Luan Van_ Ng Xuan Thang

8/16/2019 Luan Van_ Ng Xuan Thang

1/76

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC LẠC HỒNG

****

NGUYỄN XUÂN THẮNG

NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY

VÀ TRÍCH CHỌN ĐẶC TRƯNG

LUẬN VĂN THẠC SỸ

NGÀNH CÔNG NGHỆ THÔNG TIN

ĐỒNG NAI, NĂM 2012


2/76

ii

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC LẠC HỒNG

NGUYỄN XUÂN THẮNG

NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY

VÀ TRÍCH CHỌN ĐẶC TRƯNG

Chuyên ngành: Công nghệ thông tin

Mã số: 60.48.02.01

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS TS NGÔ QUỐC TẠO

ĐỒNG NAI, NĂM 2012


3/76

i

LỜI CẢM ƠN

Lời đầu tiên, em xin chân thành cảm ơn các thầy, cô khoa Công nghệ

Thông tin Trường Đại học Lạc Hồng cùng các thầy cô tham gia giảng dạy cho lớp

Cao học khóa 2 đã hết lòng truyền đạt kiến thức cho chúng em trong quá trình học

tập tại trường. Đặc biệt, em x in chân thành cảm ơn Thầy PGS TS Ngô Quốc Tạo,

người thầy đã tận tình hướng dẫn em thực hiện đề tài. Em xin cảm ơn Thầy PGS

TS Đỗ Năng Toàn đã cung cấp cho em nhiều kiến thức, tài liệu bổ ích trong quá

trình thực hiện đề tài này.

Xin chân thành cảm ơn gia đình và bạn đồng nghiệp đã giúp đỡ, động viêntinh thần, đóng góp nhiều ý kiến để giúp cho em hoàn thành luận văn này.

Nguyễn Xuân Thắng


4/76

ii

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi, các

tài liệu và kết quả nghiên cứu trong luận văn là trung thực.

Học viên

Nguyễn Xuân Thắng


5/76

iii

TÓM TẮT NỘI DUNG LUẬN VĂN

1. Mục đích và đối tượng nghiên cứu của luận văn.

1.1. Mục đích của luận văn: Tìm ra một phương pháp nâng cao chất lượng ảnh

và rút trích minutiae hiệu quả để phục vụ cho bài toán nhận dạng vân tay. Bằng việc

kết hợp giữa phương pháp nâng cao chất lượng ảnh bằng tháp phân rã với phép lọc

đối xứng xoay của nhóm Bigun, đây là mô hình rút trích minutiae trực tiếp từ ảnh

xám không thông qua giai đoạn làm mảnh đường vân.

1.2. Đối tượng nghiên cứu của luận văn: các phương pháp nâng cao chất lượng

ảnh vân tay, các đặc trưng cục bộ của vân tay và các phương pháp rút trích những

đặc trưng này.

2. Các phương pháp nghiên cứu đã sử dụng:Luận văn đã sử dụng phương pháp phân tích, tổng hợp, so sánh các kết quả

nghiên cứu trong và ngoài nước trong những năm gần đây để chọn ra phương pháp

nâng cao chất lượng ảnh vân tay và trích chọn đặc trưng một cách hiệu quả. Để

kiểm chứng kết quả của đề tài, luận văn đã sử dụng phương pháp thống kê, phương

pháp chuyên gia và phương pháp so sánh trực quan trên máy tính.

3. Các kết quả chính và kết luận:

Bài toán truy tìm ảnh vân tay đối với cơ sở dữ liệu vân tay lớn là một bài toán

khó và có nhiều thách thức, đặc biệt là với cơ sở dữ liệu có chất lượng vân tay thấp.

Thách thức lớn nhất trong bài toán này là tìm ra phương pháp nâng cao chất lượng

ảnh vân tay hiệu quả để xác định chính xác về số lượng các minutiae và vị trí của

chúng trong ảnh vân tay.

Qua việc nghiên cứu ảnh vân tay, tác giả nhận thấy: ngoài việc tìm ra phương

pháp nâng cao chất lượng ảnh vân tay hiệu quả thì phương pháp rút trích minutiae

có thể chia thành hai nhóm chính: rút trích minutiae có thông qua giai đoạn nhị

phân hóa, làm mảnh đường vân và phương pháp rút trích minutiae trực tiếp từ ảnhxám. Việc rút tr ích minutiae của ảnh vân tay có thông qua giai đoạn nhị phân hóa và

làm mảnh phải trải qua nhiều giai đoạn và xuất hiện nhiều minutiae giả do quá trình

nhị phân hóa và làm mảnh sinh ra. Phương pháp rút trích minutiae trực tiếp từ ảnh

xám sẽ không cần qua giai đoạn nhị phân hóa và làm mảnh đường vân, do đó số

minutiae giả thường ít hơn, thời gian xử lý nhanh hơn.

Luận văn đã nghiên cứu các phương pháp tiến bộ để giải quyết bài toán rút

trích minutiae trong ảnh vân tay. Cụ thể, để giải quyết bài toán ảnh vân tay chấtlượng thấp, luận văn sử dụng phương pháp nâng cao chất lượng ảnh vân tay bằng


6/76

iv

tháp phân rã và dùng phép lọc đối xứng xoay được áp dụng để tìm ra số lượng các

minutiae cũng như vị trí của chúng. Để có cái nhìn chính xác về kết quả đạt được,

luận văn đã so sánh giữa việc nâng cao chất lượng ảnh bằng phép lọc Gabor , nâng

cao chất lượng ảnh theo phương pháp của Chikkerur và phương pháp nâng cao chấtlượng ảnh bằng tháp phân rã. Đồng thời so sánh giữa phương pháp rút trích

minutiae của ảnh vân tay thông dụng đó là: ảnh được nhị phân hóa, làm mảnh với

phương pháp rút trích minutiae trực tiếp từ ảnh xám bằng phép lọc đối xứng xoay

(không qua giai đoạn nhị phân hóa và làm mảnh). Việc so sánh này được thực

nghiệm trên cơ sở dữ liệu vân tay FVC2004 - DB1, tập A. Kết quả thực nghiệm đã

chứng minh rằng các lựa chọn được sử dụng trong luận văn là hợp lý đối với bài

toán nhận dạng vân tay trên cơ sở dữ liệu với phần lớn ảnh chất lượng thấp.


7/76

v

MỤC LỤC

LỜI CẢM ƠN ......................................................................................................................... i

LỜI CAM ĐOAN ………………………………………………………………………….ii

TÓM TẮT NỘI DUNG LUẬN VĂN …………………………………………………… iii

DANH MỤC CÁC TỪ KHÓA VIẾT TẮT ………………………………………………vii

DANH MỤC BẢNG .......................................................................................................... viii

DANH MỤC HÌNH .............................................................................................................. ix

LỜI NÓI ĐẦU ....................................................................................................................... 1

CHƯƠNG 1: TỔNG QUAN VỀ ẢNH VÂN TAY .............................................................. 3

1.1 Hệ thống nhận dạng sinh trắc học .................................................................................... 3

1.1.1 Giới thiệu hệ thống nhận dạng sinh trắc học ............................................................ 3

1.1.2 Một số phương pháp nhận dạng sinh trắc học phổ biến ........................................... 4

1.1.3 Nhu cầu thực tế về ứng dụng nhận dạng sinh trắc học ............................................. 6

1.2 Hệ thống nhận dạng vân tay ............................................................................................8

1.2.1 Tình hình nghiên cứu về công nghệ nhận dạng vân tay ........................................... 8

1.2.2 Kiến trúc của hệ thống nhận dạng vân tay [1] ........................................................10

1.2.3 Thu nhận và lưu trữ ảnh vân tay ............................................................................. 11

1.2.3.1 Thu nhận ảnh vân tay ........................................................................................... 11

1.2.3.2 Lưu trữ ảnh vân tay [3] ........................................Error! Bookmark not defined.

1.2.4 Nâng cao chất lượng ảnh vân tay ............................................................................ 13

1.2.5 Trích chọn minutiae ................................................................................................ 14

1.2.6 Đối sánh ảnh vân tay ............................................................................................... 18

1.3 Kết luận .......................................................................................................................... 19

CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY

VÀ TRÍCH CHỌN ĐẶC TRƯNG ...................................................................................... 202.1 Nâng cao chất lượng ảnh vân tay bằng bộ lọc Gabor .................................................... 20

2.1.1 Phân đoạn và chuẩn hóa ảnh ................................................................................... 20

2.1.2 Ước lượng hướng đường vân .................................................................................. 22

2.1.3 Tính khoảng cách đường vân .................................................................................. 24

2.1.4 Nâng cao chất lượng ảnh bằng lọc Gabor ............................................................... 26

2.2 Rút trích minutiae từ ảnh nhị phân ................................................................................ 28

2.2.1 Nhị phân hóa [2], [12] ............................................................................................ 282.2.2 Làm mảnh ảnh vân tay ............................................................................................ 29


8/76

vi

2.2.3 Rút trích minutiae [2], [14] ..................................................................................... 30

2.2.4 Sử dụng mô hình Ar tmap để loại bỏ minutiae giả mạo .......................................... 31

2.2.4.1 Cấu trúc mạng Artmap [4] .............................................................................. 32

2.2.4.2 Áp dụng mạng Artmap cho phân lớp minutiae [4] ......................................... 33

2.3 Phương pháp rút trích minutiae từ ảnh xám .................................................................. 35

2.3.1 Phương pháp rút trích đặc trưng từ ảnh xám bằng thuật toán “dò theo đường vân”

[2], [7] .............................................................................................................................. 35

2.3.2 Đánh giá hiệu quả rút trích minutiae bằng thuật toán “dò theo đường vân” .......... 38

2.4 Kết luận .......................................................................................................................... 39

CHƯƠNG 3: RÚT TRÍCH ĐẶC TRƯNG TỪ ẢNH XÁM ...............................................40

3.1 Mô hình của nhóm Bigun ..............................................................................................40

3.2 Nâng cao chất lượng ảnh dựa vào tháp phân rã [8] ....................................................... 40

3.3 Trích chọn minutiae bằng phép lọc đối xứng xoay [8] .................................................. 46

3.4 Kết luận .......................................................................................................................... 47

CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM ....................................................................... 48

4.1 Cơ sở dữ liệu dùng để thực nghiệm ............................................................................... 48

4.2 So sánh kết quả nâng cao chất lượng ảnh giữa phương pháp tháp phân rã của nhóm

Bigun và một số phương pháp khác. ................................................................................... 48

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 ..................................................................................... 52

4.3.1 So sánh về thời gian xử lý ....................................................................................... 52

4.3.2 So sánh kết quả phát hiện minutiae ........................................................................ 53

4.4 Kết luận .......................................................................................................................... 58

KẾT LUẬN .......................................................................................................................... 59

TÀI LIỆU THAM KHẢO .......................................................................................................

