Để phát hiện các chi tiết sai làm ảnh hƣởng đến các ảnh vân tay nhị phân đƣợc làm mản, có thể sử dụng vài luật cấu trúc đơn gian. Xiao (1991) xác định hầu hết các cấu trúc chi tiết sai và đƣa ra phƣơng 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.
Xử lý ảnh-Sinh trắc ảnh vân tay & trích chọn đặc trưng Page 31
Farina, Kovacs-Vajina và Leone (1999) đã đƣa ra vài luật và thuật toán tiền xử lý chi tiết.
Các cầu bị loại bỏ khi nhìn nhận chúng trong một điểm chr hai sai, chỉ có hai nhánh đƣợc căn chỉnh, còn nhánh thứ 3 thƣờng vuông góc với hai nhánh còn lại.
Các vân quá ngắn đƣợc 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 đƣợc kiểm tra: chúng đƣợc loại bỏ nếu không thỏa mãn tính hình học topo.
Hình 17: Tiền xử lý chi tiết theo phương pháp của Farina, Kovacs-vajina và Leone (1999). Ở ảnh bên phải , hầu hết các chi tiết sau đã bị loại bỏ từ ảnh ảnh vân bên trái.
Xử lý ảnh-Sinh trắc ảnh vân tay & trích chọn đặc trưng Page 32
Chương 3: PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG ẢNH VÂN TAY
Trích chọn đặc trƣng là quá trình rút trích đặc trƣng đại diện cho ảnh vân tay, đƣợc gọi là các chi tiết đặc trƣng , từ ảnh vân tay. Các đặc trƣng đại diện này yêu cầu phải có thuộc tính là khả năng bảo toàn tính đặc thù để phân biệt có trong ảnh vân tay , đồng thời phải có tính cô đọng, hỗ trợ trặt chẽ cho quá trình đối sánh, và ít bị tác động bởi nhiễu hoặc sai lệch trong ảnh vân tay, ngoài ra còn yêu cầu phải dễ tính toán.
Một mẫu các chi tiết đặc trƣng sẽ tạo nên một sựu đại diện hiệu quả và đúng đắn cho một ảnh vân tay. Hiện nay ngƣời ta đã xác định đƣợc gần 150 loại chi tiết đặc trƣng, tuy nhiên phần lớn trong số chúng là không ổn định và rất khó nhận diện. Chỉ có hai loại đặc trƣng nổi bật đƣợc sử dụng trong hầu hết trƣờng hợp là điểm ngừng và điểm phân nhánh. Mỗi loại trong số chúng sẽ có các thuộc tính nhƣ tọa độ x, tọa độ y, và hƣớng. Thông thƣờng trên một ảnh vân tay chất lƣợng tốt sẽ có khoảng 50-100 điểm chi tiết đặc trƣng.
Một thuật toán chích trọn chi tiết đặc trƣng phải vừa tin cậy và vừa hiệu quả. Tính tin cậy của thuật toán thể hiện bằng các yếu tố :
Không tạo ra các chi tiết đặc trƣng giả; Không bỏ sót các chi tiết đặc trƣng thật
Khả năng định vị vị trí và xác định hƣớng của chi tiết đặc trƣng một cách chính xác.
Đảm bảo tính tin cậy của thuật toán là một thử thách rất khó khăn. Vì không phải tất cả các ảnh vân tay đầu vào đều có chất lƣợng hoàn hảo mà có một số đáng kể trong đo có chất lƣợng ảnh trung bình hoặc thấp, trong các ảnh này có cấu trúc của đƣờng vân cùng rãnh vân tại nhiều khu vực là không đƣợc định nghĩa rõ ràng và chính xác vì thế rất dễ tạo nên các sai lầm dẫn đến một số lƣợng các thuật toán giả đƣợc tạo ra, đồng thời một số chi tiết đặc trƣng thật khác lại bị bỏ sót. Vì vậy đối với một thuật toán tốt thì cần có khả năng thích ứng trong chừng mực các tình huống cấu trúc đƣờng vân không rõ ràng hoặc bị sai.
