Một số thuật toán cải tiến trong nâng cao chất lượng ảnh vân tay

Một số thuật toán cải tiến trong nâng cao chất lượng ảnh vân tay Với những đặc điểm nổi bật như vậy, nhận dạng vân tay được xem là một trong những kỹ thuật sinh trắc học đặc biệt quan tr

Trang 1

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

ĐÀO THANH KHIẾT

MỘT SỐ THUẬT TOÁN CẢI TIẾN TRONG NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY

LUẬN VĂN THẠC SĨ

Trang 2

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

ĐÀO THANH KHIẾT

MỘT SỐ THUẬT TOÁN CẢI TIẾN TRONG NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY

Ngành: Công nghệ thông tin

Mã số: 1.01.10

LUẬN VĂN THẠC SĨ

NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS NGÔ QUỐC TẠO

HÀ NỘI - 2007

Trang 3

Một số thuật toán cải tiến trong nâng cao chất lượng ảnh vân tay

MỤC LỤC

CÁC THUẬT NGỮ TIẾNG ANH 4

DANH MỤC HÌNH VẼ 5

MỞ ĐẦU 7U CHƯƠNG 1 TỔNG QUAN VỀ NHẬN DẠNG VÂN TAY 9

1.1 Giới thiệu 9

1.2 Lịch sử của vân tay 9

1.3 Sự hình thành các vân tay 11

1.4 Tính duy nhất của các vân tay 11

1.5 Hệ thống nhận dạng vân tay tự động 13

1.6 Thu nhận và lưu trữ vân tay 14

1.7 Biểu diễn vân tay và nhận dạng đặc điểm 15

1.8 So sánh vân tay 18

1.9 Phân loại và chỉ mục vân tay 19

1.10 Ứng dụng của nhận dạng vân tay 20

CHƯƠNG 2 NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY 21

2.2 Ảnh vân tay 23

2.3 Các đặc điểm của vân tay 25

2.4 Biểu diễn ảnh vân tay 28

2.5 Các bước trong nâng cao ảnh vân tay 28

2.6 Các bộ lọc theo ngữ cảnh 29

2.7 Tiền xử lý ảnh vân tay 31

2.8 Đánh giá hướng vân cục bộ 32

2.9 Đánh giá tần số vân cục bộ 35

2.10 Phân vùng 38

Trang 4

CHƯƠNG 3 CẢI TIẾN VÀ THỰC NGHIỆM 45

3.2 Trình tự các bước trong mô hình thực nghiệm 45

3.3 Tiêu chuẩn của ảnh đầu vào 46

3.4 Điều chỉnh độ tương phản 46

3.5 Đánh giá hướng vân cục bộ 49

3.6 Đánh giá tần số vân cục bộ 54

3.7 Sửa tần số lỗi 61

3.8 Đánh giá vùng bất thường 63

3.9 Phân vùng 64

3.10 Nâng cao ảnh 65

3.11 Đánh giá thực nghiệm 66

KẾT LUẬN 75

Hướng phát triển trong tương lai 75

TÀI LIỆU THAM KHẢO 77

PHỤ LỤC 79

PL1 Histogram 79

PL2 Cân bằng histogram 79

PL3 Gradient 80

PL4 Phương pháp Sobel 81

Trang 5

Thank you for evaluating AnyBizSoft PDF Splitter.

A watermark is added at the end of each output PDF file

To remove the watermark, you need to purchase the software from

http://www.anypdftools.com/buy/buy-pdf-splitter.html

Trang 6

CÁC THUẬT NGỮ TIẾNG ANH

AFIS (Automated Fingerprint Identification System): hệ thống nhận dạng vân tay tự động

minutiae: chi tiết vụn vặt trong vân tay như điểm kết thúc, điểm rẽ nhánh,…, được sử dụng để so sánh các vân tay

ridge bifurcation: điểm rẽ nhánh của vân tay

ridge ending: điểm kết thúc của vân tay

loop: vùng vân có các đường vân bị uốn đột ngột làm hướng đường vân bị đảo chiều whorl: vùng vân có các đường vân tạo thành một vòng xoắn