PHỤ LỤC ................................................................................................................................


9/76

vii

DANH MỤC CÁC TỪ KHÓA VIẾT TẮT

AFIS (Automated Fingerprint Identification System): Hệ thống nhận dạng

vân tay tự động.

Arch Đặc trưng đường vân kiểu hình cung.

Bifurcation Đặc trưng rẽ nhánh của vân tay, là điểm mà tại đường vân rẽ hai

nhánh.

BKAFIS (Bach khoa Automated Fingerprint Identication System) Hệ thống

nhận dạng vân tay tự động bách khoa. Core Đặc trưng lõi vân tay.

Crossovers Đặc trưng bắt chéo của vân tay.Ending Đặc trưng điểm kết thúc, là điểm kết thúc của đường vân .

Ennhance Làm nổi, nâng cao chất lượng ảnh.

FVC FingerPrint Verification Competition – Cuộc thi về xác thực ảnh vântay.

Island Đặc trưng vân dạng đảo.

Lake Đặc trưng đường dạng lòng hồ, là đường vân khép kín tạo thành lỗnhỏ.

Left Loop Đặc trưng đường vân kiểu lặp tròn trái.

Matching So khớp, so khớp khớp hai ảnh vân tay với nhau.

Minutiae Đặc trưng của ảnh vân tay như: Kết thúc, đường rẽ nhánh hoặc dạng

đảo, lòng hồ,… Rigde Vùng da lồi trên vân tay.

Right Loop Đặc trưng đường vân dạng lặp tròn phải.

Singular Một loại đặc trưng vân tay (minutiae ít gặp).

Spur Đặc trưng đường vân rẽ nhánh hình cửa gà.

Tented arch Đặc trưng đường vân kiểu hình cung nhọn.

Thinning Làm mảnh đường vân.

Valley Vùng da lõm trên ngón tay.

VAFIS (Vietnam Automated Identification System) Hệ thống nhận dạngvân tay tự động Việt Nam.

X-Signature Một giá trị biểu diễn dạng hình sin sự biến thiên mức xám của

đường vân và rãnh.


10/76

viii

DANH MỤC BẢNG

Bảng 3-1. Tiến trình xây dựng tháp phân rã ………...……………………42

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 xoay được sử dụng trong luận

văn…………………………….……..…………………………………………….53

Bảng 4-2: Kết quả thực nghiệm phát hiện minutiae của hai phương pháp

dựa vào Crossing Number và phương pháp của nhóm Bigun.. …….........………58


11/76

ix

DANH MỤC HÌNH

Hình 1.1: Tỷ lệ phần trăm ứng dụng công nghệ sinh trắc học [16] ....................................... 7

Hình 1.2: Các ứng dụng của hệ thống nhận dạng vân tay ..................................................... 7

Hình 1.3: Doanh thu công nghệ sinh trắc học trong những năm gần đây và dự đoán do anhthu trong những năm tới [15]. ................................................................................. 8

Hình 1-4: Mô hình của hệ thống xác thực/xác định vân tay tự động................................... 10

Hình 1-5: cấu trúc cơ bản của hệ thống đối sánh vân tay dựa vào minutiae ....................... 10

Hình 1-6: (a) Dấu mực lăn ảnh vân tay, (b) Vết mực khô dấu vân tay, (c) Mẫu vân tay sống,

(d) Mẫu vân tay ẩm, (e) Mẫu vân tay được sao chụp bằng bộ cảm biến đồng nhất … 12

Hình 1-7: Giao diện của một cảm biến dấu vân tay đặc trưng quang học dựa trên

phản xạ nội toàn phần (TIR) …………………………………………………. 12

Hình 1-8: (a) điểm nổi bật trên vân tay (điểm delta, điểm core); (b) khoảng cách đường vân. . 15

Hình 1-9: 5 phân lớp chính của một ảnh vân tay. ................................................................ 15

Hình 1-10: Các lớp vân tay theo phân lớp Henrry: (a) left loop. (b) right loop. (c) whorl.

(d) arch. (e) tented arch. ........................................................................................ 15

Hình 1-11: Một số minutiae phổ biến của ảnh vân tay . ...................................................... 16

Hình 1-12: Một số dạng minutiae phổ biến của ảnh vân tay [2] ......................................... 16

Hình 1-13: (a) Điểm kết thúc; (b) Điểm rẽ nhánh ............................................................... 17

Hình 1-14: Thông tin rút trích minutiae (a) Điểm kết thúc, (x,y) là tọa độ của đặc trưng,

là góc tạo bởi hướng của đặc trưng; (b) Điểm rẽ nhánh. ...................................... 17

Hình 1-15: Các điểm kết thúc và rẽ nhánh hai có thể tráo đổi cho nhau ở cùng vị trí …....18

Hình 1-16: Sơ đồ các bước nhận dạng vân tay .................................................................... 19

Hình 2-1: Minh họa việc phân đoạn và chuẩn hóa ảnh vân tay. (a) ảnh gốc, (b) ảnh được

chọn vùng vân tay và chuẩn hóa. .......................................................................... 21

Hình 2-2: Hướng đường vân tại tọa độ (x,y) của ảnh vân tay [12] ...................................... 22

Hình 2-3: a) Ước lượng hướng mà chưa được làm trơn, b) Ước lượng hướng đã được làm

trơn [1] .................................................................................................................. 24

Hình 2-4: Cửa sổ hướng dùng để tính x-signature [9] ......................................................... 25

Hình 2-5: (a) Ảnh gốc, (b) Ảnh sau khi sử dụng hàm lọc gabor ......................................... 28Hình 2-6: (a) Ảnh gốc, (b) Ảnh nhị phân theo cách chọn ngưỡng cục bộ thích nghi.......... 29

Hình 2-7: Ảnh nhị phân hóa và làm mảnh có thể chứa một số minutiae giả: (a) Đường vân

dạng bridge, (b) Đường vân dạng cựa gà (Spur), (c) Đường vân dạng đảo

(Island), (d) Đường vân bị đứt (Break)[4]. ........................................................... 29

Hình 2-8: (a, b) Không là 8 simple, (c,d) Là 8 simple ......................................................... 30

Hình 2-9: (a) Ảnh được nâng cao chất lượng, (b) Ảnh được nhị phân hóa, (c) Ảnh được

làm mảnh [12] ....................................................................................................... 30

Hình 2-10: (a) Một phần của ảnh vân tay, ( b) Điểm kết thúc, (c) Điểm rẽ nhánh. .............. 31Hình 2-11: Đặc điểm của một điểm ảnh dựa vào 8 điểm xung quanh................................. 31

Hình 2-12: Cấu trúc vân lỗi được điều chỉnh thành cấu trúc vân đúng [2] ......................... 32


12/76

x

Hình 2-13: Cấu trúc các lớp trong mạng Artmap [4] ........................................................... 32

Hình 2-14: Mẫu đầu vào kích thước 5x5 cho mạng Noron Artmap .................................... 33

Hình 2-15: Một số mẫu dạng rẽ nhánh trong tập huấn luyện mạng nơron Artmap ............. 34

Hình 2-16: Các đường vân (r idge) và rãnh (ravine) trên bề mặt vân tay ............................. 36

Hình 2-17: Điểm cực đại (ic,jc) tương ứng với (is,,js) ........................................................... 37Hình 2-18: Dịch chuyển một đoạn theo đường vân [7] .................................................... 37

Hình 2-19: Thiết diện của đường vân [7] ............................................................................ 38

Hình 3-1: Mô hình rút trích điểm đặc trựng từ ảnh xám ..................................................... 40

Hình 3-2: Sơ đồ nâng cao chất lượng ảnh bằng tháp phân rã .............................................. 41

Hình 3-3: Kết quả sử dụng tháp phân rã nâng cao chất xử lý ảnh chất lượng ảnh vân tay,

ảnh chất lượng tốt (104_6- hàng trên), hàng dưới ảnh chất lượng thấp (1_1) của

FVC2000-DB2; cột (a) Ảnh gốc, cột (b)-(c) sau khi ảnh được tăng cường ở mức

l1-3 . Cột (d) Ảnh được nâng cao chất lượng bằng cách thực hiện các bước đượcliệt kê ở phần b, bảng 1. ........................................................................................ 43

Hình 3-4: Thể hiện HSV của tín hiệu lọc phản hồi LS1-3 (cột 1-3) của hai ảnh vân tay. .... 43

