PHÂN TÍCH BIỂU DIỄN dấu vân TAY

Ước lượng hướng vân cục bộ Gọi [i,j] là điểm ảnh di truyền trong ảnh  θ ij hướng vân cục bộ tại [i,j], là góc tạo bởi đường vân tại một điểm lân cận của [i,j] với trục hoành.. Ước lượ

Giáo viên hướng dẫn: TS Lê Hoàng Thái

1

Nội dung

 Ước lượng hướng vân cục bộ

 Ước lượng tần số vân cục bộ

Giới thiệu

• Cấu tạo vân tay gồm các đường

vân (ridge) và rãnh (valley)

Giới thiệu – mức tổng thể

 Mẫu vân tay gồm một hay nhiều vùng gồm các

đường vân và rãnh chạy song song với nhau tạo

thành các hình thù khác nhau, gọi là vùng đặc trưng.

 Có 3 dạng vùng đặc trưng: loop, delta, whorl( )

 Khi nhận dạng vân tay, cần xác định điểm trung tâm (core) để căn lề trong các thuật toán so khớp.

4

• Henry 1900 chia ảnh vân tay thành 5 loại chính: Left Loop, Right Loop, Whorl, Arch, Tented Arch nhằm phục vụ cho việc tìm kiếm.

Giới thiệu – mức tổng thể

Giới thiệu – mức cục bộ

 Ở mức cục bộ, ta có một đặc trưng quan trọng là

các minutiae, được tìm thấy trong các mẫu vân tay

Minutiae là các chi tiết nhỏ, thể hiện những cách

khác nhau mà các đường vân bị đứt quãng

7 loại minutiae phổ biến nhất

6

Những đặc điểm trên được dùng nhiều nhất trong việc so khớp vân tay tự động

Giới thiệu – mức chi tiết

• Ngoài minutiae, còn có những chi tiết nhỏ hơn có thể rút trích

bao gồm tất cả các thuộc tính không gian của đường vân như chiều rộng, hình dạng, đường viền cạnh, …

• Những thuộc tính này hầu như không được sử dụng trong các

kỹ thuật so khớp tự động bởi vì nó đòi hỏi ảnh vân tay có độ phân giải cao và chất lượng tốt

Nội dung

 Giới thiệu

 Ước lượng tần số vân cục bộ

Ước lượng hướng vân cục bộ

 Gọi [i,j] là điểm ảnh di truyền trong ảnh

 θ ij hướng vân cục bộ tại [i,j], là góc tạo bởi đường vân

tại một điểm lân cận của [i,j] với trục hoành.

 Giá trị r ij biểu hiện độ tin cậy của hướng

 Ma trận D là ảnh có hướng của vân tay, trong đó mỗi

Ước lượng hướng vân cục bộ

 Phương pháp Gradient:

Gradient (xi,yj) ở điểm [xi,yj] của I là một véc

tơ hai chiều [ (xi,yj), (xi,yj)] Trong đó thành phần và là đạo hàm theo x và y của I tại

điểm [xi,yj] tương ứng với hướng x và y

Góc pha gradient biểu thị hướng thay đổi mật

độ điểm ảnh lớn nhất Vì vậy, hướng θij của một góc giả định qua vùng có tâm tại [xi,yj] là trực giao với góc pha gradient tại [xi,yj]

Ước lượng hướng vân cục bộ

 Phương pháp Gradient (tt): Ratha, Chen và Jain ( 1995) đã tính hướng vân cục bộ θ ij bằng cách kết hợp nhiều ước

lượng gradient trong một cửa sổ 17x17 có tâm tại [ x i , y j ]

• Trong đó , là các thành phần

)

2 arctan(

2

1 90

xy xx

xy ij

G G

( ) ,

(

8 8

8

G xy h  k  x i  j  y i  j 

2 8

x

  y

Minh họa

a) Ảnh vân tay chất lượng thấp

b) và c) là ảnh có hướng của vân tay

12

Nội dung

 Giới thiệu

 Ước lượng hướng vân cục bộ

Ước lượng tần suất vân cục bộ

vân trên một đơn vị chiều dài dọc theo đoạn có tâm tại

khác nhau giữa các vùng khác nhau của cùng một dấu vân tay

Hai ảnh vân tay và ảnh

tần suất tương ứng Các

khối sáng biểu thị các tần

số cao hơn.

