Rõ ràng, thuật toán cải tiến cho kết quả hướng ổn định và tốt hơn nhiều so với thuật toán tìm hướng dựa trên gradient thông thường, và nhỉnh hơn một chút so với thuật toán tìm hướng của Wang, Hu, và Han.
Chương 3. Cải tiến và thực nghiệm
3.11.2. Đánh giá thuật toán tìm tần số vân cục bộ
Để đánh giá thuật toán tìm tần số vân cục bộ, ta so sánh kết quả giữa thuật toán của Hong, Wan, Jain (1998) và thuật toán cải tiến. Kết quả được đánh giá trên nhiều loại ảnh vân tay khác nhau. Dưới đây là minh họa kết quả đánh giá trên hai loại ảnh:
ảnh trong hình 3.19 có nhiều nếp gấp (sử dụng ảnh gốc DB1_B/105_6 ở hình 3.16a), hình 3.20 là ảnh của vân tay bị ẩm (sử dụng ảnh gốc DB3_B/103_5 ở hình 3.17a). Trong mỗi hình, (a) là ảnh tần số dùng thuật toán của Hong, Wan, Jain (1998), (b) là
ảnh tần số dùng thuật toán cải tiến. Trong hai ví dụ này, ta đều thấy ảnh tần số của thuật toán cải tiến trơn hơn so với ảnh tần số của thuật toán Hong, Wan, Jain (1998).
Đối với hình 3.20, ta nhận thấy tần số vân cục bộở vùng giữa của ảnh tần số 3.20a rất không ổn định và không tin cậy. Đó là do ảnh vân tay gốc có các đường vân nằm quá sít nhau, thậm trí không phân biệt được ranh rới giữa chúng. Trong khi đó, ảnh tần số được đánh giá bởi thuật toán cải tiến (hình 3.20b) có vùng giữa với tần sốđược đánh giấu là lỗi (các ô đen), chứng tỏ thuật toán cải tiến có độ tin cậy cao hơn.
(a) (b)
Chương 3. Cải tiến và thực nghiệm
(a) (b)
Hình 3.20: Đánh giá thuật toán tìm hướng vân trên ảnh có vân tay ẩm (DB3_B/103_5).
3.11.3. Đánh giá thuật toán nâng cao ảnh
Dưới đây là minh họa kết quả của thuật toán nâng cao trên ba loại ảnh: ảnh có nếp gấp (hình 3.21), ảnh vân tay ẩm (hình 3.22) và ảnh vân tay khô (hình 3.23). Với mỗi hình, (a) là ảnh gốc, (b) là ảnh nâng cao dùng bộ lọc Gabor, (c) là ảnh nâng cao sau khi nhị phân hóa. Trong các ảnh nâng cao, đa số các đường vân được làm rõ hơn, trơn hơn, và các nét đứt được nối lại. Tuy nhiên thuật toán nâng cao dùng bộ lọc Gabor chưa hiệu quả tại một số vùng nhiễu, do các đường vân quá sít nhau, hoặc hướng và tần số vân cục bộ biến đổi đột ngột. Hình 3.24 cho thấy ảnh hưởng của việc đánh giá vùng bất thường.
Chương 3. Cải tiến và thực nghiệm
(a) (b) (c)
Hình 3.21: Đánh giá thuật toán nâng cao trên ảnh có nếp gấp (DB2_B/103_2).
(a) (b) (c)
Chương 3. Cải tiến và thực nghiệm
(a) (b) (c)
Hình 3.23: Đánh giá thuật toán nâng cao trên ảnh có vân tay khô (DB1_B/101_4).
(a) (b) (c)
Hình 3.24: Hiệu quả của việc đánh giá vùng bất thường; (a) ảnh gốc DB1_B/102_7; (b) ảnh nâng cao không có đánh giá vùng bất thường; (c) ảnh nâng cao có đánh giá vùng bất thường. nâng cao không có đánh giá vùng bất thường; (c) ảnh nâng cao có đánh giá vùng bất thường.
