Luận văn Thiết kế hệ thống nhận dạng vân tay từ ảnh số

Do điều kiện thu thập ảnh khác nhauvớimỗilầnlấymẫu vân tay; dokỹ thuật

thu nhận ảnh (sửdụng sensor, scanner, ) khác nhau nên độ sáng ảnh vân ta y

khônggần nhất. Vìvậycần làm đồng đềucường độ sángcủa các ảnh vân ta y

trongbộdữ liệu. Phương pháp thực hiện: dùngmột ảnhmẫu cócường độ sáng

đồng đều,rồi chuẩn hóa độ sángcủa các ảnh khác theo ảnh nàybằng bình

phươngcực tiểu. Trong đồ ánsửdụng ảnh có cùng kích thướccường độ sánh

các điểm ảnh [ ] , 128 I ij = (làmức xám trung trung bình trong 255mức).

pdf70 trang | Chia sẻ: maiphuongdc | Lượt xem: 2759 | Lượt tải: 23download
Bạn đang xem nội dung tài liệu Luận văn Thiết kế hệ thống nhận dạng vân tay từ ảnh số, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
hư các ảnh số khác là tập hợp các phần tử ảnh hay còn gọi là các pixel, [ , ]i j . Ảnh được biểu diễn như một ma-trận hai chiều cỡ W H´ , hai thông số này cho biết thông tin về độ rộng và chiều cao ảnh. Giá trị của mỗi phần tử của ma-trận [ , ]I i j biểu diễn cho mức xám hay cường độ ảnh tại vị trí của phần tử đó. é ù ê ú ê ú= ê ú ê ú ë û f(1,1) f(1,2) f(1,N) f(2,1) f(2,2) f(2,N)f f(M,1) f(M,2) f(M,N) L L M M M L a) b) Hình-6. Biểu diễn ảnh số: a) hệ trục tọa độ trong Image Processing Toolbox; b) ma-trận biểu diễn ảnh số 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 9 Tùy theo yêu cầu lưu trữ, các pixel sẽ được mã hóa bằng 8-bit, 16-bit,… tương ứng với ảnh xám 256, 65536 mức. Với ảnh đen trắng, các pixel này được lưu trữ bằng 1-bit. Cường độ ảnh I chỉ có thể là một trong hai giá trị, [ ][ , ] 0,1I i j Î . Ứng với giá trị 0 đó là các điểm đen, còn với giá trị 1 đó là điểm trắng. Với ảnh màu, cách biểu diễn cũng tương tự như với ảnh xám, chỉ khác là các giá trị tại mỗi phần tử của ma-trận biểu diễn ba màu riêng biệt gồm: đỏ (Red-R), lục (Green-G) và lam (Blue-B). Để biểu diễn cho ba màu riêng rẽ cần 24-bit, 24- bit này được chia thành ba khoảng 8-bit. Mỗi khoảng này biểu diễn cho cường độ sáng của một trong các màu chính. 3.1.2. Cơ sở về màu Ánh sáng màu là tổ hợp các ánh sáng đơn sắc. Mắt người có thể cảm nhận được một số màu nhất định nhưng lại có thể phân biệt được rất nhiều màu (trong vùng quang nhìn thấy, có dải bước sóng 400 750nm nm¸ ). Cảm nhận màu của con người phụ thuộc vào ba thuộc tính B, H, S. B (brightness): độ chói, H (hue): sắc lượng, S (saturation): độ bão hòa. Hình-7. Cảm nhận của các tế bào nhạy sáng trong võng mạc mắt với các màu ánh sáng phụ thuộc vào chiều dài bước sóng ánh sáng. 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 10 Trong võng mạc mắt người có các tế bào cảm thụ hình nón nhạy với ánh sáng. Có khoảng 6 ¸7 triệu tế bào loại này trong mắt, chúng chia làm ba nhóm nhạy với ba màu ánh sáng khác nhau: 65% tế bào nhạy với ánh sáng đỏ (red), 32% tế bào nhạy với ánh sáng xanh lục (green) và 2% còn lại nhạy với ánh sáng xanh lơ (blue). Tổ hợp B, H, S đối với từng ánh sáng màu trong ba màu này giúp mắt con người có thể phân biệt được hàng ngàn màu. R, G, B còn được gọi là các màu cơ sở. Phân bổ phổ năng lượng của một nguồn sáng màu có bước sóng l ký hiệu là ( )C l và việc tổ hợp màu theo ba màu cơ sở (có các đường cong cảm nhận 1S , 2S , 3S ) mô tả bằng sơ đồ khối sau: Hình-8. Tổ hợp màu. Đáp ứng phổ ( )i Ca sẽ được tính như sau trong dải bước sóng ( ) max min ( ) ( )i iC S c d l l a l l l= ò , 1,3i = . Với phân phối xác xuất của ba màu ( )kp x , 1,3k = nên có: max min ( ) 1 x k x p x dx =ò . 