Đối với các thuật toán nhận dạng vân tay tự động, yếu tố về thời gian xử lý cũng đóng vai trò rất quan trọng và nhất là các hệ thống xác minh hoạt động theo
Xử lý ảnh-Sinh trắc ảnh vân tay & trích chọn đặc trưng Page 33
chế độ thời gian thực. Yếu tố này đảm bảo cho tính ứng dụng đúng đắn của chính các hệ thống đó.
Hai thao tác quan trọng quá trình thực hiện trích chọn đặc trƣng là thực hiện trích chọn đƣờng vân và xác định giá trị hƣớng cục bộ. Thao tác trích chọn đƣờng vân có thể đƣợc xem nhƣ là bài toán phân tách đƣờng vân khỏi nền của ảnh. Nhƣng sự phân tách này không thể chỉ dựa trên một giá trị ngƣỡng màu duy nhất mà sự phân tách đòi hỏi phải có tính thích nghi . Một trong những phƣơng pháp đƣợc đề nghị sớm nhất là thuật toán xử lý hai bƣớc của FBI. Thuật toán này nhị phân hóa thích nghi ảnh vân tay đầu vào bằng phƣơng pháp ngƣỡng thích nghi cục bộ dựa trên giá trị hƣớng đƣợc ƣớc lƣợng bằng một công thức so sánh các mặt cắt. Hiệu quả của thuật toán này là khá tốt nếu chất lƣợng ảnh đầu vào cao. Thuật toán Moayer và Fu sử dụng toán tử Laplacian và giá trị ngƣỡng động để thực hiện việc trích chọn đƣờng vân. Chatterjee đã đề nghị một phƣơng pháp theo hƣớng mờ thực hiện áp đặt giá trị ngƣỡng thích nghi để duy trì một số điểm ảnh giá trị 1 và 0 trong vùng cục bộ của nó để từ đó trích chọn ra các đƣờng vân của ảnh. Tuy nhiên những phƣơng pháp trên hầu nhƣ vẫn chƣa khai thác thông tin về hƣớng cục bộ của các đƣờng vân.
Ảnh vân tay là một mẫu dạng các dòng chảy, vì thế hƣớng cục bộ của đƣờng vân có thể cung cấp một thông tin rất quan trọng về tổ chức của các đƣờng vân. Bằng cách kết hợp với thông tin hƣớng cục bộ một cách đúng đắn , hiệu quả có thể đƣợc nâng lên một cách rõ rệt. Mehtre đã đề nghị một thuật toán sử dụng ảnh hƣớng giá trị. Ảnh hƣớng giá trị hƣớng, nó đại diện cho hƣớng cảu đƣờng vân trong khu vực trong khu vực 16x16. Sau đó thuật toán kết hợp với việc sử dụng một tập 8 mặt nạ xoắn để nâng cao chất lƣợng của đƣờng vân và cuối cùng là sử dụng một giá trị ngƣỡng thích nghi cục bộ để trích chọn đƣờng vân. Botha và Coetzee trích chọn đƣờng vân bằng cách sử dụng toán tử Marr-Hidreth và tính hƣớng đƣờng vân trong một vùng lân cận cục bộ. Việc nhị phân hóa đƣợc thực hiện sau đó bằng một thuật toán phân tách, thuật toán này điều khiển giá trị ngƣỡng cục bộ dựa trên hƣớng cục bộ đƣợc ƣớc lƣợng trƣớc đó.
