảnh thông qua bộ lọc dựa trên mờ (Fuzzy Based Filtering Technique) để loại bỏ nhiễu và cải thiện cường độ sáng của ảnh vân tay, tăng độ tương phản giúp cho chất lượng ảnh được nâng cao[13]; đồng thời nghiên cứu cài đặt thuật toán so khớp minutiae cho ảnh vân tay.
TÀI LIỆU THAM KHẢO
* Tiếng Việt:
[1 ] Văn Thiên Hoàng (2009), Truy tìm ảnh vân tay trên cơ sở dữ liệu gom nhóm, tr. 3-30.
[2 ] Hoàng Quốc Minh (2009), Xây dựng thư viện phần mềm trên họ Arm phục vụ bài toán nhận dạng vân tay, tr. 20-22; 33-37.
[3 ] Phạm Nguyễn Minh Nhựt (2001) “Nghiên cứu việc nâng cấp ảnh vân tay và trích chọn điểm minutiae”, Tr. 13-17; 24-33.
[4 ] Lê Hoàng Thái, Mai Thị Hải (2009) “Phát triển môn hình Artmap cho trích chọn minutiae ảnh vân tay”, Tuyển tập công trình nghiên cứu Công nghệ thông tin và truyền thông, 2009, ITCFIT 2009.
[5 ] Nguyễn Thanh Thuỷ, Ngô Quốc Tạo và nhóm Trung tâm tính toán hiệu năng cao trường ĐHBK Hà nội (2003), Xây dựng hệ thống lưu trữ và nhận dạng vân tay BKAFIS, Khoa CNTT trường ĐHBK Hà nội, viện CNTT
* Tiếng Anh:
[6 ] Chaohong Wu (2007), Advanced Feature Extraction Algorithms For Automatic Fingerprint Recognition Systems, a dissertation submitted to the faculty of the graduate school of state university of new york at buffalo in partial fulfillment of the requirements for the degree of doctor of philosophy , tr. 4- 19.
[7 ] Dario Maio and Davide Maltoni, (1997) “Direct Gray-Scale Minutiae Detection In Fingerprints”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 19, No. 1, January 1997.
[8 ] Hartwig Fronthaler, Klaus Kollreider, and Josef Bigun (2008), “Local Features for Enhancement and Minutiae Extraction in Fingerprints”, IEEE Transactions on image processing, Vol. 17, No. 3, march 2008.
[9 ] Lin Hong, Yifei Wan, Anil Jain, Fellow, (1998) “FingerPrint images Enhanment: Algorithm performance Evaluation, IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 20, NO. 8, AUGUST 1998, tr. 777-784.
[10 ] Manvjeet Kaur, Mukhwinder Singh, Akshay Girdhar, and Parvinder S. Sandhu (2008), “Fingerprint Verification System using Minutiae Extraction Technique”, World Academy of Science, Engineering and Technology 46 2008. tr. 497 – 500.
[11 ] Mayank Agarwal (2006), “Multi-Impression Enhancement of Fingerprint Images”, Thesis Submitted to the College of Engineering and Mineral Resources at West Virginia University in partial fulfillment of the requirements for the degree of Master of Science in Electrical Engineering, tr 79 – 84.
[12 ] Raymond Thai (2003) Fingerprint Image Enhancement and Minutiae Extraction. This report is submitted as partial fulfilment of the requirements for the Honours Programme of the School of Computer Science and Software Engineering,The University of Western Australia, 2003, tr. 7 – 17; 29-39. [13 ] K. Srinivasan, C. Chandrasekar, (2012) “An Efficient Fuzzy Based Filtering
Technique for Fingerprint Image Enhancement”, American Journal of Scientific Research ISSN 1450-223X Issue 43(2012), pp. 125- 140, © EuroJournals Publishing, Inc 2012.
[14 ] F. Zhao, X. Tang, (2007) "Preprocessing and postprocessing for skeleton- basedfingerprint minutiae extraction", Pattern Recognition, cuốn 40, trang 1270–1281.
[15 ] The Future of Biometrics Market Research Report, Acuity Market Intelligence, 40 Mechanic Street, Millburn, NJ 07041 USA, june 10th, 2012
<http://www.acuity-mi.com/FOB_Report.php>
[16 ] International Biometric Group, New York, NY; 1.212.809.9491, may 10th, 2011, <http://multibiometrics.us/BiometricsTheAnatomylesson.aspx>
PHỤ LỤC
1. Cơ sở dữ liệu FVC 2004
Cơ sở dữ liệu của cuộc thi về vân tay quốc tế FVC2004:
http://bias.csr.unibo.it/fvc2004/databases.asp
Cơ sở dữ liệu
Loại cảm biến
(Sensor) Kích thước Số lớp Độ phân giải
DB1 Cảm biến quang học 640 x 480 (307pixels) 100 500dpi DB2 Cảm biến quang học 328 x 364 (119 pixels) 100 500dpi DB3 Cảm biến nhiệt 300 x 480 (108 pixels) 100 512dpi DB4 SfinGe v3.0 288 x 384