Hình 3.5: Ảnh được nâng cao chất lượng bằng tháp phân rã: (a) Ảnh gốc, (b) Ảnh lọc ở

tháp l1, (c) Ảnh kết quả lọc ở tháp l2,3, (d) Ảnh kết quả. ....................................... 45

Hình 3-6: K ết quả áp dụng bộ lọc đối xứng xoay ................................................................ 46

Hình 3-7: Phát hiện minutiae của một ảnh vân tay trong CSDL FVC 2004DB1: (a) Ảnh

gốc, (b) Ảnh nâng cao chất lượng bằng tháp phân rã, (c) LS (HSV), (d) |PS|,

(e) |PS|.(1-|LS|) và (f) 30 minutiae đáng tin cậy nhất…………………………..47Hình 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 ………………………...…………48

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 …...49


bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã ….49








bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã…..50

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 …...51


13/76

xi




bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã …...51

Hình 4-11: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 10-1.tif, (b) Ảnh nâng cao chấtlượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân

rã. .......................................................................................................................... 52

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 . .................................................................... 54


(c) Phương pháp lọc đối xứng xoay. ..................................................................... 54


(c) Phương pháp lọc đối xứng xoay. ..................................................................... 54Hình 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. ..................................................................... 56Hình 4-19: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 8_2.tif, (b) Phương pháp làm mảnh,




Hình 4-21: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 10-1.tif, (b) Phương pháp làm mảnh,



14/76

1

LỜI NÓI ĐẦU

Ngày nay, trong kỷ nguyên công nghệ, việc ứng dụng công nghệ thông tin

vào trong các lĩnh vực kinh tế xã hội đã đạt được nhiều thành tựu to lớn. Trong đó,

việc nghiên cứu các hệ thống nhận dạng và bảo mật bằng sinh trắc học đang được

quan tâm rộng rãi. Đây là kĩ thuật sử dụng những thuộc tính vật lý hoặc các mẫu

hành vi, các đặc điểm sinh học như: dấu vân tay, mẫu mống mắt, giọng nói, khuôn

mặt, dáng đi,...để nhận diện con người. Trong hàng loạt kĩ thuật nhận dạng sinh

trắc học đó, nhận dạng vân tay ra đời sớm nhất và đã chứng minh được tính hiệu

quả so với kĩ thuật nhận dạng sinh trắc học khác. Các đặc điểm sinh trắc học kh ác

như dáng đi, gương mặt, chữ ký,…của con người có thể thay đổi theo thời gian

hoặc có thể được làm giả hoặc được mô phỏng nhưng vân tay là duy nhất hoàn

hảo theo từng đường vân riêng lẻ và không thay đổi theo thời gian. Các nghiên

cứu chỉ ra rằng: không thể có hai người trên thế giới có vân tay trùng nhau. Tính

riêng biệt này đã chứng minh rằng nhận dạng vân tay là chính xác và hiệu quả hơn

rất nhiều phương pháp nhận dạng sinh trắc học khác.

Hiện nay, hệ thống nhận dạng vân tay được ứng dụng phổ biến trong lĩnh

vực dân sự, thương mại như: việc xác định nhân thân khi truy cập mạng, khóa

chống trộm, hệ thống ngân hàng, hệ thống chấm công, hệ thống bảo mật thông ti n,

hệ thống kiểm soát an ninh… Hệ thống nhận dạng ảnh vân tay còn có ý nghĩa rất

quan trọng trong việc đấu tranh phòng, chống tội phạm của ngành Công an. Trong

thực tế đấu tranh phòng, chống tội phạm, ảnh vân tay khi thu được tại hiện trường

thường bị ảnh hưởng bởi các yếu tố như: vị trí ấn, áp lực ấn, độ ẩm của da, bụi

bẩn… dẫn đến ảnh vân tay bị nhiễu, bị biến dạng, bị đứt nét… Ngoài ra, cơ sở dữ

liệu vân tay dùng cho việc nhận dạng thường rất lớn. Những yếu tố trên dẫn tới

việc nhận dạng vân tay gặp khó khăn hơn. Trong nhận dạng ảnh vân tay, việc trích

chọn điểm minutiae của ảnh vân tay giúp cho việc đối sánh nhanh hơn và chính

xác hơn. Với những lý do trên, tác giả chọn đề tài là: “Nâng cao chất lượng ảnh

vân tay và trích chọn điểm minutiae” để nghiên cứu.

Với mục tiêu của luận văn là nghiên cứu các kỹ thuật nâng cao chất lượng

ảnh vân tay và trích chọn minutiae dựa vào tháp phân rã và phép đối xứng xoay để

phát hiện minutiae từ ảnh xám.


15/76

2

Bố cục của luận văn:

Luận văn được trình bày gồm 4 chương. Chương 1 giới thiệu tổng quan về

nâng cao chất lượng ảnh vân tay: giới thiệu về hệ thống nhận dạng sinh trắc học

và hệ thống nhận dạng vân tay, đồng thời nêu lên hướng nghiên cứu của đề tài.

Chương 2 nghiên cứu một số phương pháp nâng cao chất lượng ảnh vân tay và

trích chọn minutiae từ ảnh xám, ảnh nhị phân, đồng thời nêu lên ưu, nhược điểm

của từng phương pháp. Nội dung luận văn này tập trung ở chương 3, nghiên cứu

phương pháp nâng cao chất lượng ảnh dựa vào tháp phân rã và trích chọn minutiae

bằng phép lọc đối xứng xoay của nhóm Bigun: Nâng cao chất lượng ảnh bằng tháp

lọc phân rã, sau đó áp dụng phép lọc đối xứng xoay để phát hiện minutiae .

Chương 4, đánh giá khả năng của phương pháp nâng cao chất lượng ảnh và trích

chọn minutiae được đề cập trong luận văn trên cơ sở dữ liệu ảnh vân tay chất

lượng thấp (FVC2004 DB1 – 800 ảnh vân tay). Phần kết luận được trình bày trong

kết luận chung của đề tài.


16/76

3

CHƯƠNG 1: TỔNG QUAN VỀ ẢNH VÂN TAY

1.1 Hệ thống nhận dạng sinh trắc học

1.1.1 Giới thiệu hệ thống nhận dạng sinh trắc học

Ngày nay, công nghệ sinh trắc học đã được ứng dụng rộng rãi trong nhiều lĩnh

vực của đời sống. Cùng với sự ra đời của thương mại điện tử, ngân hàng điện tử, trạm

kiểm soát an ninh, trung tâm lưu trữ dữ liệu, hệ thống rút tiền tự động,…đòi hỏi các biện

pháp bảo mật cao ngày càng trở thành một vấn đề rất quan trọng và cấp thiết. Tuy nhiên,

các ứng dụng của hệ thống định danh cá nhân theo phương pháp truyền thống trước đây

là dựa vào các hiểu biết (knowledge- based): mật khẩu, số PIN hay là dựa trên các thẻ

ID…không thuận tiện và dễ bị lừa gạt. Bởi vì mật khẩu, số PIN… có thể quên hay có thể bị đoán bởi những kẻ mạo danh, các thẻ bài cũng có thể bị quên hay bị đánh cắp. Do đó,

các phương pháp định danh cá nhân dựa trên hiểu biết và chứng cứ truyền thống khó đáp

ứng nhu cầu thực tế hiện nay. Để đáp ứng các nhu cầu đó thì các phương pháp bảo mật

bằng các đặc trưng sinh trắc học như: ảnh khuôn mặt, ảnh mống mắt, giọng nói, ảnh vân

tay, ảnh bàn tay, chữ ký, dáng đi, cấu trúc tĩnh mạch của mặt sau bàn tay, thành phần hóa

học của mùi mồ hôi,…đang được ứng dụng thay thế dần các phương pháp truyền thống

và thu hút được sự quan tâm của nhiều nhà khoa học.

Vậy nhận dạng sinh trắc học là gì? Nhận dạng sinh trắc học là việc định danh một

cá nhân dựa trên đặc trưng hành vi hay cấu trúc vật lý của một cá nhân nào đó mà có khả

năng tin cậy và phân biệt được với kẻ mạo danh. Từ cơ sở đó người ta chia nhận dạng

sinh trắc học thành hai loại chính: phương pháp nhận dạng dựa trên hành vi và phương

pháp nhận dạng dựa theo cấu trúc vật lý của con người.

Đối với phương pháp dựa trên hành vi là cố gắng xác định một vài hành vi ngắn

điển hình của con ngườ i như: cách dùng viết khi viết hay hành vi ấn phím trên bàn phím

để nhập mã PIN, mật khẩu… Đối với phương pháp dựa trên cấu trúc vật lý là dựa vào

một số tính chất vật lý để xác định cá nhân người dùng như: ảnh bàn tay, ảnh vân tay,

ảnh mống mắt,…

Để các minutiae sinh trắc học được ứng dụng trong nhận dạng, định danh cá

nhân thì nó phải thoả mãn các tính chất sau đây:

Tính duy nhất (Uniqueness)


17/76

4

Tính bất biến theo thời gian (Invariance to Time)

Tính đo được (Mesuarability)

Tính phổ biến (Univerality)

Nhận dạng dựa trên ảnh vân tay là phương pháp nhận dạng sinh trắc học

đáp ứng tốt nhất các yêu cầu đó.

