o quá tr nh định danh với một tập CSDL lớn đòi hỏi việc tính toán lớn, giai đoạn lọc vân tay trước thường được s dụng để lọc nhanh các mẫu là ứng viên trước khi thực hiện bước đối sánh chi tiết. Quá tr nh đối sánh thường s dụng các môi trường tính toán hiệu năng cao như cụm máy tính cluster , bộ x lý đồ họa GPU.
1.2.Đặc trƣng trích xuất từ ảnh vân tay
Vân tay là những vết l n trên ngón tay tạo nên các đường cong. Các đường vân thường chạy song song với nhau, các đường vân có thể thay đ i hướng và có thể kết thúc đột ngột. Các đặc trưng được trích xuất từ ảnh vân tay được chia thành các mức khác nhau, dựa vào đặc trưng được quan sát từ mức bao quát xa hay được quan sát mức chi tiết [49].
Các đặc trưng thuộc mức 1 là các đặc trưng có thể dễ dàng xác định b ng mắt. Trong thông tin mức 1 gồm các hướng đường vân tại một điểm ảnh và các điểm đơn nhất từ ảnh vân tay singular point H nh 1.3)
Hình 1.3: Thu c t nh m c m th n t n v các h n đ n vân a v th n t n v các đ m đ n nh t m u đ đ m m u anh đ m tam phân
Thông tin về hướng đường vân thường được tính dựa trên thông tin tại điểm ảnh đó và các giá trị lân cận.
Các điểm đơn nhất của ảnh vân tay được chia làm 2 loại là điểm lõi core và điểm tam phân delta . Điểm lõi là điểm mà tại đó có sự biến thiên đột ngột về hướng của đường vân. Điểm tam phân là điểm hội tụ của các vùng vân có hướng khác nhau. Thông thường m i ảnh vân tay thường chứa từ 1 đến 2 điểm đơn nhất. Có những trường hợp ảnh vân tay có thể thiếu hoặc khó xác định điểm đơn nhất.
Các đặc trưng mức 2 được trích xuất từ ảnh vân tay là các điểm chạc minutiae . Các điểm chạc thường được chia làm 2 loại:
- Điểm kết thúc l n ridge ending : là điểm mà tại đó, đường vân kết thúc. H nh 1.4-a)
- Điểm r nhánh bifurcation : là điểm mà tại đó, một đường vân được tách làm hai đường vân khác nhau H nh 1.4-b).
Hình 1.4: Thu c t nh m c m th n t n v các đ m t th c c a đ n vân a v các đ m đ đ n vân r nhánh
Các đặc trưng mức 3 là các hạt pore trên các đường vân. Thông tin mức 3 cần s dụng các máy qu t vân tay có độ phân giải cao. o đó thông tin mức 3 ít được s dụng trong các hệ thống nhận dạng vân tay.
1.2.1. Thu ảnh vân tay từ bộ cảm biến
Các ứng dụng sinh trắc học dựa trên vân tay phát triển mạnh m nhờ đóng góp quan trọng của quá tr nh lấy mẫu đơn giản. Có hai phương pháp lấy mẫu là dựa trên lăn mực hoặc lấy mẫu s dụng các bộ cảm biến. Có sự đa dạng trong các thiết bị cảm ứng này.
Hình 1.5: Hình ảnh m t số th t ị y mẫu vân tay
H nh 1.5 minh họa h nh ảnh một số thiết bị s dụng trong quá tr nh thu nhận ảnh vân tay.
Các thiết bị lấy mẫu có thể được phân loại dựa trên nguyên lý hoạt động của thiết bị, ví dụ: các thiết bị lấy mẫu dựa trên quang học, dựa trên sóng âm, dựa trên nhiệt hoặc điện.
Các bộ cảm biến dựa trên nguyên lý quang học thường có giá thành rẻ hơn, nhưng dễ bị nhiễu hơn. Cảm biến dựa trên phản xạ sóng âm cho kết quả chính xác hơn và khó bị làm giả, và được s dụng ph biến tuy giá cao hơn các loại cảm biến khác.
1.2.2. Nâng cao chất lƣ ng ảnh vân tay
Chất lượng ảnh vân tay là yếu tố quan trọng ảnh hư ng đến quá tr nh trích chọn đặc trưng và các thuật toán đối sánh. Một ảnh vân tay chất lượng tốt có độ tương phản cao giữa các đường vân và vùng không là vân. H nh 1.6 mô tả chất lượng của các ảnh vân tay giảm dần từ trái sang phải.