core: điểm lõi của vân tay

pore: lỗ chân lông

coherence: thuật ngữ được dùng để chỉ độ tin cậy của hướng vân cục bộ

Trang 7

DANH MỤC HÌNH VẼ

Hình 1.1: Kiến trúc chung của hệ thống nhận dạng vân tay tự động 14

Hình 1.2: Cảm biến vân tay 15

Hình 1.3: Các hình dạng của vân tay 16

Hình 1.4: Minutiae 17

Hình 1.5: Các chi tiết lỗ chân lông ở ảnh vân có độ phân giải 1000 dpi 17

Hình 2.1: Các ảnh vân tay có chất lượng kém 21

Hình 2.2: Các loại vùng vân tay 22

Hình 2.3: Các ảnh vân tay có độ phân giải khác nhau 24

Hình 2.4: Ví dụ về chất lượng vân tay 25

Hình 2.5: Đường vân và rãnh vân 26

Hình 2.6: Các vùng đặc biệt 26

Hình 2.7: Một số các minutiae thường gặp 27

Hình 2.8: Các chi tiết lỗ chân lông ở ảnh vân có độ phân giải cao 27

Hình 2.9: Bề mặt S ứng với một vùng vân nhỏ 28

Hình 2.10: Các bước trong nâng cao ảnh vân tay 28

Hình 2.11: Hình dạng của bộ lọc được đề xuất bởi O’Gorman và Nickerson 30

Hình 2.12: Nâng cao ảnh vân tay theo phương pháp của Sherlock, Monro, và Millard 30

Hình 2.13: Ví dụ về phương pháp chuẩn hóa (Hong, Wan, Jain, 1998) 32

Hình 2.14: Hướng vân tương ứng với tọa độ (x,y) 32

Hình 2.15: Minh họa site gồm 3 x 3 khối kề nhau 34

Hình 2.16: Các láng giềng D1, D2, D3, D4 trong một site 35

Hình 2.17: Cửa sổ hướng và x-signature 36

Hình 2.18: Biến thiên của hàm h 38

Hình 2.19: Bộ lọc Gabor đối xứng chẵn 40

Hình 2.20: Minh họa tập bộ lọc với no=8 và nf=3 42

Trang 8

Hình 3.1: Trình tự các bước trong giai đoạn nâng cao ảnh vân tay 45

Hình 3.2: Minh họa chuyển từ ảnh màu sang ảnh cấp xám 46

Hình 3.3: Minh họa độ tương phản 47

Hình 3.4: Histogram được chia làm 3 khoảng bằng nhau 48

Hình 3.5: Minh họa cân bằng histogram 49

Hình 3.6: Minh họa khối B nằm ở trung tâm, và các cửa sổ D1, D2,…, D8 50

Hình 3.7: Minh họa trường hợp khi hướng cục bộ ở khối B không đủ độ tin cậy 50

Hình 3.8: Minh họa thuật toán đánh giá hướng 53

Hình 3.9: Biểu đồ minh họa ví dụ của x-signature 54

Hình 3.10: Minh họa cửa sổ K 55

Hình 3.11: Đồ thị của g(x) trong các trường hợp b=2,3 và 4 58

Hình 3.12: Minh họa thuật toán đánh giá tần số 61

Hình 3.13: Minh họa thuật toán sửa tần số 62

Hình 3.14: Minh họa thuật toán tìm vùng bất thường 64

Hình 3.15: Minh họa thuật toán nâng cao 66

Hình 3.16: Đánh giá thuật toán tìm hướng vân trên ảnh có nhiều nếp gấp 67

Hình 3.17: Đánh giá thuật toán tìm hướng vân trên ảnh có vân tay ẩm 68

Hình 3.18: Đánh giá thuật toán tìm hướng vân trên ảnh có vân tay khô 69

Hình 3.19: Đánh giá thuật toán tìm tần số vân trên ảnh có nhiều nếp gấp 70

Hình 3.20: Đánh giá thuật toán tìm hướng vân trên ảnh có vân tay ẩm 71

Hình 3.21: Đánh giá thuật toán nâng cao trên ảnh có nếp gấp 72

Hình 3.22: Đánh giá thuật toán nâng cao trên ảnh có vân tay ẩm 72

Hình 3.23: Đánh giá thuật toán nâng cao trên ảnh có vân tay khô 73

Hình 3.24: Hiệu quả của việc đánh giá vùng bất thường 73

Hình PL.1: Ảnh gradient, các mũi tên xanh chỉ hướng của gradient 80

Trang 9

MỞ ĐẦU

Dấu vân tay từ lâu đã được sử dụng như một căn cước sinh học hữu hiệu và trong điều tra tội phạm do đặc tính duy nhất của nó Cho đến nay, với sự tiến bộ của khoa học công nghệ, nhận dạng vân tay ngày càng được áp dụng rộng rãi trong đời sống, như trong các tính năng bảo mật của máy tính xách tay, xe hơi, di động, thanh toán tiền… mà chỉ cần một công cụ quét và nhận dạng dấu vân tay thao tác rất nhanh chóng, dễ dàng