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 11 Giả sử ba màu cơ bản được tổ hợp theo tỉ lệ ( )kb l , 1,3i = . Để tạo ra một màu có phân bố phổ năng lượng ( )C l sẽ bằng 3 1 ( ) ( )k k k p xb l = å . Thay giá trị vào phương trình về đáp ứng phổ: max max3 3 3 , 1 1 1min min ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )i i k k k i k k i k k k k c S x p x dx x S p x dx x a l l l l a l b b l b = = = æ ö = = =ç ÷ è ø å å åò ò trong đó: max i, k min ( ) ( )i kS p x dx l l a l= ò . Như vậy có thể tổ hợp màu theo phép cộng màu với ia là hệ số tổ hợp theo công thức tổng quát sau: 1 2 3X R G Ba a a= + + Tổ chức quốc tế về chẩn hóa màu CIE đã đưa ra một số không gian màu như: RGB, CMY, CMYK, HIS,… Trong đó mô hình RGB có vai trò quan trọng. x red P green blue é ù ê ú= ê ú ê úë û a) b) Hình-9. Hệ tọa độ màu: a) mô hình màu RGB; b) biểu diễn điểm ảnh trong hệ tọa độ màu RGB. 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 12 3.1.3. Chuyển đổi màu Hệ tọa độ màu do CIE quy định như một hệ quy chiếu và trên thực tế không thể biểu diễn hết các màu. Tùy thuộc vào các ứng dụng khác nhau người ta đưa ra thêm một số hệ tọa độ khác như NTSC, CMY, YIQ... phù hợp với yêu cầu hiển thị màu sắc. Việc chuyển đổi giữa các không gian biểu diễn màu thực hiện theo nguyên tắc sau: x xP A P *= ´ , trong đó: xP : không gian biểu diễn màu ban đầu, xP * : không gian biểu diễn màu mới, A : ma-trận phép biến đổi. Ảnh dùng trong đồ án này là ảnh xám. Mức xám là kết quả của sự mã hóa tương ứng một cường độ sáng của điểm ảnh với một trị số. Giá trị của nó phụ thuộc vào mức độ lượng tử hóa ảnh, như các ảnh dùng làm cơ sở dữ liệu đã lấy 8-bit để mã hóa ảnh (ứng với 256 mức xám, trong đó mức xám 0 là màu đen, mức xám 255 là màu trắng). Khi chuyển đổi từ ảnh màu RGB sang ảnh xám có thể dùng công thức sau: 1 2 3grayscale R G Ba a a= + + , các hệ số ia lần lượt như dưới đây [6]. 1 2 30,2989; 0,5870; 0,1140a a a= = = 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 13 3.2. Xử lý ảnh số trong Matlab Đứng về mặt xử lý tín hiệu nói chung và xử lý ảnh nói riêng, Matlab là công cụ rất mạnh. Hầu hết các thuật toán về ảnh và xử lý ảnh đều đã được thể hiện trong các hàm của Matlab như các hàm đọc, ghi ảnh, chuyển đổi giữa các hệ màu của ảnh, các thuật toán phát hiện biên, tách đối tượng, khớp mẫu, các phép biến đổi ảnh như xoay ảnh, chuẩn kích thước, tịnh tiến,... Các thư viện ngày càng được mở rộng, các hàm ứng dụng có thể được lập bởi người sử dụng. Ứng dụng phần mềm Matlab trong xử lý ảnh sẽ có được nhiều tiện ích và trợ giúp. Câu lệnh Matlab được gần với các thuật ngữ mô tả kỹ thuật, câu lệnh ngắn gọn và có thể tra cứu nhanh trong chức năng Help. Trong Matlab có nhiều Toolbox hỗ trợ các ứng dụng chuyên sâu. Với bài toán nhận dạng hình ảnh, các Toolbox thường được sử dụng gồm: · Image Processing Toolbox · Image Acqusition Toolbox · Wavelet Toolbox · Signal Processing · Statistics Toolbox · Neural Network Toobox Các thuật toán xử lý trong đồ án đều được viết bằng ngôn ngữ lập trình phần mềm Matlab. Các chương trình có sử dụng một một số thư viện của Matlab (chủ yếu trong Image Processing Toolbox, Statistics Toolbox). Sau đây là một số công cụ xử lý và thuật toán xử lý ảnh chính được ứng dụng trong đồ án. 3.2.1. Histogram Histogram (lược đồ xám) thể hiện tần suất xuất hiện mỗi mức xám trong ảnh. Lược đồ xám biểu diễn trong hệ tọa độ Oxy: trục hoành biểu diễn N mức xám (tùy theo số bit mã hóa pixel), trục tung biểu diễn số điểm ảnh một mức xám tương ứng. 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 14 Lược đồ xám cung cấp thông tin về phân bố mức xám của ảnh. Nó cho phép phân tích trong khoảng nào đó phân bố phần lớn mức xám của ảnh. Nếu ảnh sáng thì lược đồ xám lệch về phía bên trái, nếu ảnh tối thì lược đồ xám lệch về bên phải so với điểm quy chiếu (giữa mức xám N). a) b) c) d) Hình-10. Phân tích lược đồ xám: a) ảnh sáng và b) lược đồ xám của (a) lệch phải; c) ảnh tối và d) lược đồ xám của (c) lệch trái. 3.2.2. Phân ngưỡng cục bộ Phân ngưỡng với mục đích làm tăng độ tương phản các đối tượng cần quan tâm đông thời loại bớt nhiễu. Nếu phân ngưỡng toàn bộ ảnh nhiều khi tỏ ra không hiệu quả, nhất là khi cường độ sáng của ảnh không đồng đều. Phân ngưỡng cục bộ cũng giống như phân ngưỡng nhưng chỉ khác ở điểm: ngưỡng được chọn thích nghi với từng vùng cục bộ của ảnh. Điều này rất có ý nghĩa trong khâu nhị phân hóa ảnh vân tay. Vùng cục bộ thường dùng có thể là các block dạng hình vuông hay hình chữ nhật. 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 15 Ảnh xám khi phân ngưỡng thì kết quả phân ngưỡng đi đôi với nhị phân hóa ảnh. Một điểm bất kỳ (x, y) thuộc ảnh f khi có ( , )f x y T³ thì được gọi là object point (điểm trên nền), trường hợp còn lại gọi là background point (điểm nền). Đối tượng ưu tiên trích chọn từ phân ngưỡng không quan trọng là bachground point hay object point. Đấy chỉ là các tên gọi quy ước và chúng có thể chuyển đổi dễ dàng cho nhau nhờ biến đổi âm bản. Hình-11. Giá trị ngưỡng tối ưu. Kết quả phân ngưỡng được ảnh ( , )g x y thì nó được định nghĩa liên hệ ( ) 1 : ( , ), 0 : ( , ) f x y T g x y f x y T ³ì = í <î 3.2.3. Biến đổi Fourier-2D rời rạc Biến đồi Fourier rời rạc trong xử lý ảnh số nhằm mục đích lọc lấy các thành phần tín hiệu ảnh có tần số trội. Với ảnh vân tay vùng ảnh co các đường vân đóng vai trò làm tín hiệu có tần số trội. Có ( , )f x y , với 0, 1x M= - và 0, 1y N= - là một ảnh số cỡ M N´ . Biến đổi Fourier rời rạc của f là ( , )F u v . ( ) 1 1 2 / / 0 0 ( , ) ( , ) M N j ux M vy N x y F u v f x y e p - - - + = = = åå , 0, 1u M= - , 0, 1v N= - . 