Một ảnh vân chất lượng thấp có độ tương phản thấp, nhiều nhiễu. Ảnh có chất lượng thấp dẫn đến phát hiện điểm chạc sai hoặc phát hiện thiếu các đặc trưng từ ảnh vân tay, gây khó khăn cho quá tr nh đối sánh vân tay. Mục đích của thuật toán nâng cao chất lượng ảnh làm tăng độ tương phản các cấu trúc đường vân.
Hình 1.6: T trá san phả ch t n ảnh vân tay ảm d n
Một số cách tiếp cận s dụng bộ lọc Gabor để nâng cao chất lượng ảnh với hai đặc tính: chọn lọc tần số, chọn lọc hướng [24]. Để áp dụng bộ lọc này, cần xác định rõ bốn tham số (, f, x,y). Trong đó là hướng của bộ lọc Gabor, f là tần số của sóng h nh sin, x và y là các h ng số của hàm Gaussian tương ứng theo trục x và y H nh 1.7). tương ứng với hướng của đường vân, f tương ứng với ước lượng số điểm ảnh
giữa các đường vân. Các tham số x và y được lựa chọn giá trị. Nếu hai tham số này có giá trị lớn s loại bỏ được nhiều nhiễu nhưng có thể tạo ra các đường vân sai, nếu quá nhỏ s không hiệu quả trong việc loại bỏ nhiễu.
Với bước nâng cao chất lượng ảnh, bộ lọc Gabor thích hợp để loại bỏ nhiễu, xác định cấu trúc đường vân đúng của ảnh. Bộ lọc Gabor áp dụng tại m i điểm ảnh của ảnh vân tay t ng quát có dạng như sau:
( ) { [ ]} ( )
Hình 1.7: c Ga or
Chikkerur và cộng sự [10 đề xuất phương pháp nâng cao chất lượng ảnh dựa trên phân tích Short Time ourier Transform ST T . So với các phương pháp trên cơ s lọc Gabor, STFT lợi thế hơn ch không yêu cầu việc tính toán chính xác định hướng cục bộ của đường vân và tần số vân tay, phục vụ cho mục đích t m ra các đặc trưng để đối sánh trong giai đoạn cuối của hệ thống nhận dạng. Trong khi các l i cách tiếp cận của bộ lọc Gabor là do sự định hướng đường vân sinh ra cách xác định tần số ảnh dẫn đến việc thiết lập cấu trúc đường vân không hoàn hảo.
Gần đây Sahasrabudhe và cộng sự [65 áp dụng phương pháp học máy, s dụng mô h nh mạng CDBN (Convolutional Deep Belief Network) vào quá tr nh nâng cao chất lượng ảnh vân tay và cho kết quả tốt.
Hình 1.8: Nân cao ch t n ảnh vân tay t trá qua phả ảnh ốc sử dụn c Ga or c STFT v mạn n ron CD N 65
H nh 1.8 minh họa nâng cao chất lượng ảnh vân tay s dụng mạng C N ngoài cùng bên phải cho kết quả tốt so với các phương pháp nâng cao chất lượng ảnh truyền thống s dụng bộ lọc Gabor, ST T. Thực nghiệm trên CS L vân tay VC2002 , phương pháp C N cho sai số R là 7.40, thấp hơn so với s dụng phân tích ST T và Gabor với R tương ứng là 8.79 và 8.47.
1.2.3. Tách đặc trƣng điểm chạc
Có nhiều phương pháp được đề xuất cho quá tr nh trích chọn điểm chạc từ ảnh vân tay đã được nâng cao chất lượng ảnh. Các phương pháp truyền thống thường bao gồm các bước: Đưa về ảnh nhị phân binarization , làm mảnh thinning và cuối cùng là phát hiện điểm chạc.
Quá tr nh nhị phân s chuyển ảnh đa mức xám về ảnh nhị phân, màu đen thể hiện đường và màu trắng thể hiện nền. Phương pháp đơn giản để nhị phân hóa ảnh là s dụng ngưỡng. Tuy nhiên, cách này không phù hợp với các ảnh nhiễu. Phương pháp tốt hơn s dụng các mặt nạ h nh vuông và xoay theo hướng của đường vân.
Mục tiêu của quá tr nh làm mảnh là đưa các đường vân về kích thước đúng một điểm ảnh. Một đặc trưng quan trọng của quá tr nh làm mảnh là giữ các cấu trúc kết nối. Tuy nhiên phương pháp này có thể dẫn tới phát hiện sai các điểm chạc. Các thủ tục hậu x lý để loại bỏ các điểm chạc sai thường được áp dụng.
Hình 1.9: K t quả quá trình nhị phân h a v m mảnh ảnh vân tay
H nh 1.9 minh họa kết quả của quá tr nh nhị phân hóa ảnh và làm mảnh ảnh vân tay.