Nếp vân da ngón tay ở mỗi người do nhiều gien chi phối Số lượng nếp vân và hình thái của chúng sẽ không thay đổi trong suốt cuộc đời Thoáng nhìn, vân ngón tay người này và vân ngón tay người kia có vẻ chẳng khác nhau là mấy, nhưng thực ra dấu vân tay của mỗi người đều có những nét riêng biệt, và đặc trưng Một trường hợp tội phạm ở Mỹ từng cắt các miếng da trên ngón tay mình rồi ghép vào các ngón khác, nghĩ rằng sẽ thoát Nhưng cảnh sát đã tìm ra hắn bằng cách cắt ảnh chụp những dấu tay này và thử ghép những mảnh vụn đó lại với nhau như chơi trò xếp hình

Từ thế kỷ 15, người Trung Quốc đã biết dùng dấu vân ngón tay để điểm chỉ làm bằng chứng trong các giấy tờ Ở châu Âu thì muộn hơn Năm 1823, giáo sư Johannes E.Purkinje đề cập đến phân loại vân tay Đến năm 1901, khoa giám định vân tay mới thực sự hình thành và được áp dụng rộng rãi ở nhiều quốc gia, trở thành một trong những biện pháp chính trong hình pháp học

Vân ngón tay có nhiều nét rất đặc trưng: điểm kết thúc của đường vân tay (ridge ending), điểm rẽ nhánh (ridge bifurcation), hoặc “đảo” (island) Việc có hay không các đặc điểm này và vị trí tương đối giữa chúng cho phép xây dựng một mẫu vân tay và xác định được một hệ số tương quan giữa chúng

Ngoài ra, người ta còn phân loại các dấu vân tay thành các họ chính: nghiêng về bên trái, nghiêng về bên phải Trên 60% số người có cấu tạo chuẩn như hướng về bên phải đối với những ngón ở tay trái Các chuyên gia về dấu vân tay cho rằng, xác suất xuất hiện hai người có cùng những nét vân tay giống nhau nhỏ hơn một phần tỷ

Ngày nay khi đến tuổi làm chứng minh thư, mọi người đều phải lăn các ngón tay

để lại dấu vân tay trong cơ sở dữ liệu của cảnh sát Xác định dấu vân tay là một tiêu chuẩn quan trọng của giám định hình sự Bởi vậy hiện nay, ngay cả những tên trộm mới vào nghề cũng hiểu là phải tìm mọi cách không để lại dấu vân tay trên hiện trường

Trang 10

Với những đặc điểm nổi bật như vậy, nhận dạng vân tay được xem là một trong những kỹ thuật sinh trắc học đặc biệt quan trọng và cần được đầu tư nghiên cứu thích đáng

Nhờ sự phát triển nhanh chóng của khoa học công nghệ, các vân tay có thể được xác định nhờ một hệ thống nhận dạng vân tay tự động (AFIS), với thời gian nhanh hơn nhiều so với làm thủ công AFIS sử dụng công nghệ ảnh số để thu thập, lưu trữ và phân tích dữ liệu vân tay Quá trình nhận dạng vân tay tự động thường gồm một số giai đoạn như nâng cao chất lượng ảnh vân tay, phân loại vân tay, trích chọn vân tay,

và cuối cùng là so sánh các vân tay Trong các giai đoạn này, nâng cao chất lượng của ảnh vân tay là giai đoạn vô cùng quan trọng, vì trong khi quét hoặc lấy mẫu vân tay, ảnh vân tay có thể bị nhiễu do các vết bẩn, hoặc do lực nhấn của các đầu ngón tay yếu Nhiệm vụ của bước nâng cao là làm giảm nhiễu, đánh dấu các vùng vân có thể nhận dạng và không thể nhận dạng Tính chính xác của cả hệ thống nhận dạng vân tay tự động phụ thuộc vào độ tin cậy của các thuật toán nâng cao ảnh