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 16 Biến đổi ngược Fourier rời rạc định nghĩa bởi công thức: ( ) 1 1 2 / / 0 0 ( , ) ( , ) M N j ux M vy N u v f x y F u v e p - - - + = = = åå , 0, 1x M= - , 0, 1y N= - . Biến đổi Fourier rời rạc của ảnh f còn được viết dưới dạng: ( ),( , ) ( , ) j u vF u v F u v e f-= , trong đó ( ),u vf là góc pha, ( , )F u v là phổ Fourier. Các bước thực hiện lọc ảnh trong miền tần số bằng biến đổi Fourier rời rạc có thể mô tả bởi sơ đồ dưới đây. Hình-12. Các bước thực hiện lọc ảnh trong miền tần số. 3.2.4. Lọc ảnh Sobel Lọc Sobel là một trường hợp của lọc số tuyến tính. Nghĩa là bộ lọc dùng một convolution-mask (cửa sổ dùng để nhân chập, gọi tắt mask), rồi lấy tổng có trọng số các điểm lân cận với điểm ở chính giữa trong mask đó. Di chuyển mask trên toàn bộ miền tín hiệu ảnh, mỗi bước một pixel, cuối cùng thu ảnh kết quả. 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 17 Tổng quát, lọc tuyến tính của ảnh số f cỡ M N´ với convolution-mask có cỡ m n´ định bởi như sau ( ) ( )( , ) , , a b s a t b g x y w s t f x s y t =- =- = + +å å , trong đó: ( )1 / 2a m= - , ( )1 / 2b n= - và 0, 1x M= - , 0, 1y N= - . Hình-13. Các bước lọc ảnh bằng toán tử không gian. 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 18 Đáp ứng lọc số tại từng điểm (x,y) là R, đối với lọc Sobel sẽ là ( ) ( ) 9 7 8 9 1 3 4 1 2 2x xi i i R w z z z z z z z = = = + + - + +å , ( ) ( ) 9 3 6 9 1 4 7 1 2 2y yi i i R w z z z z z z z = = = + + - + +å , trong đó iz là mức xám của ảnh. a) b) Hình-14. Biểu diễn mask: a) các hệ số của mask cỡ 3 3´ ; b) các hệ số của cặp mask dùng cho lọc Sobel 3.2.5. Phát hiện biên bằng toán tử gradient Sử dụng toán tử gradient trong miền 2D là một trong các phương pháp dùng để phát hiện biên. Toán tử định nghĩa như là một vec-tơ hai thành phần x y G f x G f y é ù ¶ ¶é ù Ñ = =ê ú ê ú¶ ¶ë ûë û f Toán tử xác định mô-đun và góc của gradient lần lượt như sau ( ) ( ) ( ) ( ) ( ) 1/ 22 2 1/ 22 2/ / , , . x y x y f mag G G f x f y x y arctg G Ga é ùÑ = Ñ = +ë û é ù= ¶ ¶ + ¶ ¶ë û = f 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 19 Thông thường thành phần mô-đun chỉ cần tính xấp xỉ là đã đạt yêu cầu độ chính xác của bài toán đặt ra. Hai công thức gần đùng hay sử dụng là tổng các bình phương 2 2x yf G GÑ » + và tổng các giá trị tuyệt đối x yf G GÑ » + . 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 20 3.2.6. Loang rộng và thu nhỏ đối tượng Loang rộng (dilation) và thu nhỏ (erosion) đối tượng là hai toán tử cơ của nhóm thuật toán xử lý morphology. Cả hai toán tử này chỉ áp dụng cho các ảnh nhị phân và mô tả toán học của morphology là các phép toán tập hợp [3]. Đồ án sẽ vận dụng nhiều hai thuật toán trong công đoạn: khoanh vùng ảnh, làm mảnh biên, và hiệu chỉnh đường vân. a) c) b) d) Hình-15. Loang rộng đối tượng. a) ảnh ban đầu với đối tượng hình chữ nhật; b) strel có ba pixel xếp thành dạng đoạn thẳng, chéo 450 so với phương ngang; c) strel di chuyển khắp ảnh và các điểm bị tác động; d) ảnh kết quả. Phần tử cơ bản để thực hiện loang rộng hay thu hẹp gọi là structuring element (viết tắt là strel). Căn cứ vào ảnh gốc cộng với độ lớn và hình dạng của 3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH 21 strel, đối tượng bị cắt bớt hoặc thêm vào từng điểm ảnh (phù hợp với khuôn hình của strel) Trường hợp đặc biệt, áp dụng toán tử thu hẹp liên tiếp đủ số lần thì có quá trình làm mảnh đối tượng tới một pixel. a) c) b) d) Hình-16. Thu nhỏ đối tượng. a) ảnh ban đầu với đối tượng hình chữ nhật; b) strel có ba pixel xếp thành dạng đoạn thẳng vuông góc với phương ngang; c) strel di chuyển khắp ảnh và các điểm bi tác động; d) ảnh kết quả. 4. THIẾT KẾ SƠ ĐỒ KHỐI HỆ THỐNG 22 4. Sơ đồ khối thiết kế hệ thống nhận dạng vân tay Trong phần nay sẽ giới thiệu một số phương pháp nhận dạng vân tay. Tiếp theo là các hình hệ thống nhận dạng đa năng. Ở mỗi phần, sẽ lựa chọn ra phương án thực hiện trong đồ án. Đây là hai tiền đề xây dựng nên sơ đồ hệ thống nhận dạng vân tay cho đồ án này. 4.1. Các nguyên lý nhận dạng vân tay Các nguyên lý nhận dạng vân tay thì liên quan chặt chẽ đến cách thức tìm ra sự tương đồng giữa ảnh vân tay đầu vào với một template trong cơ sở dữ liệu vân tay. Dưới đây là ba phương pháp chính lần lượt dựa trên các cơ sở là đối sánh minutiae, correlation và ridge feature [1], ch. 4. · Minutiae-base matching, · Correlation-base matching, · Ridge feature-base matching. a) b) Hình-17. Tạo mã vân tay: a) ảnh ban đầu; b) trích chọn minutiae quan trọng (các minutie được đánh dấu O) 4. THIẾT KẾ SƠ ĐỒ KHỐI HỆ THỐNG 23 Phương pháp đầu tiên phổ biến hơn cả và được ứng dụng rất rộng rãi. Hai vân tay sẽ được so sánh bằng các điểm minutiae trích ra từ các vân tay đó. Giai đoạn thứ nhất này còn goi là tạo mã [11], các minutiae tạo thành tập hợp điểm đặc trưng và được lưu trữ trong từng mảng 2D. Giai đoạn thứ hai sẽ tìm vị trí khớp phù hợp giữa template và input-image sao cho số các minutiae tao thanh cặp tương đồng là lớn nhất. Còn hai nguyên lý còn lại không phù hợp với đồ án. Correlation-based thực hiện bằng cách xếp chồng hai mẫu vân tay lên nhau để tìm ra tương quan giữa chúng, phương pháp này gặp hạn chế khi quá trình thu nhận ảnh vân tay gặp phải các biến dạng méo. Còn ridge feature-base là một phương pháp cao cấp, đòi hỏi các bước xử lý phức tạp và thường dùng cho ứng dụng nhận dạng với các vân tay có chất lượng rất xấu (chẳng hạn như vân tay latent). Đồ án này lựa chọn phương án đầu tiên vì đó là một phương pháp cơ bản, phù hợp với điều kiện hiện tại cho phép và cũng hứa hẹn cho kết quả khả quan. 4.2. Hệ thống nhận dạng vân tay Nhận dạng vân tay là một bộ phận của sinh trắc học. Vì thế phân loại hệ thống nhận dạng sinh trắc học cũng bao hàm cho hệ thống nhận dạng vân tay nói riêng. Có hai hình thức phân loại hệ thống nhận dạng vân tay: dựa trên kiến trúc của hệ thống và cách xử lý dữ liệu trong hệ thống [1], tr. 237-240. a) Phân loại hệ thống theo kiến trúc: · Hệ thống có kiến trúc song song · Hệ thống có kiến trúc nối tiếp · Hệ thống có kiến trúc thứ bậc b) Phân loại hệ thống theo các xử lý dữ liêu: · Hệ thống có khâu hợp nhất sau trích chọn đặc tính · Hệ thống có khâu hợp nhất sau đối sánh · Hệ thống có khâu hợp nhất sau tổng hợp kết quả Với khuôn khổ đồ án, sẽ chọn hệ thống cấu trúc nối tiếp làm nền tảng. 4. THIẾT KẾ SƠ ĐỒ KHỐI HỆ THỐNG 24 4.3. Xây dựng hệ thống nhận dạng vân tay bằng ảnh số Trên cơ sở các phân tích đã nêu, sau đây là đề xuất về sơ đồ khối hệ thống nhận dạng vân tay bằng ảnh số. Hệ thống này có khả năng phân loại vân tay, tạo cơ sở dữ liệu và nhận dạng vân tay. · Kiểu nhận dạng là identification, nghĩa là một mẫu cần nhận dạng (input) sẽ nhận