14

PP Hong, Wan, và Jain (1998)

liên tiếp của các mức xám theo hướng pháp tuyến với hướng vân cục bộ

1) Xác định một cửa sổ có hướng 32×16 có tâm tại [x i , y j ]

2) Thành phần-x của các mức xám tính được bằng

cách cộng dồn các mức xám của các điểm ảnh tương ứng trong cửa sổ có hướng trong từng cột x

3) f ij là nghịch đảo của khoảng cách trung bình

PP Hong, Wan, và Jain (1998) (tt)

Ưu điểm: đơn giản và nhanh

Nhược điểm: khó phát hiện chắc chắn các đỉnh liên tiếp của các mức xám trong vùng không gian trong các ảnh vân tay nhiễu

Một cửa sổ có hướng tâm tại [x i , y j ]. Thành phần x thể hiện năm đỉnh; bốn

khoảng cách giữa các đỉnh liên tiếp được tính trung bình để xác định tần số

Cũng tính tần số vân cục bộ nhờ vào thành phần-x.

không gian, ông sử dụng một kỹ thuật phổ tần cao gọi là trộn phổ (mix-spectrum)

nhiễu tuần hoàn; khi chúng chệch hướng với hình sin thuần tuý, năng lượng của chúng được phân

phối theo tần số và có tính điều hoà  

hiệu bằng cách khai thác các thông tin chứa trong phần điều hoà thứ hai và thứ ba

Phương pháp Jiang (2000)

PP Maio và Maltoni (1998a)

 Mẫu vân được mô hình là một bề mặt hình sin một cách cục bộ Ước lượng tần số chưa biết dựa vào

định lý biến thiên

 Biến thiên V của hàm h trong khoảng [x1, x2] là tổng

số của sự biến đổi dọc trong h:

αm và tần số trung bình f

18

PP Maio và Maltoni (1998a)

Vì vậy, tần số chưa biết có thể được ước tính theo

PP Kovacs-Vajna, Rovatti, và

Frazzoni (2000)

 Gồm 2 bước:

khối con 64×64 của ảnh.

khuếch tán, đến các vùng còn lại.

 Hai phương pháp được xem xét ở bước đầu tiên:

được tính trên lưới chính quy và các khoảng cách giữa các vân được đo trên đường thẳng nối qua những điểm này

số cực đại trong phổ Fourier bậc 2 của mỗi khối con

20

Nội dung

 Giới thiệu

 Ước lượng hướng vân cục bộ

 Ước lượng tần số vân cục bộ

Phân đoạn ảnh

 Tách vùng chứa dữ liệu vân tay ra khỏi ảnh nền

 Mục đích là tránh việc rút trích đặc trưng trong các vùng nhiễu và thông tin không có giá trị

22

Ảnh trước và sau khi phân đoạn

Một số PP phân đoạn ảnh

 PP tính lược đồ hướng vân cục bộ trong vùng lân cận

đồ (histogram) được tính cho từng khối 16x16

trong lược đồ thì đó là một mẫu có hướng hay nó thuộc

về foreground, ngược lại nếu lược đồ của nó ở dạng

phẳng hoặc gần phẳng thì thuộc về background

đồng nhất

hướng còn tính độ xám của từng khối

Một số PP phân đoạn ảnh (tt)

 Ratha, Chen, và Jain (1995) - xác định mỗi khối

16x16 thuộc về foreground hay background dựa

trên giá trị độ xám theo phương vuông góc với

 Bazen và Gerez (2001) - sử dụng kĩ thuật gọi là pixel-wise, trong

đó 3 đặc trưng (gradient coherence, intensity mean và intensity variance) được tính cho từng pixel và một bộ lọc tuyến tính được

sử dụng để cho biết pixel đó thuộc về forceground hay background

24

Nội dung

 Giới thiệu

 Ước lượng hướng vân cục bộ

 Ước lượng tần số vân cục bộ

Phương pháp dựa trên sự phân hoạch

Phương pháp phát hiện điểm “Core”

26

Phương pháp Poincare

Gọi G là một trường vector

C là đường cong nằm hoàn toàn trong G

Chỉ số poincare trên trường liên tục được tính như hình sau:

Cách tính chỉ

số poincare

trên trường

liên tục

PP poincare trên trường rời rạc

Gọi G là trường vector rời rạc ứng với ảnh có

hướng D

Gọi [i,j] là vị trí của θij trong D

Chỉ số poincare kí hiệu là PG,C(i,j) tại [i,j] được

tính như sau:

 Bước 1: C là đường đóng được xác định thông qua một số phần tử của D được sắp thứ tự liên tiếp với [i,j] là điểm trọng tâm.