Luận văn đã tập trung vào nghiên cứu các vấn đề liên quan đến nâng cao chất lượng ảnh vân tay, đề xuất một số cải tiến, và tiến hành thực nghiệm để chứng tỏ sự hiệu quả của các thuật toán đó Nội dung khóa luận được tổ chức thành ba chương như sau:

 Chương 1 Tổng quan về nhận dạng vân tay: tóm tắt lịch sử phát triển của

nhận dạng vân tay, các đặc điểm, quá trình thu nhận, phân loại, so sánh vân tay,

và ứng dụng của vân tay

 Chương 2 Nâng cao chất lượng ảnh vân tay: trình bày các tính chất của vân

tay được khai thác trong giai đoạn nâng cao ảnh, biểu diễn ảnh vân tay, các phương pháp và thuật toán nâng cao ảnh vân tay

 Chương 3 Cải tiến và thực nghiệm: trình bày những nghiên cứu đã đạt được

trong phạm vi khóa luận, đồng thời đề xuất một số thuật toán cải tiến và kết quả thực nghiệm

Cuối cùng, phần kết luận tổng kết lại những thành quả đạt được của luận văn và hướng phát triển trong tương lai

Trang 11

Chương 1 Tổng quan về nhận dạng vân tay

CHƯƠNG 1 TỔNG QUAN VỀ NHẬN DẠNG VÂN TAY

1.1 Giới thiệu

Nhận dạng vân tay là phương pháp lâu đời nhất trong nhận dạng sinh trắc học Nó

có lịch sử cách đây ít nhất 2200 năm trước công nguyên Từ xa xưa, người Assyri, Trung Quốc và Nhật Bản đã biết sử dụng vân tay để phân biệt cá nhân Năm 1897, nhận dạng vân tay đã được sử dụng để xác minh tội phạm Cho đến nay, ứng dụng nhận dạng vân tay đã vượt ra ngoài phạm vi của khoa học hình sự và được sử dụng ngày càng nhiều trong đời sống xã hội với nhiều mục đích khác nhau, đặc biệt là bảo mật hệ thống Nội dung chương này bao gồm các vấn đề sau đây:

- Giới thiệu khái quát về lịch sử của vân tay

- Sự hình thành và các đặc điểm của vân tay

- Các vấn đề chung của hệ thống nhận dạng vân tay tự động

- Các ứng dụng của nhận dạng vân tay

1.2 Lịch sử của vân tay

Dấu vân tay trên các đầu ngón tay liên quan đến lịch sử lâu đời của loài người Từ thời xa xưa, con người còn là phải trực tiếp dùng tay để săn bắn và hái lượm cũng như leo trèo Các vân tay sẽ giúp ta cầm hoặc nắm chắc các vật trong tay Các vân tay, chỉ tay, gồ nổi và đường rãnh trên da của mỗi người sẽ do các nhân tố di truyền và môi trường quyết định, vì vậy vân tay của mỗi người có thể coi là duy nhất, không ai giống

ai Thậm chí ở các cặp song sinh vân tay cũng không giống nhau

Những khắc họa của vân tay đã được tìm thấy rất nhiều trên các đồ vật của người

cổ đại Đây là bằng chứng cho thấy người cổ đại đã có nhận thức về sự khác nhau của các dấu vân tay, tuy nhiên vẫn chưa có cơ sở khoa học cho những nhận thức đó (Lee & Gaensslen, 2001; Moenssens, 1971) Mãi cho đến thế kỉ 16, kĩ thuật xác định vân tay hiện đại mới ra đời (Cummins & Midlo, 1961; Galton, 1892; Lee & Gaensslen, 2001) Năm 1684, nhà hình thái học thực vật người Anh, Nehemiah Grew, đã công bố một bài báo khoa học đầu tiên, trong đó báo cáo những nghiên cứu của ông về các đường vân, rãnh vân, và cấu trúc lỗ chân lông trên các vân tay (Lee & Gaensslen, 2001)

Kể từ đó, rất nhiều nhà nghiên cứu đã đầu tư công sức vào nghiên cứu vân tay Năm 1788, công trình nghiên cứu của Mayer đã mô tả chi tiết về sự hình thành cấu