1.1.2 Một số phương pháp nhận dạng sinh trắc học phổ biến

* Phương pháp nhận dạng chữ ký (Signature Verification):

Chữ ký là căn cứ pháp lý để sử dụng trong các giao dịch. Chữ ký của mỗi

người thường khác nhau và có những đặc điểm riêng biệt nên thường được dùngđể phân biệt người này với người khác. Hệ thống nhận dạng chữ ký tự động không

chỉ khảo sát hình dạng của chữ ký mà còn khảo sát quá trình động khi người dùng

đang ký. Như vậy, nhận dạng chữ ký là một trong những phương pháp nhận dạng

sinh trắc học dựa trên hành vi khi người sử dụng ký. Hiện nay, có nhiều lĩnh vực

ứng dụng nhận dạng chữ ký như: xác nhận giao dịch như hợp đồng, thẻ trả tiền,

hay đăng nhập mạng thông qua thiết bị cầm tay...

* Phương pháp nhận dạng giọng nói (Voice Verification):

Giọng nói là kết quả của tập hợp các tác động vật lý bởi vì âm thanh phát ra do

tác động của sự kết hợp giữa các thành phần như: các dây thanh âm, vòm miệng, vùng

thanh âm, răng, vùng xoang và phần bên trong các mô tế bào miệng của con người. Có

thể nói giọng nói là hành vi bởi vì khi phát ra một từ thì mỗi một người có thể phát âm to,

nhỏ, nhanh, chậm khác nhau phụ thuộc trạng thái tâm lý của người nói lúc đó như: giận,

hờn, vui, buồn…Như vậy, hệ thống nhận dạng giọng nói phân tích sóng và các mẫu áp

lực không khí thu được khi một người nào đó nói vào micro. Do đó, nhận dạng giọng nói

là sự kết hợp của hai phương pháp nhận dạng hành vi và nhận dạng kiến trúc vật lý.

Trong thực tế nhận dạng giọng nói có thể không chính xác do trong môi trường

thường bị ảnh hưởng bởi các tạp âm khác. Do đó, hệ thống nhận dạng giọng nói rất khó

khăn trong việc loại bỏ tạp âm ra khỏi giọng nói.


18/76

5

* Hệ thống nhận dạng khuôn mặt (Face Recognition):

Một trong những hệ thống nhận dạng được sử dụng sớm nhất trong các hệ

thống nhận dạng nói chung và nhận dạng sinh trắc học nói riêng đó là nhận dạng

khuôn mặt. Mỗi khuôn mặt đều có nhiều điểm mốc, những phần lồi lõm tạo nên

các đặc điểm của khuôn mặt. Những đặc điểm trên khuôm mặt được gọi là các

điểm nút. Mỗi mặt người có khoảng 80 điểm nút. Hệ thống nhận nhận diện khuôn

mặt thông qua một số điểm nút như sau: Khoảng cách giữa hai mắt; chiều rộng

của mũi; Độ sâu của hốc mắt; Hình dạng của xương gò má; Độ dài của xương

hàm. Các điểm nút trên được đo đạc và tạo ra nhiều mã số được gọi là dấu bộ mặt

(FacePrint) đại diện cho khuôn mặt trong cơ sở dữ liệu. Vì vậy, mỗi người sinh ra

có một đặc điểm khuôn mặt riêng biệt, trở thành cái khóa để phân biệt người đó

với mọi người xung quanh. Ngày nay phương pháp nhận dạng mặt người đã có

các kỹ thuật tiến bộ hơn và đóng vai trò rất lớn trong nhiều lĩnh vực như: công tác

điều tra tội phạm, nhận dạng các cổ động viên quá khích trong trận thi đấu thể

thao,…

Hệ thống nhận dạng mặt người có thể chia thành hai loại chính: một là,

dùng để định danh một cá nhân trong một môi trường đã biết với một khoảng cách

hằng số cho trước; hai là, định danh một cá nhân từ trong một nhóm người với

môi trường động và khoảng cách ngẫu nhiên. Đối với trường hợp một thì tương

đối đơn giản còn trong trường hợp hai thì phức tạp hơn. Bởi vì, khi một người

đứng yên thì việc đánh dấu để nhận dạng dễ hơn so với khi người đó đang di

chuyển. Tuy nhiên, nhận diện khuôn mặt sử dụng các mẫu 3D đã giúp cho việc

nhận dạng được chính xác hơn. Chúng sử dụng độ sâu và trục của các phần trên

khuôn mặt không bị ảnh hưởng bởi ánh sáng, vì thế việc nhận dạng khuôn mặt 3D

có thể được sử dụng cả trong bóng tối và có thể nhận ra khuôn mặt từ nhiều góc

độ khác nhau với độ chênh lệch lên tới 90 độ.

* Hệ thống nhận dạng mống mắt (Iris Scanning):

Mống mắt là phần của mắt và nó có thể xác định tính duy nhất của conngười. Mống mắt bắt đầu hình thành từ tuần thứ tám của bào thai và không thay


19/76

6

đổi trong suốt đời của con người. Các thuộc tính có thể nhận thấy của mống mắt

là: quầng mắt, rãnh mắt, tàn nhang…Hệ thống nhận dạng người dựa trên mống

mắt là rất an toàn. Bởi vì mống mắt có tới 2000 đặc điểm duy nhất để sử dụng cho

việc nhận dạng. Hệ thống này thường dùng camera để thu và xử lý lưu trữ dướidạng các mã mống mắt (IrisCode) và hệ thống sẽ đối sánh các mã này để định

danh một cá nhân nào đó. Hiện nay, hệ thống này thường được áp dụng với các hệ

thống cố định, chưa được sử dụng trong hệ thống nhận dạng di động. Đồng thời nó

mang lại hiệu quả cao trong việc nhận dạng so với công nghệ nhận dạng sinh trắc

học khác, tuy nhiên chi phí của hệ thống nhận dạng này cao hơn các ứng dụng hệ

thống nhận dạng sinh trắc học khác.

* Hệ thống nhận dạng vân tay (Fingerprint Recognition):

Việc sử dụng vân tay để định danh một cá nhân nào đó là do vân tay có tính

duy nhất và bền vững. Xác suất trùng lặp một vân tay là 10 -6. Một người với hai

bàn tay có 10 ngón đầy đủ thì xác suất trùng lặp cả 20 ngón trở nên rất nhỏ đến

mức có thể coi như bằng 0. Do đó, không có hai người khác nhau có các vân tay

trùng nhau. Hơn nữa, hình dạng vân tay ổn định từ lúc sinh ra đến khi chết đi, ít có

điều kiện thay đổi, kể cả nhờ các biện pháp hiện đại như giải phẫu [5].

Ngày nay, trong tất cả các phương pháp nhận dạng sinh trắc học thì ảnh vân

tay được sử dụng thông dụng và mang lại hiệu quả cao trong việc định danh một

cá nhân.

1.1.3 Nhu cầu thực tế về ứng dụng nhận dạng sinh trắc học

Ngày nay công nghệ sinh trắc học được ứng dụng rộng rãi trong nhiều lĩnh vực

của đời sống. Đặc biệt, công nghệ nhận dạng vân tay đã và đang được ứng dụng và mang

lại lợi ích lớn cho xã hội. Theo phân tích ở hình 1.2, tổng số ứng dụng công nghệ nhận

dạng vân tay chiếm tới 48,8% trên tổng số ứng dụng sinh trắc học, điều này phản ánh

nhu cầu ứng dụng là rất lớn.


20/76

7

Hình 1.1: Tỷ lệ phần trăm ứng dụng công nghệ sinh trắc học [16]

Theo dự báo của các chuyên gia, với những đặc trưng nổi trội của côngnghệ nhận dạng vân tay mang lại, trong nhiều năm tới, công nghệ này vẫn tiếp tục

được ứng dụng rộng rãi trong nhiều lĩnh vực (hình 1.2) và mang lại doanh thu rất

lớn (hình 1.3).

Hình 1.2: Các ứng dụng của hệ thống nhận dạng vân tay

Truy cập mạng(non-mobile)


21/76

8

Hình 1.3: Doanh thu công nghệ sinh trắc học trong những năm gần đây

và dự đoán doanh thu trong những năm tới [15].1.2 Hệ thống nhận dạng vân tay

1.2.1 Tình hình nghiên cứu về công nghệ nhận dạng vân tay

Vân tay không ai giống ai. Nghiên cứu các dấu vân tay có thể định danh một

người. Người châu Âu ngày xưa đã sớm nhận ra điều đó. Có những ông vua đã áp cả

lòng bàn tay (thay cho việc đóng dấu) và ký vào các sắc dụ cơ mật để không ai đánh tráo

được. Những thợ gốm bậc thầy, những nhà nặn tượng trứ danh cũng in dấu hoa tay tàinghệ làm chứng chỉ cho tác phẩm chính hiệu của mình. Các kỹ thuật nhận dạng hiện đại

dựa trên dấu vân tay ra đời từ thế kỷ 16.

- Vào năm 1684, một nhà hình học người Anh tên là Nehemiah Grew đã đưa ra

một bài báo khoa học đầu tiên các công trình nghiên cứu của ông về các đường vân, rãnh

và cấu trúc ảnh vân tay . Kể từ sau đó đến nay đã xuất hiện nhiều công trình nghiên cứu

về vấn đề này.

- Vào năm 1788 Mayer đã tiến hành giải phẫu các vân tay và miêu tả một cách

chi tiết các thông tin về các đường vân và rãnh trên vân tay .

- Bắt đầu từ năm 1809, Thomas Bewick đã sử dụng vân tay của mình như là một

nhãn hiệu của ông ta và nó trở thành một trong những công trình khoa học đầu tiên về

định danh cá nhân bằng ảnh vân tay.


