Chương 3 THUẬT TỐN TRÍCH CHỌN ĐẶC TRƯNG
6. Kiểm tra sau khi xử lý:
Trong phần trước các chi tiết đặc trưng được xác định mà không quan tâm xem xét đến các mối quan hệ về mặt không gian và kiến trúc của chúng với các chi tiết đặc trưng khác và các đường vân trong vùng lân cận. Trong số đó sẽ có một số chi tiết đặc trưng giả. Trong thuật toán xác định chi tiết đặc trưng trên do có sử dụng kết hợp kỹ thuật lọc low-pass và giới hạn kích thước đường vân tối thiểu hợp lý nên đã giúp làm giảm số lượng các chi tiết đặc trưng giả. Các điểm và đốm cô lập là không xuất hiện trong ảnh đường nét của thuật toán này, tương tự như thế đối với các đoạn đường vân ngắn và các ốc đảo nhỏ. Tuy nhiên các đường vân đứt rời khoảng cách lớn do các vết bẩn sẽ không được nối lại bởi bộ lọc làm trơn định hướng, và nó sẽ tạo ra hai điểm ngừng giả. Ngoài ra, hiện tượng các đường vân giao nhau do tràn mực, nhấn tay quá mạng có thể tạo ra các điểm phân nhánh giả.
Hơn nữa, một đường vân khơng được làm trơn tốt có thể dẫn đến việc tạo ra các đoạn gai nhỏ từ đó hình thành ra một điểm ngừng và một điểm phân nhánh giả. Các chi tiết đặc trưng giả này có thể được loại bỏ bằng cách dựa vào mối quan hệ về không gian và kiến trúc giữa chúng, hoặc với các đường vân trong vùng khơng gian lân cận. Hình 20(a) mơ tả một cặp chi tiết đặc trưng giả tạo bởi đoạn gãy của đường vân. Hình 20 (b-d) mơ tả 3 cặp chi tiết đặc trưng giả được tạo ra do các đường vân giao nhau từ việc tràn mực, ấn q mạnh hoặc do nhiễu. Hình 20 (e) mơ tả cặp chi tiết đặc trưng giả tạo ra bởi một đường vân không được làm trơn tốt. Đường vân mức xám gắn liền với các chi tiết đặc trưng giả này và hướng dị cạnh cũng được mơ tả trong các hình trên.
Hình 19: Một vài kiến trúc chi tiết đặc trưng giả tiêu biểu
Hình 20 : Một vài kiến trức đặc trưng khơng xử lý
Hình 21 mơ tả một vài kiến trúc chi tiết đặc trưng giả có thể xảy ra được giới thiệu. Các kiến trúc này có thể được tạo ra bởi các đường vân dày và bị nhiễu. Do trong thuật toán này sử dụng bộ lọc low-pass định hướng có ngưỡng tần số trực giao với hướng đường vân được tính cho thích nghi với tần số đường vân nên kết quả là các đường vân dày và bị nhiễu sẽ được làm trơn tốt và không bị chia ra thành hai đường vân tách rời. Cả hai hình 21(b) và 21(c) đều chứa ít nhất một đoạn đường vân ngắn, chúng hồn tồn có thể được loại ra do kỹ thuật giới hạn chiều dài đường vân tối thiểu trong quá trình dị cạnh đường vân. Và trong trường hợp khơng có đoạn đường vân ngắn thì các chi tiết đặc trưng b và c trong hình 21(b) sẽ biến mất và chi tiết đặc trưng a sẽ là một chi tiết đặc trưng thật .Kiến trúc chi tiết đặc trưng giả trong hình 21 (c) nếu khơng có đoạn vân ngắn a-b thí sẽ được chuyển thành các kiến trúc được mô tả trong hình 21 (b-d) tùy thuộc vào q trình dị cạnh.
Tuy nhiên kiểu kiến trúc này cũng có thể là được tạo ra bởi hai chi tiết đặc trưng thật. Nếu chúng ta loại bỏ các chi tiết đặc trưng có kiểu kiến trúc như trong hình 21 (d) thì một vài chi tiết đặc trưng thật có thể bị xóa mất đi. Vì thế, có hai lý do để xem xét chỉ các kiến trúc mơ tả trong hình 20 là các kiến trúc chi tiết đặc trưng giả và cần phải loại bỏ đi. Một là thuật toán phát hiện chi tiết đặc trưng này đã ngăn ngừa việc phát sinh các kiểu kiến trúc chi tiết đặc trưng khác. Hai là giai đoạn kiểm tra hậu xử lý phải dựa trên các thơng tin tin cậy vì việc loại bỏ các chi tiết đặc trưng giả với việc giữ lại các
chi tiết đặc trưng thật đều có tầm quan trọng như nhau.