Trang 12

đăng ký thương mại, đây là một trong những cột mốc quan trọng nhất trong nghiên cứu khoa học về nhận dạng vân tay Purkinje, 1823, là người đầu tiên đã đề xuất một phương pháp phân loại vân tay, ông chia vân tay thành chín loại dựa trên cấu trúc của các đường vân Henry Fauld, 1980, lần đầu tiên gợi ý tính duy nhất của vân tay dựa trên kinh nghiệm quan sát của ông (Moenssens, 1971) Cùng thời điểm đó, Herschel đã khẳng định rằng ông đã có kinh nghiệm 20 năm về nhận dạng vân tay (Lee & Gaensslen, 2001; Moenssens, 1971) Những sự nghiên cứu này đã tạo nền tảng cho nhận dạng vân tay hiện đại Vào thế kỷ 19, Francis Galton đã thực hiện một nghiên cứu quy mô về vân tay (Galton, 1982) Vào năm 1888, ông đã giới thiệu các đặc trưng của minutiae được sử dụng cho so sánh vân tay

Một tiến bộ quan trọng trong nhận dạng vân tay là vào năm 1899, Edward Henry

đã thiết lập một “hệ thống Henry” về phân loại vân tay (Lee & Gaensslen, 2001) Đầu thế kỷ hai mươi, các dạng vân tay đã được nghiên cứu một cách thấu đáo Các nguyên

lý của vân tay (Moenssens, 1971) được tóm tắt dưới đây:

1 Các đường vân và rãnh vân có những đặc trưng khác nhau đối với các vân tay khác nhau;

2 Hình dạng vân tay có thể khác nhau với mỗi người, nhưng chỉ trong giới hạn cho phép để có thể phân loại một cách hệ thống;

3 Hình dạng và những chi tiết minutiae của các đường vân và rãnh vân của một người là không bao giờ thay đổi

Nguyên lý đầu tiên là cơ sở cho nhận dạng vân tay, và nguyên lý thứ hai là cơ sở của phân loại vân tay

Đầu thế kỷ hai mươi, nhận dạng vân tay được chấp nhận như một phương pháp xác minh cá nhân và trở thành thủ tục pháp lý chuẩn Các cơ quan xác định vân tay được triển khai trên toàn cầu và cơ sở dữ liệu vân tay tội phạm được thiết lập (Lee & Gaensslen, 2001) Các kỹ thuật nhận dạng vân tay khác nhau, bao gồm thu nhận vân tay, phân loại vân tay, và khớp phân tay được phát triển Chẳng hạn, cơ quan xác định vân tay của FBI được thành lập năm 1924 với cơ sở dữ liệu gồm 810,000 thẻ vân tay (Federal Bureau of Investigation, 1984, 1981)

Với sự phát triển nhanh chóng của ứng dụng nhận dạng vân tay trong pháp lý, các

cơ sở dữ liệu vân tay trở nên lớn đến mức việc xác định vân tay thủ công là không thể làm được Lấy ví dụ, tổng số vân tay trong cơ sở dữ liệu của FBI hiện tại trên 200 triệu

và còn tiếp tục tăng Với hàng nghìn các yêu cầu được nhận hàng ngày, thì thậm trí với một đội hơn 1300 chuyên gia vân tay cũng không thể phản hồi các yêu cầu này kịp

Trang 13

thời (Lee & Gaensslen, 2001) Đầu những năm 1960, FBI, cùng với Home Office ở Anh, và cảnh sát Paris đã đầu tư với quy mô lớn để phát triển các hệ thống nhận dạng vân tay tự động (AFIS) (Lee & Gaensslen, 2001) Dựa trên những quan sát xem các chuyên gia vân tay thực hiện nhận dạng vân tay thế nào, ba vấn đề chủ yếu trong thiết

kế AFIS được xác định và nghiên cứu: thu nhận vân tay kỹ thuật số, lấy các đặc trưng của đường vân cục bộ, và khớp các mẫu đặc trưng của đường vân Nỗ lực của họ đã thành công đến mức ngày nay hầu hết các cơ quan thi hành luật pháp trên toàn cầu đều

sử dụng AFIS Các hệ thống này đã cải thiện đáng kể năng suất của các cơ quan giám định vân tay, đồng thời giảm chi phí thuê và đào tạo các chuyên gia vân tay