Trong thực tế, sự xuất hiện của các chi tiết đặc trƣng là theo một quy luật nhất định. Vì thế một số heuristic có thể đƣợc sử dụng để hiệu chỉnh các chi tiết đặc trƣng sai. Xiao và Raafat mô tả một phƣơng pháp nhận dạng và loại bỏ các chi tiết đặc trƣng giả bằng cách sự dụng các thông tin về tổ chức các điểm chi tiết đặc
Xử lý ảnh-Sinh trắc ảnh vân tay & trích chọn đặc trưng Page 34
trƣng. Đối với mỗi chi tiết đặc trƣng, các thông số của độ rộng đƣờng vân và các thuộc tính của đƣờng vân nhƣ chiều dài, hƣớng … có thể đƣợc sử dụng để xác định các chi tiết đặc trƣng giả. Szekely đề nghị một phƣơng pháp trích chọn đặc trƣng dựa trên rẽ hƣớng của đƣờng vân.
Trong các phần tiếp theo của báo cáo sẽ trình bày một số thuật toán trích chọn đặc trƣng tiêu biểu, đƣợc sự dụng phổ biến trong các hệ thống dạng vân tay tự động .Do tính phức tạp, tổng hợp nhiều kiến thức của mỗi thuật toán, cùng kiến thức còn hạn chế nên trong báo cáo, nhóm em xin phép chỉ trình bày chi tiết một thuật toán đƣợc sử dụng phổ biến nhất, và giới thiệu một số thuật toán hay dùng trong thực tế.
Thuật toán đầu tiện đƣợc trình bày là dựa vào phương pháp dò theo cạnh hướng đường vân để xác định vị trí và thuộc tính hai loại chi tiết đặc trưng là điểm ngừng và điểm phân nhánh. Thuật toán thứ hai đƣơc trình bày cũng là một trong những thuật toán phổ biến, sử dụng hai mặt nạ xoắn, thực chất là một dạng lọc bandpass, để thực hiện trích chọn đường vân rồi sau đó là thực hiện xác định các loại chi tiết đặc trưng nhƣ thuật toán trên. Thuật toán tiếp theo có nội dung là thực hiện trích chọn dạng chi tiết đặc trƣng mang tính toàn cục hơn, bằng cách sử dụng một tập bộ lọc để nắm bắt điểm đặc trưng toàn cục của đường vân tại những phân vùng của ảnh vân tay. Và thuật toán cuối cùng , khác với các thuật toán trƣớc đó, chủ yếu tập trung trên việc kiểm tra tính đúng đắn và hiệu chính cấu trúc của các đường vân sai mà chúng có thể dẫn đến việc tạo ra các chi tiết đặc trưng giả. Đồng thời thuật toán này cũng thực hiện kiểm tra một cách chi tiết tính đúng đắn của các chi tiết đặc trưng đươc ghi nhận nhằm nhận diện và loại bỏ các chi tiết đặc trưng giả.
Xử lý ảnh-Sinh trắc ảnh vân tay & trích chọn đặc trưng Page 35
Chương 4. CÁC THUẬT TOÁN TRÍCH CHỌN ĐẶC TRƯNG 1. Thuật toán dò cạnh mức xám :
Thuật toán này dò theo cạnh các đƣờng vân mức xám của ảnh vân tay đầu vào và sử dụng bộ lọc thích nghi có định hƣớng chỉ tại những nơi cần thiết phải làm trơn ảnh. Một trong những điểm mạnh đáng chú ý của việc dò theo cạnh của các đƣờng vân tay bằng các đoạn thẳng tuyến tính. Việc phát hiện các đƣờng vân tay vì thế không phải tuân theo từng điểm ảnh nữa mà là theo từng bƣớc (từng đoạn). Do độ cong của các đƣờng vân thay đổi rất nhiều tại những điểm khác nhau vì thế việc dò theo cạnh đƣờng vân phải có khả năng thích nghi với độ cong của đƣờng vân.