Trích chọn điểm chạc trên ảnh nhị phân thường dựa trên tính toán giá trị cn( crossing number cho các điểm ảnh [49 . Giá trị cn của m i điểm ảnh được tính dựa trên công thức:
( ) ∑ | ( ) ( )|
Trong đó là các điểm ảnh xung quanh p, ( ) là giá trị các điểm ảnh, và có giá trị trong tập {0, 1}. Các điểm ảnh có giá trị cn là 1 s tương ứng với điểm cuối của đường vân, các điểm ảnh có giá trị cn là 3 s tương ứng với đường vân r nhánh H nh 1.10)
Hình 1.10: G á trị cn a. Đ m trun an . Đ m t th c đ n vân c. Đ m r nhánh 9
H nh 1.11 mô tả kết quả của quá tr nh phát hiện điểm chạc dựa trên ảnh vân tay được nhị phân hóa.
Hình 1.11: K t quả phát h n đ m chạc t ảnh vân tay sử dụn ph n pháp nhị phân v m mảnh
Cách tiếp cận phát hiện điểm chạc dựa trên ảnh nhị phân thường có hạn chế đó là:
– Một số lượng thông tin lớn bị loại bỏ trong quá tr nh nhị phân hóa ảnh. – Quá tr nh nhị phân hóa và làm mảnh thường tiêu tốn thời gian.
– Quá tr nh làm mảnh thường xuất hiện các điểm chạc sai.
Các cánh tiếp cận nhị phân thường không thích hợp khi áp dụng với các ảnh chất lượng thấp.
Phát hiện các điểm chạc trực tiếp trên ảnh đa cấp xám thường được s dụng như phương pháp thay thế. Các phương pháp tiếp cận thường s dụng dựa trên cách tiếp cận của Maio và cộng sự [50 . H nh 1.12 mô tả các bước di chuyển trong quá tr nh phát hiện điểm chạc của thuật toán phát hiện điểm chạc trực tiếp trên ảnh đa cấp xám. Phương pháp tiếp cận thường bắt đầu từ điểm ( ) và đi theo hướng của góc của đường vân, thuật toán tính toán điểm di chuyển đến ( ) b ng cách di chuyển µ điểm ảnh theo hướng . Thuật toán s t m điểm tiếp ( ) là điểm có cường độ sáng cao nhất trong các điểm lân cận với ( ) theo hướng vuông góc với hướng . Quá tr nh di chuyển s tiếp tục cho đến khi kết thúc đường hoặc gặp điểm r nhánh.
Hình 1.12: hát h n đ m chạc tr c t p tr n ảnh đa m c ám
Các điểm chạc có thể phát hiện sai do ảnh hư ng của chất lượng ảnh hoặc các n t đứt trên vân tay. Một số luật có thể được áp dụng để loại bỏ các điểm chạc phát hiện sai. Ví dụ Reddy và cộng sự [87 áp dụng một số luật như loại bỏ các điểm chạc gần đường biên. Các điểm chạc phát hiện cuối đường vân và n m biên thường không đúng là điểm chạc. Một luật khác mà tác giả s dụng đó là loại bỏ các điểm chạc n m quá gần nhau. Các điểm chạc n m gần nhau thường do các n t đứt trên vân tay tạo ra. Peralta và cộng sự [94] x t các điểm chạc là đúng dựa trên tương quan đa giác lồi tạo b i các điểm chạc và ảnh nền của vân tay.
Gần đây các kỹ thuật học máy sâu đã được áp dụng thành công trong các tác vụ trong lĩnh vực thị giác máy.
Hình 1.13: M hình mạn n ron sâu phát h n đ m chạc tr c t p t ảnh vân tay [86]
Jiang và cộng sự [86], Tang và cộng sự [98] đã áp dụng mạng nơ ron tích chập sâu trong phát hiện điểm chạc từ ảnh vân tay cho kết quả tốt so với một số công cụ
thương mại được dùng ph biến. H nh 1.13 minh họa mô h nh mạng nơ rơn tích chập đa tầng được Jiang và cộng sự [86] s dụng trong phát hiện điểm chạc từ ảnh vân tay.
1.3.Bài toán đối sánh vân tay dựa trên điểm chạc
Hình 1.14: Các oạ đ m chạc v th n t n v đ m chạc. Hình a đ m t th c đ n vân. Hình đ m đ đ n vân tách m
H nh 1.14 minh họa 2 loại điểm chạc được s dụng trong thuật toán đối sánh đó là các điểm kết thúc của đường vân và điểm đó đường vân r làm 2 nhánh thông tin đi kèm với điểm chạc được đặc tả với 3 tham số {x,y,θ}, trong đó x,y là vị trí của điểm chạc và θ là góc hướng của điểm chạc.