 Bước 2: PG,C(i,j) là tổng đại số các góc sai khác giữa

2 vector liên tiếp của C.

 PG,C(i,j) = 0 0 , nếu [i,j] không thuộc bất kì vùng đặc biệt nào

 PG,C(i,j) = 360 0 , nếu [i,j] thuộc về whorl

 PG,C(i,j) = 180 0 , nếu [i,j] thuộc về loop

 PG,C(i,j) = -180 0 , nếu [i,j] thuộc về delta

28

Phương pháp poincare

Phương pháp poincare

nhiễu hoặc ảnh có chất lượng thấp bằng phương pháp

poincare có thể dẫn đến việc phát hiện sai như hình sau:

30

Phương pháp poincare

 Cách giải quyết - chuẩn hóa hoặc làm mượt ảnh định hướng D đã nói ở phần trước, hình c) là kết quả sau khi chuẩn hóa, làm mượt D.

PP dựa trên đặc trưng cục bộ của ảnh có hướng

 Irregularity (tính không đồng đều): được Cappelli đưa ra

năm 1999

 Được tính trên lân cận 3x3 của [i,j] theo công thức sau:

Với ||d|| là môdun của d dij được tính theo công thức sau:

32

PP dựa trên đặc trưng cục bộ

của ảnh có hướng

Kết quả sau khi tính irregularity, vùng tối thể hiện

cho irregularity lớn (có chứa singularity)

PP dựa trên sự phân hoạch

dụng các mặt nạ, vị trí giao nhau giữa đường biên của các vùng chỉ rõ đó là vùng có chứa singularity

34

Xác định điểm “core”

năm 1982 – còn gọi là R92 - tìm kiếm trên từng dòng của ảnh vân tay định hướng để tìm các

góc chuẩn

Xác định điểm “core” (tt)

 Well-formed arch được xác định bởi bộ 6 (sextet) các phần tử liền kề mà góc của nó tuân theo nhiều nguyên tắc, các nguyên tắc này phụ thuộc vào các tham số

nào đó

 Bộ 6 chuẩn (sextet) được chọn từ nhiều bộ 6 khác

nhau, thông qua việc đánh giá về góc/hướng của các phần tử theo từng dòng

 Điểm trung tâm được xác định thông qua phép nội suy

36

Nội dung

 Giới thiệu

 Ước lượng hướng vân cục bộ

 Ước lượng tần số vân cục bộ

Tăng cường ảnh

vào

song tách rời nhau kém, bị cắt/có nếp gấp/thâm sẹo

• Vấn đề lớn trong việc rút trích đặc trưng: trích chọn các chi tiết sai lệch, bỏ qua các chi tiết đúng, gây lỗi về hướng và vị trí của chi tiết

• Thuật toán tăng cường ảnh để đảm bảo hiệu quả

a) ảnh vân tay chất lượng

tốt, b) vân tay với các

nếp đứt, gãy c) vân tay

Tăng cường ảnh

các vân phân biệt rõ ràng

a) vùng được định nghĩa tốt, b) vùng có khả năng phục hồi, c) vùng

không thể phục hồi

Trong mỗi ảnh vân tay, các vùng vân tay đã được phân đoạn có thể cho làm 3 vùng:

40

Thuật toán tăng cường ảnh

Mục tiêu – để cải thiện tính rõ ràng của các

cấu trúc vân trong các vùng có khả năng khôi phục và đánh dấu các vùng không thể khôi

phục vì quá nhiễu cho các xử lý tiếp theo

Phương Pháp Chuẩn Hóa [Hong, Wan, Jain (1998)]

Một ví dụ về chuẩn hóa với m0 = 100, v0 = 100

Xác định giá trị cường độ của mỗi điểm ảnh,

m and v - kỳ vọng (mean) và phương sai (variance) ảnh

 Thao tác chọn lọc điểm ảnh (pixel-wise),

không làm thay đổi cấu trúc vân

Bộ lọc ngữ cảnh

Kỹ thuật được sử dụng nhiều nhất trong việc

tăng cường ảnh

Quy ước việc lọc ảnh – một bộ lọc đơn giản được

sử dụng cho sự xoắn lại trên khắp ảnh

Bộ lọc ngữ cảnh - những đặc tính bộ lọc thay đổi theo ngữ cảnh cục bộ

Một vài kiểu của bộ lọc ngữ cảnh đã được đưa ra

Trạng thái ngữ nghĩa – 1) cung cấp một lọc

thông thấp (low-pass) hiệu quả theo hướng vân lồi 2) thực hiện một lọc dải giữa (bandpass) hiệu quả theo hướng trực giao với các vân lồi