kết quả bằng cách đối sánh với N mẫu khác trong cơ sở dữ liệu (template). · Kiểu chế độ hoạt động của hệ thống hướng đến là online. Nghĩa là hệ thống có thể hoạt động liên tục, có khả năng ghép với khâu thu thập số liệu sử các phương pháp thu nhận ảnh live-scan (bằng máy scan, sensor,…) và quan trọng hơn có thể vừa thu thập số liệu vừa có thể nhận dạng. · Kiến trúc hệ thống thiết kế theo hướng xử lý dữ liệu nối tiếp, gồm tám khâu chính trình bày trong Hình-18. Hình-18. Sơ đồ khối hệ thống nhận dạng vân tay. Tám khâu này có cá chức năng hoạt động như sau: 1) Khâu số 1: thực hiện thu nhận ảnh. 4. THIẾT KẾ SƠ ĐỒ KHỐI HỆ THỐNG 25 2) Khâu số 2: thực hiện trích chọn đặc tính vân tay để phân loại. Đặc tính trích chọn là góc định hướng, orientation. 3) Khâu số 3: thực hiện tạo vec-tơ đặc tính để phân loại. 4) Khâu số 4: thực hiện phân loại vân tay làm năm nhóm. 5) Khâu số 5: làm cơ sở dữ liệu, lưu trữ các template-image. 6) Khâu số 6: thực hiện trích chọn minutiae. Đặc tính trích chọn là miutiae. 7) Khâu số 7: thực hiện đối sánh input-image với template-image. 8) Khâu số 8: thực hiện đưa ra kết quả nhận dạng. 5. TẬP MẪU ẢNH VÂN TAY 26 5. Tập mẫu ảnh vân tay Vân tay có thể lưu trữ theo hai cách: trên giấy (giấy thường, giấy ảnh...) hoặc file ảnh. Đối với cách thứ nhất vẫn còn được ứng dụng trong giám định, định danh hình sự (các bằng chứng về dấu tay tội phạm cần được thể hiện bằng ảnh in trên giấy). Cách thứ hai được ứng dụng phổ biến trong nhận dạng nói chung và ngày càng chiếm được nhiều ưu thế (có thể lưu trữ, tìm kiếm thuận tiện). Đồ án này tập trung đến hình thức lưu trữ ảnh theo file. a) b) c) Hình-19. Các loại vân tay: a) vân tay latent; b) vân tay lăn mực; c) vân tay trong Db2b-FVC2000. Có nhiều định dạng ảnh vân tay khác nhau, phổ biến hơn cả là: jpeg, bmp, tif, gif, png,... Các thông số ảnh bao gồm: độ rộng của ảnh, độ phân giải, số bit dành cho một pixel, độ chính xác hình học, méo,... Khi thiết kế hệ thống nhận dạng vân tay, các thông số ảnh thông thường được quy chuẩn theo giải giá trị nào đó sao cho phù hợp với hệ thống. Hệ thống nhận dạng vân tay bằng ảnh số, ảnh số là đại lượng đầu vào nên hai thông quan tâm hơn cả: kích thước và độ phân giải. Như đã trình bày ở trên, đồ án này sử dụng dữ liệu ảnh FVC2000 để tạo cơ sở dữ liệu hệ thống nhận dạng và kiểm tra kết quả nhận dạng. Các mẫu vân tay lưu theo file ảnh, có phần mở rộng .tif, kích thước của ảnh 256364´ pixel. Mỗi mẫu vân tay gồm bảy ảnh khác nhau và được lưu tên theo quy ước xx_y. Trong đó xx là chỉ số về thứ tự của bộ mẫu (còn gọi là chỉ bản) trong tập dữ liệu ảnh, y là thứ 5. TẬP MẪU ẢNH VÂN TAY 27 tự của ảnh trong một bộ mẫu. Bộ mẫu sẽ đươc chia làm hai: một phần dùng để thực hiện trích chọn và tạo mã cho vân tay thông qua các thuật toán xử lý ảnh (mục đích cuối là tạo ra các template xây dựng cơ sở dữ liệu); phần còn lại dùng để kiểm tra, đánh giá thuật toán xử lý. 6. TRÍCH CHỌN MINUTIAE 28 6. Trích chọn minutiae cho đối sánh vân tay Đồ án này được thiết kế bằng cách chia nhỏ các công đoạn chính trên thành các mô-đun nhỏ hơn. Hướng chung là chọn các phương pháp mà có thể tận dụng được các mô-đun chương trình