Công nghệ nhận dạng vân tay tự động đã phát triển nhanh chóng, vượt ra ngoài phạm vi ứng dụng của pháp lý và có mặt cả ở các ứng dụng đời thường Trên thực tế, các hệ thống sinh trắc học cho nhận dạng vân tay đã trở nên phổ biến đến mức khi ta nói đến hệ thống sinh trắc học thì cũng đồng nghĩa với việc nói đến hệ thống nhận dạng vân tay

1.3 Sự hình thành các vân tay

Vân tay được hình thành hoàn thiện sau bảy tháng phát triển của bào thai và hình dạng các đường vân tay không thay đổi trong suốt cuộc đời của mỗi người ngoại trừ tai nạn làm biến dạng hoặc mất các ngón tay (Babler, 1991) Có những trường hợp tội phạm đã dùng đá nhám mài cho mất dấu vân tay nhưng vô ích, lớp da mới mọc lên lại mang đầy đủ dấu ấn của vân tay cũ Thuộc tính này làm cho vân tay là một đặc điểm nhận dạng sinh trắc học rất hiệu quả

Nói chung, cơ cấu sinh học của vân tay là hệ quả của sự tương tác giữa các gen và môi trường Các vân tay bắt đầu khác nhau từ khi con người còn là bào thai Thứ nhất

là do sự phát triển kích thước của gan bàn tay, các ngón tay, lòng bàn chân, các ngón chân Thứ hai là do sự tác động của môi trường trong dạ con đến các bàn tay, bàn chân

là không giống nhau Tóm lại, có rất nhiều sự biến đổi trong quá trình hình thành vân tay, và làm cho các vân tay không thể tuyệt đối giống nhau

1.4 Tính duy nhất của các vân tay

Mặc dù vân tay vẫn được biết đến như một thẻ căn cước chứng minh nhân dân, nhưng tính duy nhất của nó vẫn chỉ dựa trên những kinh nghiệm quan sát Do vậy, với

sự ứng dụng ngày càng rộng rãi của vân tay, người ta cũng lo ngại về cơ sở khoa học của nó Sự sai sót trong nhận dạng vân tay có thể dẫn đến hậu quả nặng nề, đặc biệt là

Trang 14

dụng toàn bộ thông tin trong các vân tay, mà chỉ trích chọn một phần các đặc điểm trong đó và không có sự giám sát của các chuyên gia vân tay (Maltoni, et al., 2003) Phần này sẽ giới thiệu một số quan điểm về tính duy nhất của vân tay

Vài năm sau khi Galton (1892) và Henry (1900) công bố rộng rãi những nghiên cứu đầu tiên về vân tay, báo chí lại một lần nữa đã khẳng định rằng dấu vân tay thực

1 Kỹ thuật hoặc phương pháp luận liên quan đến bằng chứng khoa học đó có phụ thuộc vào một giả thiết thống kê nào không?

2 Đã xây dựng một phương pháp đánh giá lỗi cho chứng cớ khoa học chưa?

3 Đã có các tiêu chuẩn để thẩm định các quá trình của kỹ thuật đó hay không và

đã được xác nhận chưa?

4 Nó đã được xem xét và công bố chưa?

5 Nó có được chấp nhận rộng rãi không?

Sau đó, lần đầu tiên nhận dạng vân tay đã bị các luật sư bào chữa phản bác trong một phiên tòa tại Mĩ (1999), với quan điểm rằng giả thuyết cơ sở về tính duy nhất của vân tay không được kiểm tra một cách khách quan và không có phương pháp đánh giá lỗi tiềm tàng trong quá trình so sánh vân tay Dù sao, lời bào chữa trên nhằm bác bỏ chứng cớ vân tay đã bị từ chối 7-1-2002, một thẩm phán của toà án liên bang đã phán quyết rằng, thiếu những sự đánh giá tin cậy về độ chính xác trong khi so sánh vân tay, các chuyên gia vân tay không thể chứng tỏ chắc chắn được hai dấu vân tay có phải từ

Trang 15

cùng một ngón tay hay không Mặc dù vậy sau đó, cũng chính ông ta bỏ phán quyết này vào ngày 13-3-2002 (Maltoni, et al., 2003)

Nhận dạng vân tay dựa trên hai giả thuyết cơ bản sau: các chi tiết vân tay tồn tại vĩnh viễn, và vân tay của một người là duy nhất Tính đúng đắn của giả thuyết đầu tiên