22/76

9

- Năm 1823, nhà phẫu thuật Jan Evangelista Purkyne thuộc trường đại học

Breslau đã trình bày trong luận án của mình về 9 mẫu vân tay.

- Năm 1858, William Herschel đã dựa vào vết vân tay để nhận dạng tù nhân

- Năm 1880, bác sĩ Người Anh Henry Faulds đưa ra kiến nghị lấy dấu vân

tay của tội phạm tại hiện trường xảy ra vụ án và đưa ra lý luận gien vân tay. Năm

1882, theo sáng kiến của A. Bertion, lần đầu tiên cảnh sát Paris đã áp dụng lăn

ngón tay trên các hồ sơ căn cước [3].

- Năm 1892, Francis Galton là người đầu chia vân tay thành 3 nhóm: xoáy,

móc, sóng.

Việc sử dụng các nghiên cứu khoa học của dấu vân tay ở thế kỷ 19 đã làm

tiền đề cho việc ứng dụng rộng rãi công nghệ nhận dạng vân tay trong nhiều lĩnh

vực của cuộc sống sau này.

- Năm 1924, FBI (Federal Bureau of Investigation) đã thu thập và lưu trữ

hơn 250 triệu dấu vân tay của người dân để cho việc điều tra tội phạm và nhận

dạng những người bị giết.

- Nước Anh cũng sớm sử dụng biện pháp này và đến năm 1944, họ đã lưu

trữ tới hơn 90 triệu dấu vân tay của tất cả binh lính và những người dân. Với việc

sử dụng dấu vân tay để nhận dạng, cảnh sát có thể truy tìm tung tích tội phạm,

người chết, mất thẻ căn cước hoặc mắc bệnh tâm thần lú lẫn, … [2]

- Năm 1977, chương trình IAI's Certified Latent Print Examiner ra đời được

áp dụng để xác nhận phạm nhân trong tòa án.

- Ở Việt Nam, từ những năm 1992, chương trình Điện tử-Tin học cấp quốcgia KCO1_RD8 do Khoa Điện tử Viễn thông trường Đại học Bách khoa Hà Nội

chủ trì đã từng bước nghiên cứu xây dựng hệ thống nhận dạng vân tay AFIS. Sau

5 năm nghiên cứu, hai luận án TS: “Khôi phục và nâng cấp ảnh ứng dụng trong

tiền xử lý dấu vân tay” của Ngô Văn Sỹ và “Ứng dụng xử lý ảnh để tự động nhận

dạng vân tay đã được nâng cấp khôi phục” của Trần Minh Thành đã được bảo vệ

thành công tại Hội đồng cấp nhà nước.


23/76

10

- Ngoài các luận án TS trên nhiều công trình khác cũng đang nghiên cứu về

lĩnh vực này. Chẳng hạn, hệ BKAFIS do nhóm nghiên cứu Viện công nghệ thông

tin và Khoa công nghệ thông tin trường Đại học Bách khoa Hà Nội mà đứng đầu

là PGS-TS Nguyễn Thanh Thuỷ và PGS-TS Ngô Quốc Tạo. Hệ thống này đã đưara kiến trúc dựa trên mô hình song song hoá cơ sở dữ liệu. Về cấu trúc , nó tương

tự như mô hình phân tán với truyền thông tập trung, nhưng chia thành hai luồng

truyền thông khác nhau: luồng truyền yêu cầu từ các máy đầu cuối về cho hệ

thống và luồng truyền thông tin điều khiển trong hệ thống xử lý. Hệ thống xử lý

được cài trên một mạng LAN [5].

1.2.2 Kiến trúc của hệ thống nhận dạng vân tay [1]

Tùy theo trường hợp sử dụng hệ thống nhận dạng vân tay, hệ thống nhận

dạng vân tay được gọi là hệ thống xác thực hay hệ thống xác định. Hệ thống xác

thực là hệ thống mà người cần nhận dạng sẽ cung cấp thông tin cá nhân của họ

cùng với vân tay.

Hình 1-4: Mô hình của hệ thống xác nhận/truy tìm vân tay tự động

Hình 1-4: Cấu trúc cơ bản của hệ thống xác thực/xác định vân tay tự động

Lấy mẫu/đăng ký vân tay


24/76

11

Hình 1-5: Cấu trúc cơ bản của hệ thống đối sánh vân tay dựa vào minutiae

1.2.3 Thu nhận và lưu trữ ảnh vân tay

1.2.3.1 Thu nhận ảnh vân tay

Hiện nay, có hai phương pháp phổ biến được sử dụng cho việc thu nhận ảnh vân

tay: Phương pháp thu nhận ảnh gián tiếp và phương pháp thu nhận trực tiếp.

- Phương pháp thu nhận gián tiếp là ảnh được thu từ các vết mực được thấm trên

các đầu ngón tay và dùng đầu ngón tay ấn (lăn) lên tờ giấy để in dấu vân tay lên tờ giấy

trắng, sau đó ảnh được lưu trữ thông qua các thiết bị như: máy quét ảnh, camera (hình

1.6). Phương pháp thu nhận ảnh gián tiếp là có thể thu nhận được ảnh khi chưa có các

thiết như máy quét hay camera…Tuy nhiên, các ảnh vân tay thu được bởi phương pháp

này thường có chất lượng thấp. Đặc biệt là các ảnh thu được tại hiện trường thường có

chất lượng thấp do mồ hôi, chất nhờn, bụi,… Do đó, để lấy được ảnh tại hiện trường

người ta cần có một số phương pháp để giúp cho ảnh được thể hiện rõ như phương pháp

lăn tay. [3]

- Phương pháp thu nhận ảnh trực tiếp là quá trình thu thập ảnh trực tiếp thông qua

các thiết bị cảm biến mà không cần thông qua bước trung gian: người ta đặt đầu ngón tay

lên thiết bị cảm biến để thu nhận ảnh. Công nghệ thu nhận ảnh phổ biến nhất hiện nay là

sử dụng cảm biến quang dựa trên cơ chế phản xạ nội toàn phần (TIR) để thu nhận ảnh


25/76

12

vân tay ( Hình 1.7). Kết quả là thu được một ảnh vân. Ảnh vân tay sử dụng phương pháp

này có chất lượng tốt hơn so với phương pháp thu nhận gián tiếp.

Hình 1-6: (a) Dấu mực lăn ảnh vân tay, (b) Vết mực khô dấu vân tay, (c) Mẫu vân tay sống,

(d) Mẫu vân tay ẩm, (e) Mẫu vân tay được sao chụp bằng bộ cảm biến đồng nhất.

Hình 1.7: Giao diện của một cảm biến dấu vân tay đặc trưng quang học dựa trên

phản xạ nội toàn phần (TIR)

1.2.3.2 Lưu trữ ảnh vân tay

Lưu trữ ảnh vân tay trong cơ sở dữ liệu là một vấn đề hết sức quan trọng,

có ảnh hưởng sống còn đến hiệu năng tìm kiếm trong các hệ nhận dạng vân tay cỡlớn. Đối với ảnh vân tay, các thông tin minutiae cần được lưu trữ gồm: véc tơ

(a) (b) (c)

(d) (e)

Phản xạ khuếch tán

Đường đi của các tia phản xạ khi gặpvân và rãnh

Nguồn sáng

Phản xạ nộitoàn phần


26/76

13

minutiae hướng, tập hợp các điểm đơn, véc tơ mã vân tay (FingerCode), nhãn các

lớp và tập điểm minutiae cục bộ. Ngoài ra hệ thống còn phải lưu trữ các t hông tin

cá nhân liên quan đến vân tay như: tên, tuổi, nơi sinh, màu tóc,…Để lưu trữ các

thông tin khác nhau này một cách có hiệu quả và ít tốn kém, thông thường sử dụnggiải pháp đa lưu trữ, nghĩa là phân nhóm thông tin có cấu trúc hoàn toàn khác

nhau theo những phương pháp khác nhau. Cụ thể là thông tin về vân tay được chia

thành 4 nhóm: nhóm dữ liệu bình thường có thể lưu dạng bảng, nhóm dữ liệu dạng

véc tơ được lưu trữ tuần tự, nhóm dữ liệu dạng véc tơ cần lưu trữ bằng cây tìm

kiếm và nhóm dữ liệu ảnh.

Nhóm dữ liệu thông thường có thể lưu trữ dạng bảng chính là các thông tin

cá nhân như: tên, tuổi, nơi sinh, địa chỉ…

Nhóm dữ liệu véc tơ cần lưu trữ dưới dạng cây tìm kiếm là các véc tơ

minutiae tổng thể được dùng ở mức tìm kiếm lọc vân tay trước khi đối s ánh 1:1.

Quá trình tìm kiếm này dựa trên cơ chế tìm láng giềng gần nên dữ liệu cần được tổ

chức dưới dạng R -tree.

Nhóm dữ liệu véc tơ được lưu trữ tuần tự các các véc tơ minutiae cục bộ.

Các véc tơ này được lưu trữ tuần tự là do tại mức đối sánh trên véc tơ minutiae

cục bộ, mọi thao tác phải diễn ra tuần tự, tức là tập minutiae đầu vào phải lần lượt

đối sánh hết với tất cả các tập minutiae được liệt kê. Để lưu trữ được thì các véc tơ

này được chuỗi hoá thành dạng lưu trữ trên bộ nhớ ngoài. Mỗi véc tơ được chuyển

thành một file đặc trưng trên bộ nhớ ngoài. Đường dẫn cụ thể của véc tơ đặc trưng

tương ứng với một vân tay được lưu trong một bảng.