Phần cốt lõi trong giai đoạn kiểm tra này là phải phân biệt các chi tiết đặc trưng giả với các chi tiết đặc trưng thật. Nếu các kiểu kiến trúc chi tiết đặc trung giả trong hình 20 được mơ tả một cách đúng đắn và rõ ràng thì việc loại bỏ các chi tiết đặc trưng giả này sẽ là một công việc dễ dàng bằng cách sử dụng các mô tả kiến trúc chi tiết đặc trưng này. Trong thuật tốn dị cạnh đường vân trên có cung cấp hướng của việc dò cạnh tại điểm của chi tiết đặc trưng và vị trí số của đường vân gắn liền với chi tiết đặc trung đó. Các thơng tin này là tin cậy để có thể tạo ra các mơ tả kiến trúc chi tiết đặc trưng giả có tính rõ ràng hơn.
Giả sử các tham số được lưu của chi tiết đặc trưng a trong ình 21 là [ia, ja, φda, c(ia,ja), ma, la], trong khi các tham số được lưu của chi tiết đặc trung b là [ib, jb, φdb, c(ib,jb), mb, lb] . Chúng ta định nghĩa khoảng cách và góc giữa hai chi tiết đặc trưng này là :
Đối với cặp chi tiết đặc trưng giả tạo ra bởi một đường vân đứt đoạn ở khoảng cách lớn như trong hình 20 (a), thì chúng sẽ thỏa mãn các điều kiện
sau : (CT3.2.22)(CT 3.2.23)
(CT 3.2.24)
Đối với một cặp chi tiết đặc trưng giả tạo ra bởi các đường vân giao nhau như mơ tả trong hình 20 (b-d), thì chúng sẽ thỏa mãn các điều kiện sau :
(CT 3.2.25)D2và 2và CL là các hằng số định nghĩa trước. CL cụ thể có thể có bằng hoặc nhỏ hơn giá trị trung bình của độ tin cậy về hướng của tất cả các chi tiết đặc trưng đã được phát hiện. Việc kết hợp sử dụng độ tin cậy về hướng của chi tiết đặc trưng trong việc xác định các điểm chi tiêt đặc trưng phân nhánh giả là do các mối nối giữa các đường vân được tạo ra bởi hiện tượng tràn mực hoặc ấn q mạnh thì thường có độ tin cậy về hướng thấp.
Đối với cặp chi tiết đặc trưng giả tạo bởi việc làm trơn khơng tốt như mơ tả trong hình 20 (e), thì chúng sẽ thỏa mãn các điều kiện :
(CT 3.2.25)
Trong đóD3 là hằng số xác định trước.
Các đẳng thức trên mô tả và cho phép nhận dạng các kiến trúc chi tiết đặc trung giả dựa trên mối quan hệ vị trí của chi tiết đặc trưng (dab, φa, và
φb), quan hệ hướng (φda và φdb) quan hệ số của đường vân gắn với chi
tiết đặc trưng (ma, la, mb, và lb) và độ chắc chắn (c(ia,ja) và c(ib,jb)).
Thuật tốn.Giả sử ban đầu cóK chi tiết đặc trưng được phát hiện (K>1) từ ảnh vân tay. Tham số của mỗi chi tiết đặc trưng được lưu lại là [ik, jk, φdk,
c(ik,jk), mk, lk] . Đầu tiên, tất cả các chi tiết đặc trưng k, 1<=k <= K, được đánh dấu fk= 0. Thuật toán bắt đầu với k = 1.
1) Nếu (fk= 1) thì đi đến Bước (6); ngược lại đặt n = k +1; 2) Nếu (fn= 1) thì đi đến Bước (5);
3) Nếu thỏa mãn các đẳng thức (CT 3.2.22 hoặc CT3.2.25 hoặc
CT3.2.26)trên với a = k và b = n là đúng thì đặt fk= fn= 1 và đi đến Bước (6);
4) Nếu (CT3.2.25 hoặc CT3.2.26) với a = n và b = k là đúng thì đặt fk= fn= 1 và đi đến bước (6);
5) N +1 n ; nếu (n<= K)thì quay về Bước (2); 6) K + 1 k; nếu (k < K) thì quay về Bước (1);
7) Xóa bỏ tất cả các chi tiết đặc trưng k, 1<= k <=K, có fk= 1
Sau q trình kiểm tra hậu xử lý được thực hiện thì hầu hết các chi tiết đặc trưng giả đều sẽ được loại bỏ. Các chi tiết đặc trưng cịn lại có thể được xem như là chi tiết đặc trưng thật. Giai đoạn kiểm tra hậu xử lý này không chỉ dựa vịa quan hệ khơng gian và kiến trúc giữa các chi tiết đặc trưng mà còn dựa vào quan hệ của các đường vân gắn kết và độ tin cậy của chi tiết đặc trưng. Điều này giúp việc phân biệt các chi tiết đặc trưng giả với các chi tiết đặc trưng thật chính xác hơn.
Trong phương pháp xác định chi tiết đặc trưng này, các thủ tục tính ước lượng tần số đường vân, lọc ảnh, dò cạnh đường vân, xác định cũng như là rút trích chi tiết đặc trưng không phải đươc thực hiện tuần tự từng cái một trên ảnh vân tay mà được sử dụng phối hợp và lần lượt đối với ảnh vân tay mức xám đầu vào. Điều này tránh lặp lại một số cơng việc tính tốn chung, giúp làm giảm đáng kể lượng thời gian tính tốn. Hơn nữa, do bước dị cạnh
klà được tính thích nghi với độ cong của đường vân và độ tương phản của đường vân, nên phương pháp này sẽ thực hiện nhanh hơn so với kích thước bước cố định trong khi vẫn giữ được độ chính xác trong q trình dị cạnh. Bước dò cạnh càng lớn cũng đồng nghĩa với việc lượng tập điểm trên đường cắt Ωkcần tính ít. Do đó chỉ một phần nhỏ ảnh là cần phải làm trơn vơi bộ lọc low-pass định hướng. Bộ lọc low-pass định hướng được đề nghị ra sẽ giúp làm trơn các nhiễu và các vùng có độ tương phản thấp và nối các đường vân gãy. Các vấn đề các đường vân dày gãy khoảng cách lớn, các đường vân kết dính nhau thì được giải quyết trong phần thực hiện kiểm tra hậu xử lý. Hình 22 (a) biểu diễn một ảnh vân tay ví dụ, hình 22(b) mơ tả ảnh đường nét của các đường vân cùng các chi tiết đặc trưng được xác định trước khi thực hiện kiểm tra hậu xử lý, trong đó các điểm đen đại diện cho các điểm phân nhánh, các điểm trắng đại diện cho các điểm ngừng. Hình 22(c) là ảnh kết
hợp của 22 (a) và 22(b). Hình 22 (d) mơ tả tập các chi tiết đặc trưng kết quả sau quá trình kiểm tra hậu xử lý.
Hình 21: Kết quả ví dụ của thuật tốn (a): Ảnh vân tay trước xử lý; (b)(c): Ảnh đường vân nét và các chi tiết đặc trưng được xác định; (d): Sau kiểm
tra.
7. Đánh giá – Kết quả thuật toán :
Bằng phương pháp dị cạnh thích nghi đường vân mức xám từ ảnh vân tay đầu vào, thuật toán này đã cho phép thực hiện phát hiện ra tập các điểm
nó là cho phép thực hiện thao tác dò cạnh theo từng bước bằng cách xấp xỉ hóa một đoạn đường vân bằng một đoạn thẳng, độ dài của bước dò cạnh được xác định một cách thích nghi với độ cong của từng đoạn đường vân. Vì thế giúp thuật tốn có thể thực hiện nhanh hơn trong khi vẫn duy trì độ chính xác của q trình dị cạnh.