ở công đoạn này và áp dụng được cho công đoạn khác. Nhưng các phương pháp lựa chọn phải đạt yêu cầu cho bài toán nhận dạng cuối cùng. Vì vậy, tạo tính mở cho hệ thống và tiết kiệm thời gian thiết kế. Hình-20. Thuật toán trích chọn minutiae. Với sơ đồ này thấy rằng, trích chọn minutiae thực hiện qua tám khâu. · Khối tiền xử lý ảnh thực hiện chuẩn hóa kích thước ảnh. · Khối tăng cường chất lượng ảnh thực hiện làm nổi rõ đường vân. · Khối orientation image thực hiện ước lượng trường định hướng. · Khối segmentation (khoanh vùng ảnh vân tay) thực hiện tách vùng ảnh cần quan tâm nhiều trong xử lý trích chọn đặc tính. · Khối tạo ridge map (ảnh nhị phân với đường vân có giá trị logic 1). · Khối làm mảnh đường vân. Đường vân làm mảnh tới độ rộng đồng nhất một pixel từ ridge map. · Khối hiệu chỉnh đường vân và lọc minutiae sai cấp một. Đường vân sẽ được làm “trơn”, minutiae sai kiểu lake (dạng hình xuyến nhỏ), dạng điểm, chẽ ngắn, đoạn vân ngắn sẽ loại bỏ. · Lọc minutiae sai cấp hai và tạo mã vân tay bằng minutiae. Kết thúc khâu này các template sẽ được tạo ra. 6. TRÍCH CHỌN MINUTIAE 29 6.1. Chuẩn hóa ảnh đầu vào Chuẩn hóa ảnh đầu vào là bước cần thiết trước khi vào bước tiền xử lý ảnh. Do ảnh dùng cho trích trọn đặc tính có thể không phù hợp về kích thước cũng như phân bố mức xám. Trong đồ án, giai đoạn này gồm: chuẩn hóa kích thước ảnh và đồng đều hóa cường độ sáng giữa các ảnh đầu vào khác nhau. 6.1.1. Chuẩn hóa kích thước ảnh Ảnh chuẩn đầu vào có kích thước 256364´ pixel. Các thuật toán xử lý ảnh vân tay về sau thường áp dụng cho từng từng block vuông trên ảnh (thường sử dụng các block vuông cạnh 16 pixel, 32 pixel,…). Nên kích thước ảnh chuẩn hóa hợp lý hơn là 256352´ pixel. Để thực hiện điều này sẽ “cắt” đi vùng dữ liệu ảnh kích thước 12 256´ pixel. Phần này cũng không ảnh hưởng quá nhiều tới kết quả nhận dạng cuối cùng vì đối với bộ dữ liệu đã chọn, các vùng ảnh ở gần khung thường đóng vai trò làm background. Hàm thực hiện chuẩn hóa kích thước ảnh đầu vào là norsizfv. gns = norsizfv(g, bs), trong đó: g : ảnh số đầu vào có kích thước cần được chuẩn hóa, bs : kích thước của block mà ảnh đầu ra sẽ được làm tròn theo, gns : ảnh đầu ra có kích thước đã chuẩn hóa. 6.1.2. Cân bằng cường độ sáng của ảnh Do điều kiện thu thập ảnh khác nhau với mỗi lần lấy mẫu vân tay; do kỹ thuật thu nhận ảnh (sử dụng sensor, scanner,…) khác nhau nên độ sáng ảnh vân tay không gần nhất. Vì vậy cần làm đồng đều cường độ sáng của các ảnh vân tay trong bộ dữ liệu. Phương pháp thực hiện: dùng một ảnh mẫu có cường độ sáng đồng đều, rồi chuẩn hóa độ sáng của các ảnh khác theo ảnh này bằng bình phương cực tiểu. Trong đồ án sử dụng ảnh có cùng kích thước cường độ sánh các điểm ảnh [ ], 128I i j = (là mức xám trung trung bình trong 255 mức). 