Chương 3. Cải tiến và thực nghiệm
3.11.4. Đánh giá thời gian của các thuật toán
Thực nghiệm chạy trên máy có cấu hình CPU 1.6 Ghz, RAM 512 Mb. Với ảnh 350 x 350, thời gian trung bình của các thuật toán như sau:
Thuật toán Thời gian (s)
Đánh giá hướng 0.43
Đánh giá tần số 0.21
Nâng cao ảnh 1.47
Tổng thời gian 2.11
Một số thuật toán cải tiến trong nâng cao chất lượng ảnh vân tay
KẾT LUẬN
Với mục đích tìm hiểu nhận dạng vân tay nói chung và nghiên cứu sâu giai đoạn nâng cao chất lượng ảnh vân tay nói riêng, luận văn đã đạt được một số thành quả nhất
định, cụ thể như sau:
- Tìm hiểu kiến trúc chung của một hệ thống nhận dạng vân tay tựđộng. Nhờ đó có những định hướng nghiên cứu trong hiện tại và tương lai.
- Nghiên cứu sâu rộng về giai đoạn nâng cao chất lượng ảnh vân tay, giai đoạn mang tính quyết định đến độ chính xác của một hệ thống nhận dạng vân tay tự động. Trong quá trình nghiên cứu, đã tìm hiểu khá nhiều kỹ thuật nâng cao. - Đề xuất một số cải tiến, đặc biệt là các thuật toán tìm hướng vân và tần số vân
cục bộ. Hiệu quả của những cải tiến được khẳng định dựa trên cơ sở toán học và đánh giá bằng thực nghiệm. Các thuật toán cải tiến có độ chính xác cao hơn so với các thuật toán chưa cải tiến và có độ phức tạp tính toán chấp nhận được. - Cài đặt khá hoàn chỉnh một kỹ thuật nâng cao chất lượng ảnh vân tay. Cụ thể
hơn, ta sử dụng bộ lọc Gabor để làm rõ các chi tiết đường vân. Kỹ thuật được
đánh giá trên nhiều dữ liệu vân tay khác nhau như cơ sở dữ liệu vân tay FVC2002, VeriFinger.
- Từ thực nghiệm cũng cho thấy, kỹ thuật nâng cao sử dụng bộ lọc Gabor vẫn tỏ
ra cứng nhắc và có khá nhiều nhược điểm như không hiệu quả tại các vùng có
điểm rẽ nhánh, điểm kết thúc, và các vùng đặc biệt, hay phát sinh các đường vân ảo.
Hướng phát triển trong tương lai
Trên cơ sở những thành quảđạt được, dựđịnh nghiên cứu tương lai như sau:
- Tiếp tục nghiên cứu và cải tiến thuật toán nâng cao chất lượng ảnh vân tay, nhằm cho kết quả tốt hơn. Như ta đã biết, thuật toán nâng cao dùng bộ lọc Gabor không cho kết quả tốt tại các vùng bất thường – nơi các đường vân có hướng thay đổi đột ngột, hoặc những vùng có tần số không ổn định. Do vậy tại các vùng này, ta sẽ sử dụng phương pháp trích chọn đường vân trực tiếp trên
ảnh cấp xám. Nói cách khác, ta sẽ áp dụng một thuật toán lai ghép giữa thuật toán dùng bộ lọc gabor và thuật toán trích chọn đường vân trực tiếp trên ảnh cấp xám, nhằm kết hợp ưu điểm của hai thuật toán này.
Một số thuật toán cải tiến trong nâng cao chất lượng ảnh vân tay
- Tối ưu thuật toán, nhằm giảm độ phức tạp tính toán. Cài đặt hoàn thiện hơn giai
đoạn nâng cao chất lượng ảnh vân tay.
- Nghiên cứu về trích chọn các đặc trưng của vân tay, so sánh vân tay, để tiến tới xây dựng một hệ thống nhận dạng vân tay tựđộng hoàn chỉnh, ứng dụng được trong đời sống.
Một số thuật toán cải tiến trong nâng cao chất lượng ảnh vân tay
TÀI LIỆU THAM KHẢO
Areekul V., Watchareeruetai U., Tantaratana S., 2004. Fast Separable Gabor Filter for Fingerprint Enhancement. First International Conference, ICBA.
Babler W.J., 1991. Embryologic Development of Epidermal Ridges and Their Configuration. Birth Defects Original Article Series, vol. 27, no. 2.
Bazen A.M., Gerez S.H., 2001. Segmentation of Fingerprint Images. Proc Workshop on Circuits Systems and Signal Processing (ProRISC 2001), pp. 276-280.
Bazen A.M., Gerez S.H., 2002. Systematic methods for the computation of the directional fields and singular points of fingerprints. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 24, no.7, pp. 905–919.