Hình 22: Hiệu quả của thuật tốn. So sánh với các trường hợp sử dụng độ dài bước cố định
Ảnh vân tay đầu vào được tiến hành làm trơn chỉ tại những điểm cần thiết. Kích thước của bộ lọc theo hướng vng góc với hướng đường vân là thịc nghi với khoảng cách được ước lượng của đường vân. Điều này giúp tránh trường hợp bộ lọc kết dính hai đường vân chạy song song gần nhau. Sauk hi các điểm chi tiết đặc trưng được phát hiện, chúng sẽ được kiểm tra về tính xác thực dựa trên khơng chỉ về mối quan hệ ví trị của chúng mà cịn dựa trên mối quan hệ với các đường vân mà chúng gắn kết, cũng như là độ tin cậy của chúng. Điều này đã giúp thuật tốn đạt được một độ chính xác cao hơn.
Chương 4. ỨNG DỤNG VÀ TỔNG KẾT
1. Ứng dụng thực tiễn:
Các ứng dụng hiện đại dùng để phát hiện, nhận dạng dấu vân tay đều dựa trên cơ sở thuật toán trên.
- Fingerprint recognition của công ty AWARE- một công ty cung cấp các sản phẩm, giải pháp và dịch vụ phần mềm sinh trắc học nhằm trao quyền cho người dùng sở hữu và kiểm sốt danh tính của họ, đồng thời giảm thiểu xung đột, đảm bảo an ninh, tối đa hóa sự tiện lợi cho trải nghiệm người dùng.
- Thuật tốn trên cịn được các sinh viên của các trường đại học áp dụng cho các dự án của mình.
2. Tổng kết:
Nhận dạng vân tay tự động là một trong những ứng dụng đầu tiên của nhận dạng mẫu máy (nó có từ hơn 50 năm trước). Bởi vì điều này, có một quan niệm sai lầm phổ biến rằng nhận dạng dấu vân tay là một vấn đề hồn tồn có thể giải quyết được. Ngược lại, nhận dạng vân tay vẫn là một nhiệm vụ nhận dạng mẫu phức tạp và rất khó khăn. Các vấn đề mở quan trọng nhất có thể được tóm tắt như sau.
Cải thiện các thuật tốn trích xuất và đối sánh tính năng. Việc thiết kế các thuật tốn có khả năng trích xuất các tính năng hiệu quả và khớp chúng một cách mạnh mẽ là rất khó, đặc biệt là trong các hình ảnh vân tay chất lượng kém và khi sử dụng các thiết bị thu nhận chi phí thấp với diện tích nhỏ. Mặc dù các hệ thống nhận dạng dấu vân tay hiện đại ngày nay có hiệu quả trong việc đối sánh dấu vân tay với tốc độ rất cao (hàng triệu khớp mỗi giây) nhưng mức độ tinh vi của chúng vẫn không thể sánh được với một chuyên gia vân tay được đào tạo bài bản. Nghiên cứu sâu hơn là cần thiết để phát triển các phương pháp tiếp cận trích xuất tính năng có thể trích xuất một cách đáng tin cậy và nhất quán một tập hợp các tính năng cung cấp thơng tin phong phú, có thể so sánh với các phương pháp thường được các chuyên gia sử dụng.
Bảo mật hệ thống sinh trắc học dựa trên dấu vân tay. Như bất kỳ kỹ thuật xác thực nào khác, nhận dạng vân tay khơng hồn tồn chống giả mạo. Các
1) Tấn công các kênh liên lạc;
2) Tấn công các mơ-đun phần mềm cụ thể (ví dụ: thay thế trình trích xuất tính năng hoặc trình kết hợp bằng một con ngựa thành Troy);
3) Tấn công cơ sở dữ liệu của các mẫu đã đăng ký;
4) Đưa ngón tay giả vào cảm biến. Gần đây, một số nhà nghiên cứu đã báo cáo về tính khả thi của hai kiểu tấn cơng cuối cùng: liên quan đến điểm 4), đã chỉ ra rằng có thể thực sự giả mạo hệ thống nhận dạng dấu vân tay bằng các đầu ngón tay giả được chế tạo tốt; như ở điểm 3), một kỹ thuật để thiết kế ngược các mẫu dấu vân tay dựa trên cơ sở chi tiết đã được mô tả. Một số lượng nghiên cứu đáng kể về các phương pháp phát hiện giả mạo và các kỹ thuật bảo vệ khuôn mẫu chắc chắn là cần thiết để giải quyết các mối đe dọa bảo mật quan trọng nhất.