6. TRÍCH CHỌN MINUTIAE 30 Hàm thực hiện cân bằng cường độ sáng của ảnh là briequfv. gbb = briequfv(g,ref), trong đó: g : ảnh số đầu vào cần được chuẩn hóa cường độ sáng, ref : ảnh số làm mẫu gbb : ảnh đầu ra có cường độ sáng gần với ảnh mẫu. 6.2. Tăng cường ảnh chất lượng ảnh Thu nhận ảnh không phải lúc nào cũng cho những ảnh với chất lượng tốt. Tăng cường ảnh sẽ giúp cải thiện chất lượng ảnh trước khi thực hiện các thuật toán xử lý ảnh tiếp theo nhằm gia tăng hiệu quả xử lý. Hai thuật toán sử dụng để tăng cường ảnh chất lượng ảnh ở đây là: histogram equalization (cân bằng lược đồ xám) và biến đổi Fourier rời rạc [1], tr. 104-113. a) b) c) Hình-21. Tăng cường ảnh: a) ảnh ban đầu; b) ảnh sau cân bằng histogram; c) ảnh sau biến đổi Fourier rời rạc. 6.2.1. Tăng cường ảnh bằng cân bằng histogram Histogram của ảnh xám là một biểu đổ thể hiện quan hệ giữa cường độ ảnh và số pixel có cùng cùng cường độ ảnh đó. Cân bằng histogram sẽ làm đồng đều cường độ sáng trong bản thân ảnh đó. 6. TRÍCH CHỌN MINUTIAE 31 Hàm thực hiện tăng cường ảnh bằng cân bằng lược đồ xám là hisequfv. ghe = hisequfv(g), trong đó: g : ảnh số đầu vào, ghe : ảnh đầu ra đã được tằng cường bằng cân bằng lược đồ xám. 6.2.2. Tăng cường ảnh bằng biến đổi Fourier-2D Sử dụng lọc Gabor và biến đổi Fourier là hai nền tảng chính để thực hiện tăng cường ảnh trong xử lý ảnh vân tay. Ảnh sau khi đã được tăng cường chất lượng bằng histogram equalization, thực hiện bước kế tiếp là tăng cường ảnh bằng thuật toán biến đổi Fourier [1, 8, 9, 10]. So với các phương pháp trên cơ sở lọc Gabor, nó lợi thế hơn ở chỗ 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 cuối công đoạn tạo ridge-map. Công thức tính toán cho thuật toán tăng cường ảnh bằng biến đổi Fourier rời rạc có dạng như sau: ( ) ( ){ }kenh yxIFyxIFFI ],[],[1 ×= - trong đó: k : hệ số mũ của phổ Fourier, [ ]( )F I x,y : phổ Fourier. Đồ án thực hiện tăng cường chất lượng ảnh bằng biến đổi Fourier rời rạc cho từng block có kích thước 3232´ pixel. Theo cách này, các thành phần ảnh có tần số trội sẽ được giữ lại, đó là các vùng ảnh thể hiện làm đường vân. Ảnh sau biến đổi Fourier rời rạc có các đường vân “nổi” hơn, sự phân tách giữa các đường vân cũng thể hiện rõ ràng hơn. Đồng thời các vùng ảnh nhiễu sẽ loại bớt đi. 6. TRÍCH CHỌN MINUTIAE 32 Số mũ của phổ Fourier, k đóng vai trò làm hệ số điều chỉnh. Trong [1], khuyến nghị đặt 6,0=k khi tính toán với kích thước block như trên. Tuy nhiên, trong quá trình thực hiện, đặt 0,35k = thì cho kết quả tốt hơn so với việc chọn giá trị khác. Vì phổ Fourier đóng vai trò làm hàm lọc, do đó: k càng nhỏ hàm lọc tiến tới 1 (ảnh gốc và ảnh sau khi tăng cường không khác nhau nhiều); với k lớn, các đoạn vân cục bộ có thể bị biến dạng không còn khả năng xử lý cho công đoạn tiếp nữa. Hàm thực hiện tăng cường ảnh bằng biến đổi Fourier rời rạc là fouenhfv. gfe = fouenhfv(g,k), trong đó: g : ảnh số đầu vào, k : hệ số, gfe : ảnh đầu ra đã được tăng cường bằng biến đổi Fourier. 6.3. Ước lượng orientation image và khoanh vùng ảnh vân tay Trong phần này sẽ trình bày các ước lượng định hướng vân tay cục bộ. Đây là cần thiết để chọn được các thông số thích hợp để lọc ảnh về sau (lọc nhiễu, khoanh vùng ảnh...). Vì orientation image (trường định hướng) mang tính mô tả góc định hướng đường vân, nên kết quả này còn được áp dụng để phân loại kiểu vân tay (quyết định bởi sự tạo hình của các đường vân). 6.3.1. Ước lượng orientation image Trư

Các file đính kèm theo tài liệu này:

  • pdfdo_an_tot_nghiep_nhan_dang_van_tay.pdf