1.3.1. Phát biểu bài toán
ài toán đối sánh vân tay dựa trên điểm chạc là t m ra tập con các điểm trùng khớp lớn nhất có thể từ 2 tập đặc trưng điểm chạc của hai vân tay cho trước.Ví dụ một ph p đối sánh trong h nh 1.15. Chi tiết bài toán đối sánh giữa 2 tập điểm chạc được định nghĩa như sau:
ịnh nghĩa bài toán đ i sánh [49]: Cho 2 vân tay và được biểu diễn thông qua các tập điểm chạc.
* +, với ( ) , * +, với ( ), j
T m ph p căn ch nh biến đ i h nh học () sao cho tối đa các cặp điểm chạc giữa 2 vân tay có thể phù hợp với nhau.
Hình 1.15: M nh hoạ đố sánh a t p đ m chạc
Quá tr nh căn ch nh thường liên quan đến ph p dịch chuyển và ph p xoay. Và có thể liên quan thêm đến một số ph p biến đ i như :
- T lệ giãn 𝑠 giữa các ảnh vân tay do độ phân giải giữa các ảnh vân tay có thể khác nhau máy qu t vân tay thực thi các chế độ phân giải khác nhau.
- iến đ i vặn m o do lực lấy vân tay khác nhau dẫn đến sự vặn m o. Các mô tả sau không x t sự biến đ i về t lệ và vặn m o.
Công thức hàm sau s đảm nhiệm việc ánh xạ điểm chạc (từ vân tay ) vào b i ph p dịch chuyểnT có giá trị , , - và ph p xoay R theo chiều ngược kim đồng hồ góc tính từ tọa độ gốc : ( )= ( )trong đó: [ ] 0 𝑠 𝑠 𝑠 𝑠 1 [ ] [ ]
2 điểm chạc và được coi là phù hợp sau quá tr nh căn ch nh s dụng hàm () nếu thỏa mãn các ràng buộc:
𝑠 ( ) √( ) ( )
( ) (| | | |)
Gọi hàm ( ) { 𝑠 ( ) ( ) (1.1) - Khoảng cách 𝑠 giữa hai điểm chạc sau khi căn ch nh không vượt quá
ngưỡng ts.
- Sự khác nhau giữa hướng của hai điểm chạc sau khi căn ch nh không vượt quá ngưỡng tθ.
ài toán đối sánh vân tay có thể mô tả: t m ph p biến đ i với bộ tham số ( ) sao cho cực đại:
∑ ( ( ( )) )
Trong đó ( ) là hàm không biết trước để cặp giữa các điểm chạc của vân tay và vân tay .
ài toán đối sánh có thể dễ dàng được giải quyết nếu hàm được biết, trong trường hợp này có thể dễ dàng xác định bộ 3 tham số ( ) từ cặp điểm đối sánh. Trong thực tế các tham số căn ch nh ( ) và hàm thường không biết trước, do đó giải quyết bài toán đối sánh giữa 2 tập điểm chạc là bài toán khó.
H nh 1.16 minh họa một số cặp điểm chạc khoanh tròn được coi là phù hợp nếu thỏa mãn ngưỡng về khoảng cách ts và ngưỡng khác nhau về góc tθ. Thông thường, hai tham số ts và tθ thể hiện c a s chịu l i cho m i ph p so sánh tương ứng.
Tuỳ thuộc vào m i kỹ thuật đối sánh mà chúng ta có thể xác lập giá trị của hai tham số ts và tθ. Chẳng hạn, trong thuật toán MTK Modify Tico Kuosmanen [47], các tác giả đã minh chứng kết quả đối sánh vân tay tốt nhất khi chọn ngưỡng khoảng cách
Hình 1.16: Các c p đ m đ c co ph h p sau quá trình c n ch nh n u th a mãn các n n v hoản cách v c. Các c p đ m đ c hoanh tr n ph h p v
n n hoản cách ts v n n c tθ
1.3.2. Một số khó khăn trong quá trình đối sánh
Một thuật toán đối sánh vân tay s so sánh hai vân tay và thường trả về một giá trị là độ tương đồng, ví dụ một giá trị giữa 0 và 1 hoặc một quyết định là phù hợp hoặc không. Hầu hết các thuật toán đối sánh s dụng các thể hiện trung gian của vân tay thông qua bước trích chọn đặc trưng. Đối sánh vân tay là một vấn đề khó, do một số nguyên nhân như:
- Đặt khác vị trí: cùng một vân tay có thể được đặt các vị trí khác nhau trên