Phương Pháp được đề nghị bởi

O’Gorman và Nickerson

• Một bộ lọc mẹ được định nghĩa dựa trên giá trị nhỏ

nhất và lớn nhất của chiều rộng vân lồi, giá trị nhỏ

nhất và lớn nhất của chiều rộng vân lõm

• Bộ lọc có hình chuông, được kéo dài theo hướng vân

lồi, và đỉnh nhọn hình sin theo hướng trực giao với các vân lồi

• Ngữ cảnh được định nghĩa chỉ bởi hướng vân lồi cục bộ

• Một khi bộ lọc mẹ được tạo, một tập của 16 phiên bản

bị quay được suy ra

• Việc tăng cường ảnh được thực hiện bằng cách quấn mỗi điểm của ảnh với bộ lọc trong một tập mà hướng tốt nhất so khớp với hướng vân lồi cục bộ

Hình dạng của bộ lọc được đề nghị

bởi O’Gorman và Nickerson

44

Phương Pháp được đề nghị bởi

Sherlock, Monro, và Millard

 Thực hiện bộ lọc ngữ cảnh trong miền Fourier

 Bộ lọc được định trong miền tần số bởi hàm sau:

với Hradial chỉ phụ thuộc vào bước vân cục bộ ρ = 1/f

lấy dải và được diễn tả bởi một giá trị trung bình và một dải thông

 Phép biến đổi Fourier Pi,i=1,…n của những bộ lọc

Phương Pháp được đề nghị bởi

Sherlock, Monro, và Millard (tt)

Việc lọc ảnh vân tay I được thực hiện như sau:

 Phép biến đổi Fourier nhanh F của ảnh I được tính

 Mỗi bộ lọc Pi là phép nhân theo từng điểm bởi F, vì thế thu được n ảnh

chuyển đổi đã được lọc PFi, i=1,…n (trong miền tần số)

 Phép biến đổi Fourier nhanh đảo được tính cho mỗi PFi trong n ảnh đã được lọc PIi, i=1,…n (trong miền không gian)

Ảnh được tăng cường Ienh có được bởi việc điều chỉnh, cho mỗi điểm ảnh [x,y],

Ienh[x,y] = PI k [x,y], với k là chỉ số của bộ lọc mà hướng của nó là gần nhất với θ xy

Việc tăng cường ảnh vân tay

được đề nghị bởi Sherlock,

Monro, và Millard 46

Phương Pháp được đề nghị bởi Hong, Wan, và Jain

• Dựa trên bộ lọc Gabor

• Bộ lọc có cả thuộc tính chọn lọc tần số, chọn lọc theo hướng và

có độ phân giải tối ưu trong những miền không gian và tần số

• Một bộ lọc Gabor được định nghĩa bởi một sóng phẳng hình sin bởi Gaussian

Phương pháp được đề nghị bởi Hong, Wan, and Jain (tt)

Bộ lọc đối xứng hai chiều Gabor có dạng:

Trong đó, θ là hướng của bộ lọc, và [x θ , y θ ] là ảnh của [x,y]

sau khi quay quanh trục Cartesian một góc ( 90 o – θ ).

f là tuần suất của sóng phẳng hình sin và σx

and σy là độ lệch chuẩn Gaussian tương ứng dọc theo trục x và y

2 2

2 2

1 ( , : , ) exp - os(2 f.x )

Phương Pháp được đề nghị bởi Hong, Wan, và Jain (tt )

 4 tham số – θ,f,σx,σy

{θi | i=1, n0} và nf số các tuần suất rời rạc {fj| j=1, nf}

Một biểu diễn đồ họa

trong một nhóm 24 bộ

Phương Pháp được đề nghị bởi Hong, Wan, và Jain (tt)