đã được thẩm định dựa trên những quan sát kinh nghiệm cũng như dựa trên giải phẫu

và sự tạo thành hình thái của bề mặt da vân tay bị chà sát Nhưng giả thiết thứ hai đã gặp phải không ít sự nghi ngờ trong một số phiên tòa Khái niệm tính duy nhất của vân tay đã được các chuyên gia chấp nhận rộng rãi dựa trên sự kiểm tra trực tiếp trên hàng triệu các vân tay Tuy nhiên, cơ sở khoa học nền tảng của tính duy nhất vẫn chưa được nghiên cứu hoặc thẩm định một cách rõ ràng Tháng 3-2000, bộ tư pháp Mỹ đã thừa nhận là chưa có cuộc kiểm tra nào được thực hiện và công nhận sự cần thiết của một nghiên cứu như vậy (www.ojp.usdoj.gov) Viện tư pháp quốc gia đã phản hồi lại bằng việc xác định hai chủ đề nghiên cứu cơ bản chính sau: đo lường số chi tiết có thể so sánh trong một vân tay, và đo lường số chi tiết phù hợp giữa hai vân tay

Với sự đòi hỏi cấp bách cần có một cơ sở khoa học cho vấn đề duy nhất của vân tay, nhiều giải pháp đã được đề xuất Đa số các giải pháp này đều có tư tưởng chung là đánh giá xác suất để hai vân tay thuộc hai ngón tay khác nhau bị khớp thành giống nhau (xác suất khớp sai) Khi so sánh vân tay bằng hệ thống tự động, thì xác xuất khớp sai cũng đồng nhất với tỉ lệ khớp sai (FMR) Nếu tỉ lệ lỗi trong so sánh vân tay được đánh giá một cách tin cậy, thì đó sẽ là cơ sở để nhận dạng vân tay được chấp nhận trong các tòa án luật pháp như một bằng chứng xác đáng

Để giải quyết vấn đề duy nhất, cần định nghĩa một biểu diễn của vân tay và phương pháp so sánh độ tương tự giữa hai vân tay Vân tay có thể được biểu diễn dựa trên một số đặc trưng khác nhau, ví dụ như hình dáng của các đường vân, tần số vân,

số lượng vùng đặc biệt (vòng lặp, hoặc các điểm delta), kiểu vân, hướng vân, vị trí các minutiae, số đường vân giữa các cặp minutiae, vị trí của các điểm lõi Tất cả những đặc điểm này góp phần tạo nên tính duy nhất của vân tay (Maltoni, et al., 2003)

1.5 Hệ thống nhận dạng vân tay tự động

Kiến trúc chung của một hệ thống nhận dạng vân tay tự động được mô tả như hình 1.1, bao gồm 4 phần sau (Jain & Pankanti, 2000):

- Giao diện đọc vân tay: cung cấp một cơ cấu để thu nhận ảnh vân tay đầu vào

- Cơ sở dữ liệu hệ thống: lữu trữ thông tin về các dấu vân tay

Trang 16

- Mô đun kết nạp vân tay: có nhiệm vụ kết nạp các dấu vân tay của các đối tượng vào cơ sở dữ liệu của hệ thống Khi một ảnh vân tay của một đối tượng được kết nạp, một thuật toán trích chọn minutiae sẽ được áp dụng để tìm các mẫu minutiae Sau đó một thuật toán kiểm tra chất lượng được sử dụng để đảm bảo trong cơ sở sữ liệu chỉ bao gồm những vân tay có chất lượng tốt (phải tìm thấy một lượng tối thiểu các minutiae trong ảnh vân tay) Nếu ảnh vân tay có chất lượng xấu, thì sẽ được nâng cao để cải thiện tính rõ ràng của các cấu trúc vân và đánh dấu các vùng không thể khôi phục được Ảnh nâng cao sẽ được trích chọn minutiae

- Mô đun xác thực vân tay: so sánh vân tay của đối tượng cần xác thực với các vân tay trong cơ sở dữ liệu của hệ thống Ảnh vân tay cần xác thực được thu nhận, sau đó các mẫu minutiae được trích chọn và được so sánh với các mẫu minutiae có trong cơ sở dữ liệu