Điều này giúp tăng tốc độ của việc dò cạnh rất nhiều nhƣng đồng thời vẫn duy trì đƣợc độ chính xác. Một điểm mới khác trong thuật toán này là các thao tác kiểm tra sau khi xử lý (hậu xử lý). Không giống nhƣ với hầu hết các phƣơng pháp khác, phƣơng pháp này không chỉ dựa vào mối quan hệ về vị trí giữa các điểm chi tiết đặc trƣng mà còn dựa vào mối quan hệ kết nối của các đƣờng vân và mức độ tin cậy xác định của các điểm chi tiết đặc trƣng. Điều này rất quan trọng đối với các ảnh vân tay bị nhiễu, trong đó có thể sẽ có rất nhiều các điểm chi tiết đặc trƣng giả đƣợc phát hiện trong giai đoạn đầu xử lý. Độ tin cậy cho phép chúng ta phân biệt đƣợc giữa các điểm chi tiết đặc trƣng thật với các điểm chi tiết đặc trƣng giả và vì thế nó rất quan trọng cho việc tăng độ chính xác của việc nhận dạng vân tay.
2. Thuật toán :
Một ảnh vân tay mức xám I kích thƣớc HxH có thể đƣợc xem nhƣ là một bố cục có định hƣớng, chứa đựng các đƣờng vân phân cách với nhau bởi các đƣờng rãnh. Đặt g(i,j) là mức giá trị xám của ảnh tại vị trí điểm ảnh (i,j) và φ (i,j) là hƣớng của điểm ảnh đó với 0 < g(i,j) <= 255, - /2 <= φ (i,j) <= /2 với (i,j) ϵ I . Hƣớng φ (i,j) cho biết hƣớng cục bộ của đƣờng vân tại vị trí điểm ảnh (i,j) và có thể đƣợc tính bằng công thức đƣợc nêu ra trong phần trƣớc.
Một đƣờng vân có thể đƣợc xem nhƣ là tập các điểm chạy dọc theo một hƣớng cục bộ, trong đó các giá trị g(i,j) đạt cực đại tại vị trí gần trung điểm của đƣờng phân cách vuông góc với phƣơng cục bộ của đƣờng vân. Vì thế việc xác định đƣờng nét chính của đƣờng vân (đƣờng vân có kích thƣớc rộng 1 điểm ảnh) trở thành việc xác định các giá trị cực đại cục bộ này.
Xử lý ảnh-Sinh trắc ảnh vân tay & trích chọn đặc trưng Page 36
3. Xác định vị trí của các điểm cực đại trên đường phân cách.
Cho trƣớc 1 điểm (i*
,j*), (i*,j*) ϵ I , tập các điểm Ωk của đƣờng phân cách vuông góc với hƣớng cục bộ của đƣờng vân có thể đƣợc định nghĩa nhƣ sau :
Trong đó hàm round là hàm làm tròn tham số của nó đến giá trị nguyên gần nhất và là một hằng số xác định trƣớc. Với công thức CT 3.2.3, ta có - /2 <= φ k
s <= /2.
Việc xác định các điểm cực đại thuộc đƣờng phân cách (Ωk) có ý nghĩa rất quan trọng đến việc xác định một cách chính xác các chi tiết đặc trƣng, do nó có tác động rất lớn đến việc xác định đƣờng nét chính của đƣờng vân trong quá trình dò ảnh. Ảnh đƣờng nét này sau đó đƣợc sử dụng để phát hiện và định vị các chi tiết đặc trƣng của vân tay. Nhiễu và độ tƣơng phản kém của ảnh có thể dẫn đến việc đƣờng vân tay bị gãy, nối bắc cầu giữa các đƣờng vân, thay đổi cƣờng độ mức xám. Điều này có thể dẫn đến việc không thể xác định đƣợc giá trị cực đại tại vị trí trung tâm của đƣờng vân, hoặc trƣờng hợp xấu hơn là vị trí của các giá trị nằm trên đƣờng vân khác. Vì thế một số lƣợng lớn các chi tiết đặc trƣng giả có thể đƣợc tạo ra nếu nhƣ không giảm thiểu các khả năng lỗi trong quá trình định vị các giá trị cực đại này . Để làm trơn và nâng cao chất lƣợng ảnh, cần thiết phải sử dụng một vài kĩ thuật lọc.