Riêng đối với nhóm dữ liệu ảnh, tuy chúng không tham gia vào quá trìnhtìm kiếm vân tay, nhưng chúng có thể được sử dụng cho những mục đích kiểm tra

lại hoặc trích chọn lại minutiae khi cần. Do vậy, ảnh vân tay được lưu dạng file

trên bộ nhớ ngoài và đường dẫn của chúng được lưu vào một bảng, giống các véc

tơ minutiae cục bộ.

1.2.4 Nâng cao chất lượng ảnh vân tay

Nâng cao chất lượng ảnh vân tay (hay còn gọi là tăng cường ảnh vân tay) làlàm nổi rõ các đường vân trên trên bề mặt của ảnh vân tay đầu vào. Trong nhiều


27/76

14

trường hợp, ảnh vân tay được thu nhận có chất lượng thấp. Do đó, nâng cao chất

lượng ảnh vân tay là bước tiền xử lý trong các hệ thống nhận dạy vân tay tự động.

Người ta thử nghiệm và đã chứng minh được rằng nhờ các biện pháp tiền xử lý

ảnh mà tỷ lệ lỗi giảm khoảng 10% khi áp dụng các thuật toán đối sánh [5]. Cónhiều biện pháp nâng cao chất lượng ảnh, thông thường người ta sử dụng các kỹ

thuật lọc trong miền tần số và miền không gian. Trong các vùng lân cận cục bộ,

các đường vân và rãnh có thể xem như là các tín hiệu hìn h sin dọc theo hướng

đường vân cục bộ. Vì thế, các đường vân và rãnh trong vùng lân cận cục bộ

thường được định nghĩa tốt theo tần số cục bộ và hướng cục bộ. Phương pháp

được sử dụng thông dụng nhất là dùng bộ lọc Gabor. Hàm lọc Gabor được sử

dụng trong việc làm rõ ảnh vân tay mang lại hiệu quả cao. Vấn đề đặt ra là làm thế

nào để ước lượng đúng khoảng cách đường vân và phương pháp chọn ngưỡng hợp

lý. Ảnh sau khi được làm rõ cần qua giai đoạn nhị phân hóa, làm mảnh sau đó mới

rút trích minutiae phục vụ cho công việc đối sánh ảnh vân tay.

1.2.5 Trích chọn minutiae

Các loại đặc trưng ảnh vân tay

+ Đặc trưng toàn cục

Các vùng trưng mức toàn cục được rút ra từ cấu trúc của đường vân. Độ cong của

các đường vân tạo thành các hình dạng đường vân khác nhau. Những vùng này được gọi

là các vùng nổi bật còn gọi là điểm core, điểm delta (Hình 1-9). Điểm nổi bật này kết hợp

với hình dáng của cấu trúc đường vân để phân loại ảnh vân tay thành 5 dạng sau: vòng

lặp (loop) đặc trưng toàn cục của ảnh vân tay được phân loại thành vòng lặp trái (left

loop), vòng lặp phải (right loop); lặp tròn (whorl), cung (arch) và cung nhọn (tented arch)(Hình 1-10 và 1-11). Các đặc trưng này có chi phí lưu trữ thấp nhưng đối với ảnh vân tay

chất lượng thấp thì không thể sử dụng các minutiae này để phân biệt vân tay. Do vậy, các

minutiae này thông thường được sử dụng trong việc tìm kiếm ảnh ở mức thô (phân lớp

ảnh vân tay) [5].


28/76

15

Hình 1-8: (a) Điểm nổi bật trên vân tay (điểm delta, điểm core);

(b) K hoảng cách đường vân.

Hình 1-9: 5 phân lớp chính của một ảnh vân tay.

Hình 1-10. Các lớp vân tay theo phân lớp Henrry: (a) left loop, (b) right loop.

(c) whorl, (d) arch, (e) tented arch.

(a) (b)

Điểm lõi (core)


29/76

16

+ Đặc trưng cục bộ

Khi quan sát trên từng đường vân ta thấy có nhiều điểm mà đường vân bị

gián đoạn, có điểm kết thúc, có điểm rẽ nhánh,…Điều này đã tạo ra các loại

minutiae khác nhau như: điểm đường vân rẽ thành 2 nhánh ( bifurcation), điểm mà

tại đó đường vân kết thúc (ending), điểm chéo (crossover), đường vân dạng hồ

(lake), đường vân dạng cựa gà (spur), đường vân dạng đảo (island),… (Hình 1-11,

1-12).

Hình 1-11: Một số minutiae phổ biến của ảnh vân tay

Hình 1-12: Một số dạng minutiae cục bộ phổ biến của ảnh vân tay [6]

Dạng hồ (Lake)

Điểm rẽ nhánh Bifurcation

Cựa gà (Spur)

Điểm kết thúc Endin

Chỗ iao nhau Crossover


30/76

17

Francis Galton (1822-1911) là người đầu tiên quan sát và phân loại các

minutiae, đồng thời khẳng định trong các minutiae cục bộ của ảnh vân tay thì

điểm ending, bifurcation là không thay đổi trong suốt cuộc đời của mỗi con người.

Vì vậy, hai minutiae này được sử dụng trong việc đối sánh ảnh vân tay.

Hình 1-13: (a) Điểm kết thúc; (b) Điểm rẽ nhánh

Gọi vị trí của điểm minutiae là (x,y), góc () tạo bởi tiếp tuyến của đường

vân tại điểm minutiae và trục hoành (Hình 1-15).

Hình 1-14 Thông tin rút trích minutiae (a) Điểm kết thúc, (x,y) là tọa độ của minutiae, là

góc tạo bởi hướng của minutiae; b) Điểm rẽ nhánh.

Loại đặc trưng kết thúc và rẽ nhánh không những có tính chất phân biệt rất

tốt mà còn chi phí lưu trữ thấp nên thường được dùng để nhận dạng vân tay. Mặc

dù minutiae có nhiều đặc trưng cục bộ như đã trình bày ở trên, Tuy nhiên, người ta

chỉ hay sử dụng 2 loại minutiae cục bộ là điểm kết thúc đường vân và điểm rẽ

(a) Ridge ending (b) Bifurcation

(a) (b)


31/76

18

nhánh, vì hầu hết các loại điểm cục bộ còn lại đều có thể biểu diễn được thành 2

loại điểm trên [5].

Trong các ảnh vân tay điểm kết thúc và rẽ nhánh (rẽ hai) có thể tráo đổi cho

nhau ở cùng vị trí trong ảnh âm bản, điểm kết thúc xuất hiện như là điểm rẽ nhánh

của ảnh vân tay và ngược lại (Hình 1-16).

Hình 1-15: Các điểm kết thúc và rẽ nhánh hai có thể tráo đổi cho nhau ở cùng vị trí.

1.2.6 Đối sánh ảnh vân tay

Quy trình đối sánh ảnh vân tay [2]

Mục đích của quá trình này là đối sánh vân tay dựa trên các minutiae đã

được rút trích. Quá trình này được thực hiện qua các bước nhỏ sau:

• Phân tích minutiae (minutiae analysis): phân tích các đặc điểm cần thiết

của các minutiae để phục vụ cho việc đối sánh vân tay.

• Xét độ tương tự cục bộ (local similarity): thuật toán đối sánh vân tay sẽ dựa vào

các thông tin cục bộ của các minutiae của vân tay để tìm ra các cặp minutiae giống nhau

giữa hai vân tay.

• Xét độ tương tự toàn cục (global similarily): từ những khu vực tương tự nhau

trên cục bộ, thuật toán sẽ tiếp tục mở rộng đối sánh trên toàn cục.

• Tính điểm đối sánh (calculate matching score): tính toán tỷ lệ độ tương đồng

giữa các cặp minutiae. Điểm đối sánh này sẽ cho biết độ giống nhau của hai ảnh vân tay

là bao nhiêu %.

(b) Là ảnh âm bản của (a)


32/76

19

Hình 1-16: Sơ đồ các bước nhận dạng vân tay

1.3 Kết luận

Chương này đã trình bày tổng quan về hệ thống nhận dạng vân tay, ứng

dụng của hệ thống nhận dạng sinh trắc học trong đó ứng dụng nhận dạng vân tay

đóng vai trò hàng đầu trong hệ thống nhận dạng sinh trắc học. Trong quy trình của

hệ thống nhận dạng vân tay thì quy trình trích chọn minutiae gặp rất nhiều khó

khăn, thách thức do ảnh vân tay thu được thường có chất lượng thấp đòi hỏi phải

thực hiện các thuật toán tốt để nâng cao chất lượng ảnh . Vấn đề này đang được

giới chuyên môn quan tâm nghiên cứu. Trong chương 2 chúng tôi sẽ trình bày một

số phương pháp nâng cao chất lượng ảnh vân tay và trích chọn minutiae.

Tăng cườngảnh

Xử lý ảnh

Phân tích ảnh Nhị phân hóa

Làm mảnh Xây dựng lạicấu trúc vân

Trích chọnđặc trưn

Tính số điểm đốisánh

Độ tương tựcục bộ

Phân tíchđặc trưng

Độ tương tựtoàn cục

Đối sánh


33/76

20

CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG

ẢNH VÂN TAY VÀ TRÍCH CHỌN ĐẶC TRƯNG

2.1 Nâng cao chất lượng ảnh vân tay bằng bộ lọc Gabor

2.1.1 Phân đoạn và chuẩn hóa ảnh

- Phân đoạn ảnh

Trong các thuật toán nâng cao chất lượng ảnh vân tay thì bước đầu tiên là

phân đoạn ảnh. Mục đích của phân đoạn ảnh là chọn ra được vùng ảnh vân tay cần

quan tâm dùng cho việc nhận dạng bao gồm các đường vân và rãnh rõ ràng. Vùng

còn lại là vùng nền chứa những thông tin không liên quan đến việc nhận dạng. Có

nhiều phương pháp đề xuất cho việc phân đoạn ảnh. Phương pháp này sử dụng

một ngưỡng về dao động mức xám để phân đoạn ảnh. Do vùng cần quan tâm có

độ dao động mức xám lớn, còn vùng nền hoặc các vùng không rõ ràng có độ dao

động mức xám nhỏ.