Một ứng dụng của

Gabor-dựa trên bộ lọc ngữ cảnh

trên những ảnh có chất

lượng trung bình và thấp

Các ví dụ của tăng cường

ảnh vân tay dựa vào lọc

Gabor Ở bên phải các

vùng có khả năng khôi

phục đã được tăng cường

50

Nội dung

 Giới thiệu

 Ước lượng hướng vân cục bộ

 Ước lượng tần số vân cục bộ

Dò tìm chi tiết

Việc trích chọn chi tiết đáng tin cậy là một nhiệm

vụ cực kì quan trọng vì hầu hết các hệ thống so sánh vân tay dựa trên đối sánh chi tiết

Các phương pháp trích chọn chi tiết

Phương pháp dựa nhị phân hóa

Rút trích trực tiếp từ ảnh độ xám

52

Phương pháp nhị phân hóa

Nhị phân hóa: ảnh vân tay độ xám được chuyển thành ảnh nhị phân

Làm mảnh: ảnh nhị phân được làm mảnh làm cho

độ dày của đường vân giảm xuống một điểm ảnh

Phát hiện chi tiết: quá trình quét ảnh phát hiện các điểm ảnh tương ứng với các chi tiết

Phương pháp nhị phân hóa

 Ngưỡng toàn cục t, thiết lập các điểm ảnh có độ

xám nhỏ hơn t về 0 và các điểm ảnh còn lại về 1.

 Ngưỡng cục bộ, thay đổi t một cách cục bộ, bằng

cách điều chỉnh giá trị của nó theo cường độ cục

bộ trung bình.

 Với ảnh vân tay chất lượng thấp, phương pháp

ngưỡng cục bộ thường không bảo đảm một kết

quả chấp nhận được => cần các giải pháp đặc

biệt.

54

Phương pháp nhị phân hóa

FBI “minutiae reader” – Stock và Swonger (1969)

Dựa vào ngưỡng cục bộ và “slit comparison”, so sánh pixel theo 8 hướng riêng biệt

Phương pháp tiếp cận của Moayer và Fu (1986)

Dựa vào tính lặp của toán tử Laplacian và một cặp ngưỡng động

Tại mỗi lần lặp, ảnh được quấn lại qua toán tử Laplacian và các điểm ảnh có cường độ nằm ngoài phạm vi giới hạn bởi hai ngưỡng được thiết lập để 0 và 1, tương ứng

Các ngưỡng dần chuyển tới một giá trị duy nhất

để đảm bảo một hội tụ

Phương pháp nhị phân hóa

 Phương pháp tiếp cận mờ bởi Verma, Majumdar và Chatterjee (1987)

 Dùng một ngưỡng thích hợp để giữ cùng số các pixel 1 và 0 cho mỗi vùng lân cận.

 Ảnh được chia thành các vùng nhỏ và mỗi vùng được xử lý riêng biệt.

 Mỗi vùng trải qua các bước: làm mịn, mã hóa mờ cường độ pixel, tăng cường độ tương phản, nhị phân hóa, đếm các pixel 1 và 0, giải mã mờ, và điều chỉnh tham số.

 Lặp lại cho đến khi số pixel 1 bằng với số pixel 0.

56

Phương pháp nhị phân hóa

 Phương pháp tiếp cận bởi Coetzee và Botha (1993)

 Dựa trên việc sử dụng các góc cùng với ảnh độ xám.

 Các vân được theo dấu bởi hai cửa sổ cục bộ: một

trong ảnh độ xám,một trong ảnh cạnh.

 Ở ảnh độ xám: nhị phân hóa được thực hiện với

ngưỡng cục bộ.

 Ở ảnh cạnh: một đốm màu được dùng để điền vào

vùng giới hạn bởi hai vân

 Ảnh kết quả là phép OR của 2 ảnh nhị phân riêng lẻ

Phương pháp nhị phân hóa

 Phương pháp tiếp cận bởi Ratha, Chen, và Jain (1995)

 Dựa trên phát hiện cao điểm trong các lược đồ xám theo các phần trực giao với hướng vân.

 Một cửa sổ có hướng 16x16 tâm tại pixel [x,y]

Lược đồ xám thu được bằng phép chiếu các cường

độ pixel vào phần trung tâm.

Một ví dụ về lược đồ độ xám

có được thông qua phép

chiếu của cường độ pixel trên

đoạn tâm tại [x, y]

58

Phương pháp nhị phân hóa

 Lược đồ được làm mịn qua trung bình ở địa phương; các

đỉnh núi và hai điểm ảnh lân cận ở hai bên của mỗi đỉnh tạo thành tiền cảnh của hình ảnh kết quả nhị phân.