Cole S., 2001. The Myth of Fingerprints. The New York Times, May 13.
Cummins H., Midlo C, 1961. Fingerprints, Palms and Soles: An Introduction to Dermatoglyphics. Dover New York.
Galton F., 1892. Finger Prints. McMillan, London.
Gonzales R.C., Woods R.E., 1992. Digital Image Processing. Addison-Wesley, Reading, MA. Grasselli A., 1969. On the Automatic Classification of Fingerprints. Methodologies of Pattern
Recognition, S. Watanabe (Ed.), Academic, New York.
Greenberg S., Aladjem M., Kogan D., Dimitrov I., 2000. Fingerprint Image Enhancement Using Filtering Techniques. Proc. Int. Conf. on Pattern Recognition (15th), vol. 3, pp. 326-329.
Hong L., Wan Y., Jain A.K., 1998. Fingerprint Image Enhancement: Algorithm and Performance Evaluation. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 20, no. 8, pp. 777-789.
Jain A.K., Pankanti S., 2000. Fingerprint Classification and Recognition. Image and Video Processing Handbook, A. Bovik (Ed.), pp. 821-836, Academic, New York.
Jiang X., 2000. Fingerprint Image Ridge Frequency Estimation by Higher Order Spectrum. Proc. Int. Conf. on Image Processing, vol. 1, pp. 462-465.
Kass M., Witkin A., 1987. Analyzing Oriented Patterns. Computer Vision, Graphics, and Image Processing, vol.37, no.3, pp. 362-385.
Lee H.C., Gaensslen R.E., 2001. Advances in Fingerprint Technology. 2nd edition, Elsevier, New York.
Maio D., Maltoni D., 1997. Direct Gray-Scale Minutiae Detection in Fingerprint. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 19, no. 1.
Maio D., Maltoni D., 1998. Ridge-Line Density Estimation in Digital Images. Proc. Int. Conf. on Pattern Recognition (14th), pp. 534-538.
Maltoni D., Maio D., Jain A.K., Prabhakar S., 2003. Handbook of Fingerprint Recognition. Springer Verlag, New York.
Mehtre B.M., Murthy N.N., Kapoor S., Chatterjee B., 1987. Segmentation of Fingerprint Images Using thhe Directional Image. Pattern Recognition, vol. 20, no. 4, pp. 429-435. Moenssens A., 1971. Fingerprint Techniques. Chilton, London.
O’Gorman L., Nickerson J.V., 1988. Matched Filter Design for Fingerprint Image Enhancement. Proc. Int Conf. on Acoustic Speech and Signal Processing, pp. 916-919. O’Gorman L., Nickerson J.V., 1989. An Approach to Fingerprint Filter Design. Pattern
Một số thuật toán cải tiến trong nâng cao chất lượng ảnh vân tay
Ratha N.K., Chen S.Y., Jain A.K., 1995. Adaptive Flow Orientation-Based Feature Extraction in Fingerprint Images. Pattern Recognition, vol. 28, no. 11, pp. 1657-1672.
Shen L., Kot A., Koo W.M., 2001. Quality Measures of Fingerprint Images. Proc. Int. Conf. on Audio- and Video-Based Biometric Person Authentication (3rd), pp. 266-271.
Sherlock B.G., Monro D.M., Millard K., 1992. Algorithm for Enhancing Fingerprint Images. Electronics Letters, vol. 28, no. 18, pp. 1720.
Sherlock B.G., Monro D.M., Millard K., 1994. Fingerprint Enhancement by Directional Fourier Filtering. IEE Proceedings Vision Image and Signal Processing, vol. 141, no. 2, pp. 87-94.
Stock R.M., Swonger C.W., 1969. Development and Evaluation of a Reader of Fingerprint Minutiae. Tech. Report: no. XM-2478-X-1:13-17, Cornell Aeronautical Labaratory. Stosz J.D., Alyea L.A., 1994. Automated System for Fingerprint Authentication Using Pores
and Ridges Structure. Proc. of SPIE (Automatic Systems for the Identification and Inspection of Humans), vol. 2277, pp. 210-223.
Wang Y., Hu J., Han F., 2007. Enhanced gradient-based algorithm for the estimation of fingerprint orientation fields. Applied Mathematicsand Computation, Elsevier, pp. 823- 833.
Watson C.I., Wilson C.L., 1992. NIST Special Database 4, Fingerprint Database. U.S. National Institude of Standards and Technology.