Gọi I(k,l) là giá trị mức xám của ảnh vân tay tại điểm ảnh (k,l). Thuật toán

phân đoạn được trình bày tóm tắt như sau:

i) Phân chia ảnh thành các khối liên tiếp không đều nhau, mỗi khối có kích

thước w×w (trong thực nghiệm của luận văn w =8).

ii) Tính toán độ dao động mức xám V(i,j) cho mỗi khối (i,j) như sau:

)12()) j,i(M)l,k (I(w

1) j,i(V

1w

0l

21w

0k 2

iii) Chọn khối có độ dao động lớn hơn ngưỡng T (thực nghiệm trong luận

văn lấy T=40) cho trước là các khối hợp lệ.

Chuẩn hóa ảnh vân tay

Ảnh vân tay được thu nhận ở những trạng thái khác nhau của đầu ngón tay,

nên mức xám các điểm ảnh dọc ranh giới giữa đường vân và rãnh có sự dao động

nhiều. Mục đích của giai đoạn chuẩn hóa này là nhằm giảm độ dao động về mức

xám giữa đường vân và rãnh để thuận tiện cho các giai đoạn xử lý về sau. Gọi

I(i,j) là giá trị mức xám tại điểm ảnh (i,j), M và V tương ứng là giá trị độ xám


34/76

21

trung bình và độ dao động mức xám của ảnh I, và N(i,j), là giá trị mức xám được

chuẩn hóa tại điểm ảnh (i,j).

Công thức tính giá trị chuẩn hóa ảnh như sau:

)22(else

M) j,i(Iif V

)M) j,i(I(M

) j,i( N

V

)M) j,i(I(VM

V

20

0

2

00

Trong đó, M0, V0 tương ứng là giá trị mức xám trung bình mong muốn và

độ dao động mong muốn cho trước. Độ xám trung bình và độ dao động mức xám

của ảnh có kích thước M x N điểm ảnh, được định nghĩa như sau:

và

Việc chuẩn hóa ảnh vân tay không làm thay đổi trạng thái ban đầu của

đường vân và rãnh (Hình 2-1)[2]

Hình 2-1: Minh họa việc phân đoạn và chuẩn hóa ảnh vân tay. (a) Ảnh gốc, (b) Ảnh được

chọn vùng vân tay và chuẩn hóa.

)32(), j,i(I(MN

1)I(M

1M

0i

1 N

0 j

)42()I(M) j,i(I(MN

1)I(V

1M

0i

1 N

0 j

(a) (b)


35/76

22

2.1.2 Ước lượng hướng đường vân

Mục đích của bước này là xác định hướng của các đường vân, ước lượng

hướng đường vân cục bộ đóng vai trò rất quan trọng trong việc nâng cao chất

lượng ảnh vân tay. Đặc biệt ước lượng hướng đường vân cục bộ trong nâng cao

chất lượng ảnh sử dụng phương pháp lọc Gabor (Hình 2-2). Vì nếu việc ước lượng

hướng không đúng sẽ dẫn đến việc ước lượng tần số và lọc Gabor sai; kết quả này

làm ảnh sau khi tăng cường không tốt, thậm chí còn xấu hơn rất nhiều so với ảnh

ban đầu; dẫn đến việc rút trích minutiae không đúng [12].

Hình 2-2: Hướng đường vân tại tọa độ (x,y) của ảnh vân tay [12]

Ước lượng hướng được chia thành các bước chính như sau:

Bước 1: Đầu tiên, chia Ψ thành nhiều ô có kích thước w x w (giá trị w đề

nghị là 16), tâm của mỗi ô có tọa độ (i,j).

Bước 2: Ở mỗi ô, có tâm điểm (i,j), dùng toán tử Sobel để tính gradient

x(i,j) và y(i,j) tại mỗi điểm (i,j). Toán tử Sobel ngang được dùng để tính ∂x(i,j).

Toán tử Sobel dọc được dùng để tính y(i,j)

Bước 3: Ước lượng ở mỗi ô có tâm điểm (i,j) theo phương trình sau:

101

202

101

121

000

121


36/76

23

)72() j,i(V

) j,i(Vtan

2

1) j,i(

x

y1

Trong đó (i,j) là hướng cục bộ của ô có tâm điểm là (i,j).

Bước 4: Sử dụng lọc Gaussian làm mượt các trường hướng của ô căn cứ

vào thông tin của các ô lân cận, vì các điểm gây nhiễu, vân bị đứt, hay các

minutiae vân tay, … trong ảnh vân tay; làm cho việc xác định hướng cục bộ củ a ô

không đúng (hình 2.3.a). Ngoài ra, tính chất hướng của các ô thay đổi một cách từ

từ so với các ô lân cận của nó, nên một lọc thông thấp (low - pass) được dùng để

chỉnh sửa những hướng vân cục bộ sai. Để thực hiện lọc thông thấp, hướng của

các ô được chuyển về các trường véc tơ liên tục:

x(i,j) = 2cos(2(i,j)) (2-9)

y(i,j) = 2sin(2(i,j)) (2-10)

Trong đó x(i,j) và y(i,j) là các trường véc tơ tương ứng với x và y. Áp

dụng bộ lọc thông thấp lên các trường véc tơ ta có:

)62()v,u()v,u(2) j,i(V2

w j

2

w jv

y2

x2

2

wi

2

wiu

y

)52()v,u()v,u(2) j,i(V2

w j

2

w jv

yx

2

wi

2

wiu

x

)112()vw j,uwi()v,u(G) j,i(2

w

2

wv

x

2w

2

wu

'

x

)122()vw j,uwi()v,u(G) j,i(2

w

2

wv

y

2

w

2

wu

'y


37/76

24

Trong đó G là lọc thông thấp Gaussian của kích thước WΦ x WΦ.

Hướng sau khi được làm mượt ở mỗi ô:

Hình 2-3: (a) Ước lượng hướng mà chưa được làm trơn;

(b) Ước lượng hướng đã được làm trơn.

2.1.3 Tính khoảng cách đường vân

K hoảng cách đường vân là khoảng cách giữa hai đường vân liền kề nhau. Việctính khoảng cách đường vân gặp một số thách thức như ảnh chất lượng thấp, có nhiều

nhiễu, có độ cong cao, mỗi vùng có khoảng cách khác nhau…

Mặc dù khoảng cách đường vân có vai trò quan trọng trong nhận dạng ảnh vân

tay nhưng có rất ít tài liệu trình bày về thuật toán tính khoảng cách đường vân. Phươ ng

pháp dựa vào cửa sổ hướng được sử dụng trong luận văn.

* Phương pháp cửa sổ hướng [1][9]

Tại các vùng không chứa điểm core hoặc delta thì độ xám của các điểm ảnh nằm

cắt ngang đường vân và rãnh biến đổi có dạng hình Sin. Giá trị biểu diễn sự biến đổi gợn

sóng này là x-signature. Giá trị này được tính toán bởi công thức

(2-14, 2-15, 2-16). Gọi N là ảnh được chuẩn hóa, θ là trường hướng đường vân. Thuật

toán ước lượng hướng đường vân theo phương pháp này bao gồm các bước như sau:

)132() j.i(

) j,i(tan

2

1) j,i(O

'

y

1

'

y


38/76

25

1) Phân chia ảnh N thành các khối có kích thước w x w

2) Với mỗi khối tâm tại (i,j), tính toán của sổ hướng kích thước l x w (ví dụ

32 x16 , Hình 2-4).

Hình 2-4: Cửa sổ hướng dùng để tính x-signature [9]

3) Với mỗi khối tại tâm (i,j), tính toán x - signature, X[0], X[1],…, X[l-1],

của đường vân và rãnh trong cửa sổ hướng, trong đó:

)142(l ,1,...,1,0k ),v,u(Iw1]k [X 1w

0d

Với (i,j) là hướng tại điểm (i,j)

4) Nếu không phải là vùng có chứa điểm lõi thì x-signature có dạng gợn

sóng hình sin (Hình 2-5). Do đó, khoảng cách đường vân T(i,j) tại mỗi khối (i,j)

là số lượng trung bình các điểm ảnh giữa hai đỉnh liên tiếp trong x -signature.

5) Đối với các khối có điểm minutiae hoặc điểm core hoặc delta thì hình

dạng Sin không rõ ràng nên bước nội suy sau để ước lượng khoảng cách đường

vân cho các vùng này. Tại mỗi khối (i,j) ta tính:

)162() j,i(cosk 2

l) j,i(sin

2

wd jv

)152() j,i(sin2

lk ) j,i(cos

2

wdiu


39/76

26

Trong đó:

Wg là nhân Gaussian với giá trị trung bình là 0 và phương sai là 9. WT =7là kích thước của nhân.

6) Khoảng cách đường vân thay đổi từ từ nên phép lọc thông thấp được áp dụngđể làm mịn khoảng cách đường vân của các khối.

Trong đó, Wl là phép lọc thông thấp trong không gian 2 chiều với kích

thước mặt nạ lọc wl =7.