Do phƣơng pháp trích chọn đƣờng vân trong thuật toán này là thực hiện xác định đƣờng nét chính của đƣờng vân bằng cách tìm kiếm các điểm giá trị cựa đại và cực tiểu của đƣờng cắt ngang đƣờng vân trong quá trình dò cạnh đƣờng vân mức xám. Nên độ tƣơng phản thấp giữa các đƣờng vân / rãnh và độ tƣơng phản không đồng nhất trong toàn bộ ảnh vân tay sẽ không tác động nhiều đến kết quả của quá trình xác định đƣờng nét chính của đƣờng vân. Vì vậy việc làm sắc nét ảnh là không cần thiết đối với thuật toán phát hiện đƣờng vân này cho dù nó có thể làm tăng chất lƣợng biểu hiện của ảnh. Ngƣợc lại, việc làm trơn ảnh lại có ỹ nghĩa rất
Xử lý ảnh-Sinh trắc ảnh vân tay & trích chọn đặc trưng Page 37
quan trọng nhằm làm giảm các nhiễu, nối lại các đƣờng vân bị gãy và giúp tạo ra các giá trị mức xám cực đại tại vị trí trung tâm đƣờng vân. Cho nên việc sử dụng một bộ lọc low-pass có hƣớng là thích hợp cho mục đích này.
Một bộ lọc low-pass có thể làm giảm các nhiễu , làm trơn các lỗ hổng nhỏ và thậm chí là nối kết các đƣờng vân gãy nếu kích thƣớc của mặt nạ lọc theo hƣớng của đƣờng vân đủ lớn hoặc tần số ngƣỡng đủ thấp. Một bộ lọc low-pass một chiều với tần số ngƣỡng rất nhỏ theo hƣớng của đƣờng vân có thể đƣợc sử dụng do dãy giá trị mức xám một chiều dọc theo hƣớng của đƣờng vân gần nhƣ là hằng số trong cửa sổ cục bộ. Thuật toán này chọn cửa sổ Hamming kích thƣớc N để làm bộ lọc low-pass .
Một điểm ảnh trên đƣờng cắt ngang Ωk đƣợc lọc theo hƣớng của đƣờng vân bằng cách sử dụng một bộ lọc một chiều có chiều dài cố định N (N=11) nhƣ thế.
Theo hƣớng vuông góc với hƣớng của đƣờng vân, bộ lọc low-pass một mặt làm giảm các nhiễu và làm trơn các lỗ hổng nhỏ khác không nối các đƣờng vân song song có khảng cách gần nhau. Tần số ngƣỡng của bộ lọc theo hƣớng vuông góc với hƣớng của đƣờng vân phải thích nghi với tần số của đƣờng vân do dãy giá trị mức xám một chiều dọc theo hƣớng vuông góc với hƣớng của đƣờng vân là một dạng song hình sin. Sóng hình sin này, có cùng tần số với các đƣờng vân và rãnh vân trong cửa sổ cục bộ, phải đƣợc vƣợt qua thao tác lọc.
Tần số của đƣờng vân có thể đƣợc ƣớc lƣợng dựa vào việc tính DFT đƣờng cắt ngang Ωk một chiều, mà nó đã đƣợc lọc bằng hl(n) theo hƣớng đƣờng vân. Việc lọc theo hƣớng đƣờng vân trƣớc khi ƣớc lƣợng tần số đƣờng vân làm tăng độ chính xác của việc ƣớc lƣợng tần số đƣờng vân. Sauk hi ƣớc lƣợng tần số đƣờng vân, tham sô bộ lọc theo hƣớng vuông góc với đƣờng vân đƣuọc điều chỉnh thích