Wilson C.L., Watson C.I., Paek E.G., 2000. Effect of Resolution and Image Quality on Combined Optical and Neural Network Fingerprint Matching. Pattern Recognition, vol. 33, no. 2, pp. 317-331.
Xia X., O’ Gorman L., 2003. Innovations in Fingerprint Capture Devices. Pattern Recognition, vol. 36, no. 2, pp. 361-369.
Zhou J., Gu J., 2004. A model-based method for the computation of fingerprints’ orientation field. IEEE Trans. Image Process, vol. 13, pp. 821-835.
Một số thuật toán cải tiến trong nâng cao chất lượng ảnh vân tay
PHỤ LỤC PL1. Histogram
Histogram của một ảnh là một biểu đồ các giá trị cường độ của điểm ảnh. Histogram cho ta biết tại mỗi giá trị cường độ có bao nhiêu pixel trong ảnh có cùng giá trị. Với ảnh cấp xám 8 bit, ta sẽ có nhiều nhất 256 giá trị cường độ khác nhau, histogram sẽ có 256 số thể hiện phân bố của các giá trị này trong ảnh.
PL2. Cân bằng histogram
Cân bằng histogram là một phương pháp điều chỉnh độ tương phản của ảnh dùng histogram. Phương pháp này thường dùng để tăng độ tương phản, đặc biệt với các ảnh có nền và đối tượng là các vùng sáng và tối. Sau khi điều chỉnh, các cường độ sẽđược phân bốđều hơn trên histogram.
Xét một ảnh cấp xám, gọi ni là sốđiểm trong ảnh có cùng mức xám i. Như vậy xác suất xuất hiện của mức xám i trong ảnh là: i i n p(x ) ,i 0,..., L 1 n = ∈ −
L là số cấp xám trong ảnh, n là số pixel của ảnh, p thực chất là histogram của ảnh
được chuẩn hóa về [0..1].
Ta định nghĩa c là hàm phân bố tích lũy tương ứng với p: i j j 0 c(i) p(x ) = =∑
c(i) cũng được là histogram tích lũy chuẩn hóa của ảnh.
Ta có một biến đổi dạng y=T(x), mà sẽ tạo ra mức xám y từ mức xám x trong ảnh gốc. Biến đổi được định nghĩa như sau: yi=T(xi)=c(i) Chú ý rằng, T ánh xạ các mức xám vào miền [0..1]. Để ánh xạ về miền gốc, ta thực hiện như sau: i i
y′ =y .(max min) min− +
Một số thuật toán cải tiến trong nâng cao chất lượng ảnh vân tay
PL3. Gradient
Gradient của một hàm vô hướng là một trường vector, mà theo hướng của các vector đó, giá trị của hàm có tốc độ tăng và sự thay đổi biên độ lớn nhất.
Với định nghĩa trên, gradient của hàm f(x) với x=(x1,…,xn), là một vector ∇f , mà các phần tử của nó là đạo hàm thành phần của f. Đó là: ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ∂ ∂ ∂ ∂ = ∇ n 1 x f ,..., x f f
Trong xử lý ảnh, ảnh là một hàm hai biến. Do vậy, gradient là vector có hai phần tử là các đạo hàm theo hướng trục x và trục y: ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ∂ ∂ ∂ ∂ = ∇ y f , x f f
Với mỗi điểm ảnh, hướng của vector gradient tại điểm đó là hướng có sự tăng cường độđiểm ảnh lớn nhất, và độ dài của vector gradient thay đổi tương ứng với sự
thay đổi cường độđó.
Cường độ của ảnh số là một hàm rời rạc. Do đó, để tính đạo hàm, ta giả sử ảnh
được lẫy mẫu từ một hàm cường độ liên tục, và đạo hàm sẽ được tính dựa trên các mẫu rời rạc đó.
Phương pháp Sobel đưa ra một cách tính xấp xỉ gradient của ảnh. Tuy không hoàn toàn chính xác, nhưng vẫn mang lại hiệu quả trong nhiều ứng dụng xử lý ảnh.
Thank you for evaluating AnyBizSoft PDF Splitter.
A watermark is added at the end of each output PDF file.
To remove the watermark, you need to purchase the software from
PDF Merger
Thank you for evaluating AnyBizSoft PDF Merger! To remove this page, please
register your program!
Go to Purchase Now>>
Merge multiple PDF files into one
Select page range of PDF to merge
Select specific page(s) to merge