2.1.4 Nâng cao chất lượng ảnh bằng lọc Gabor

Trong thực tế, ảnh vân tay thu được thường có chất lượng thấp như do mồ hôi,

chất nhờn, bụi,… Do đó, việc nâng cao chất lượng ảnh là bước tiền xử lý đóng vai tròquan trọng trong hệ thống nhận dạng ảnh vân tay. Đã có nhiều công trình nghiên cứu về

thuật toán nâng cao ảnh vân tay; tuy vậy, phương pháp được sử dụng rộng rãi nhất là dựa

vào hàm lọc Gabor. Hàm lọc Gabor là công cụ rất hữu dụng cả trong miền không gian và

miền tần số. Nhóm tác giả Hong (1998) đề xuất sử dụng ngân hàng lọc Gabor để làm rõ

ảnh vân tay và đạt được kết quả rất tốt. Tuy nhiên , trong phương pháp nâng cao chất

lượng ảnh bằng lọc Gabor, tác giả chọn phương pháp ước lượng khoảng cách đường vân

và chọn ngưỡng hợp lý để sao cho ảnh có chất lượng tốt nhất.

)182(,else1

0xif ,0)x(

)172( ,else

)1)vw j,uwi(T()v,u(W

))vw j,uwi(T()v,u(W

1) j,i(Tif ) j,i(T

T2/W

2/Wvg

2/W

2/Wu

2/W

2/Wvg

2/W

2/Wu'

T

T

T

T

T

T

T

T

)192(,elsex

0xif ,0)x(

(2-20)

2/W

2/Wv

'l

2/W

2/Wu

l

l

l

l

)vw j,uwi(T)v,u(W) j,i(F


40/76

27

Việc áp dụng và bổ sung thuật toán nâng cao chất lượng do nhóm tác giả

Hong đề xuất được trình bày tóm tắt như sau. Gọi θ là hướng đường vân, T là

khoảng cách đường vân, là mặt nạ cho biết vùng vân tay có. E là ảnh sau khi

nâng cao chất lượng.

1) Tính toán hướng đường vân θ như đã trình bày trong mục 2.1.2 và tính

khoảng cách đường vân T như đã trình bày trong mục 2.1.3.

2) Vùng mặt nạ () [9]

Mục đích việc xác định vùng mặt nạ là xác định điểm ảnh trong các vùng

điểm của ảnh vân tay đầu vào nào có khả năng được phục hồi hay vùng điểm ảnh

không thể được phục hồi. Việc phân loại các điểm ảnh vào vùng có khả năng

được phục hồi hay không thể được phục hồi là dựa vào hình dạng sóng của (vân -

rãnh) vân tay cục bộ. Ba yếu tố sau được dùng là đặc tính của sóng hình dạng sin

của tần số: biên độ (α ), tần số ( β ), phương sai ( γ ).

Thuật toán:

Đặt X[1], X[2], …, X[l] là x-signature của khối có tâm (i,j). Ba đặc tính

được tính như sau:

+ α = (chiều cao trung bình của các đỉnh – bề sâu trung bình của các đáy

của sóng hình sin).

+ β=1/T(i,j) ; trong đó, T(i,j) là số điểm ảnh trung bình giữa 2 đỉnh liên

tiế p nhau.

+

Nếu sự kết hợp của ba đặc tính trên mà lớn hơn một ngưỡng (=40) nào đó,

thì khối có tâm (i,j) có khả năng được phục hồi tương ứng với (i,j)=1, ngược lại

thì không thể được phục hồi (i,j)=0.

3) Xét từng điểm ảnh (i,j), giá trị mức xám áp dụng hàm Gabor với wg =11.

Trong đó:

)212(else),v j,ui(I)) j,i(T/1,) j,i(:v,u(h) j,i(E

0) j,i(if 2552/Wg

2/Wgv

2/Wg

2/Wgu

l

1i

2l

1i ])i[Xl

1(]i[X(

l

1


41/76

28

Hình 2-5: (a) Ảnh gốc, (b) Ảnh sau khi sử dụng hàm lọc gabor

2.2 Rút trích minutiae từ ảnh nhị phân

2.2.1 Nhị phân hóa [2] [12]

Nhị phân hóa ảnh vân tay là đưa mức xám của điểm ảnh về 0 hoặc 1 (0 - mức

xám của nền, 1 - mức xám của ảnh) thông thường trong kỹ thuật nhị phân hóa ảnh ta

chọn một ngưỡng toàn cục t và được thực hiện bằng cách lập các điểm ảnh có mức xám

nhỏ hơn t thì đưa về 0, ngược lại các điểm ảnh còn lại có ngưỡng lớn hơn hoặc bằng t thì

đưa về 1. Nhưng trong thực tế, ảnh có chất lượng thấp thường có độ tương phản và

cường độ khác nhau. Do đó, một ngưỡng t ở trên là không đủ để nhị phân hóa ảnh một

cách chính xác. Trong luận văn này tác giả đề xuất kỹ thuật chọn ngưỡng thích nghi cục bộ. Bằng cách điều chỉnh giá của nó theo cường độ cục bộ trung bình bằng cách:

- Tính giá trị ngưỡng trên mỗi dòng bằng trung bình giá trị lớn nhất max (đỉnh

rãnh), và nhỏ nhất min (đỉnh của vân).

- Tìm phần tử trung vị của các ngưỡng thuộc mỗi dòng này là ngưỡng cuối của

khối.

)222(),cosfx2cos()siny()cosx(

2

1exp)f ,:y,x(h

2y

2

2x

2

(a) (b)


42/76

29

Kết quả việc sử dụng ngưỡng cục bộ thích nghi là hiệu quả hơn, đường vân đúng

với thực tế hơn là sử dụng ngưỡng toàn cục (Hình 2-8 minh họa ảnh nhị phân dùng

ngưỡng cục bộ thích nghi).

Hình 2-6: (a) Ảnh gốc, (b) Ảnh nhị phân theo cách chọn ngưỡng cục bộ thích nghi.

Tuy nhiên đối với ảnh chất lượng thấp, kỹ thuật ngưỡng cục bộ không phải

lúc nào cũng cho kết quả tốt mà có sự xuất hiện các cựa gà (spur) hay dạng đảo

(island) hay cầu ( bridge), …

Hình 2-7: Ảnh nhị phân hóa và làm mảnh có thể chứa một số minutiae giả: (a) Đường vân

dạng bridge, (b) Đường vân dạng cựa gà (Spur), (c) Đường vân dạng đảo (Island), (d) Đường

vân bị đứt (Break) [4].2.2.2 Làm mảnh ảnh vân tay

Mục đích của giai đoạn làm mảnh đường vân tay là làm cho đường vân có độ dày

là một điểm ảnh mà cấu trúc vân tay vẫn được đảm bảo. Có nhiều phương pháp được sử

dụng làm mảnh đường vân. Một trong những phương pháp của các tác giả A.Rosenfeld

và A. Kak (1982) là nhị phân hóa ảnh trước khi làm mảnh [1]. Giá trị của từng điểm ảnh

là 0 hay 1 sẽ dựa trên vùng lân cận 8 của điểm ảnh đó. Trong phương pháp này, nhóm

tác giả Rosenfeld và Kak đưa định nghĩa 8-simple để chỉ tính chất của 1 điểm ảnh P có

thể bị xoá mà không làm mất tính liên thông các điểm ảnh trong lân cận 8 với P. Nói

(a) (b)


43/76

30

cách khác, các điểm ảnh trong lân cận 8 với P vẫn liên thông với nhau mà không cần có

P. Để có được khung xương nằm ở giữa, ta duyệt hình xoay lần lượt theo trình tự các

hướng trái- phải, phải-trái, trên-xuống, rồi dưới-lên. [Hình 2-10] .

Hình 2-8: (a, b) Không là 8 simple, (c,d) Là 8 simple

Thuật toán làm mảnh được trình bày tóm tắt như sau:

- Đánh dấu các điểm ảnh 8-simple nằm ở biên và pixel này không phải là pixel kết thúc (điểm ảnh kết thúc có một pixel duy nhất trong lân cận 8).

- Xoá các điểm ảnh đã đánh dấu.

- Lặp lại bước 1 cho đến khi không có pixel bị đánh dấu.

Phương pháp này làm mảnh được đường vân về còn 1 điểm mà vẫn giữ

được câu trúc của vân tay [ Hình 2-11].

Hình 2-9: (a) Ảnh được nâng cao chất lượng, (b) Ảnh được nhị phân hóa,

(c) ảnh được làm mảnh [2].

2.2.3 Rút trích minutiae [2], [14]

Giả sử (x,y) là một điểm trên đường vân đã được làm mỏng và N0, N1, …, N7 là

8 điểm xung quanh nó thì:

- (x,y) là một điểm kết thúc nếu:

7

0ii 1 N

- (x,y) là điểm rẽ nhánh nếu:

7

0ii 3 N


44/76

31

- (x,y) là điểm liên kết nếu:

7

0ii 2 N

- (x,y) là điểm giao nhau nếu:

7

0i i 4 N

- (x,y) là điểm cô lập nếu:

7

0ii 0 N

Hình 2-12 và 2-13

Hình 2-10: (a) Một phần của ảnh vân tay, (b) Điểm kết thúc, (c) Điểm rẽ nhánh.

Hình 2-11: Đặc điểm của một điểm ảnh dựa vào 8 điểm xung quanh.

Trong thuật toán này giúp tìm ra được tất cả các đặc điểm trên ảnh vân tay

có thể là minutiae của ảnh vân tay, tuy nhiên trong số các minutiae thu được xuất

hiện một số minutiae giả (hình 2-9). Do vậy để nh�

Documents

Luan Van_ Ng Xuan Thang