Hình 1.1: Kiến trúc chung của hệ thống nhận dạng vân tay tự động

1.6 Thu nhận và lưu trữ vân tay

Một ảnh vân tay có thể được phân thành hai loại là line và live-scan Ảnh line được tạo ra bằng cách bôi mực lên các ngón tay và nhấn các ngón tay đó lên giấy Sau đó mẫu vân tay được số hóa bằng cách dùng máy scan hoặc máy ảnh có độ phân giải cao Ảnh live-scan được thu nhận bằng cách dùng một bộ cảm biến quét trực tiếp các đầu ngón tay Một loại ảnh vân tay off-line đặc biệt nữa gọi là latent, được lấy mẫu tại các hiện trường Chất nhờn trên da làm vân tay bị in lên bề mặt của vật mà tay chạm vào Các mẫu vân tay có thể được lấy từ bề mặt bằng cách dùng các kỹ thuật hóa học (Maltoni, et al., 2003)

Trích chọn minutiae

Kết quả

Mô đun kết nạp vân tay

Mô đun xác thực vân tay

Kiểm tra chất lượng

Trang 17

Các tham số chính tạo nên đặc điểm của ảnh vân tay số là: độ phân giải, vùng cảm biến vân tay, số điểm ảnh, độ chính xác hình học, độ tương phản, độ méo hình học Nhằm mục đích làm tăng sự tương thích giữa các ảnh vân tay, và đảm bảo các ảnh vân tay thu nhận được có chất lượng tốt, FBI đã phát hành một tập các đặc tả quy định chất lượng, khuôn dạng cho cả ảnh vân tay và các máy scan off-line/live-scan theo chuẩn của FBI Đa số các thiết bị quét live-scan sử dụng cho mục đích thương mại đều không theo các chuẩn đặc tả của FBI, nhưng nhỏ gọn, rẻ và thân thiện hơn với người dùng (Maltoni, et al., 2003)

Ngoài các máy quét quang học, hiện nay còn có các cảm biến bán dẫn cho phép thu nhận vân tay, có thể dễ dàng đưa vào các máy tính laptop, điện thoại di động,…

Hình 1.2: Cảm biến vân tay

Vấn đề lưu trữ các ảnh vân tay dạng thô là một bài toán khó đối với các hệ thống nhận dạng vân tay tự động lớn Năm 1995, FBI lưu trữ trên 200 triệu thẻ vân tay, và con số này tăng rất nhanh với số lượng 30,000 đến 50,000 thẻ mới mỗi ngày Mặc dù giải pháp số hóa các thẻ vân tay có thể là sự lựa chọn tốt nhất, nhưng việc lưu trữ có thể trở nên quá cồng kềnh Trên thực tế, mỗi thẻ vân tay khi số hóa ở độ phân giải 500 dpi yêu cầu khoảng 10 Mbytes bộ nhớ Như vậy 200 triệu thẻ sẽ cần khoảng 2000 terabytes Do vậy, rất cần phải có một kĩ thuật nén hiệu quả Không may là các phương pháp nén không mất thông tin được biết đến và các phương pháp JPEG đều không giải quyết được vấn đề này một cách triệt để Một kỹ thuật nén mới (với lượng thông tin mất mát nhỏ có thể chấp nhận được), gọi là WSQ (Wavelet Scalar Quantization), trở thành chuẩn FBI cho nén ảnh vân tay 500 dpi (Maltoni, et al., 2003)

1.7 Biểu diễn vân tay và nhận dạng đặc điểm

Biểu diễn vân tay là phần cốt lõi trong thiết kế một hệ thống nhận dạng vân tay và

Trang 18

những đặc điểm nổi bật của ảnh đầu vào mà có thể phân biệt giữa các vân tay cũng như bất biến đối với mỗi người

Một biểu diễn ảnh vân tay tốt phải hội tụ đủ hai thuộc tính sau: tính nổi bật (saliency) và tính tương thích (suitability) Tính nổi bật có nghĩa là một biểu diễn nên chứa thông tin riêng biệt vân tay Tính tương thích nghĩa là biểu diễn có thể được trích chọn, lưu trữ dễ dàng dưới một dạng nén, và thuận lợi cho việc so sánh vân tay (Maltoni, et al., 2003)

Biểu diễn vân tay bằng ảnh, là biểu diễn dựa trên thông tin cường độ sáng của các điểm ảnh Đây là loại biểu diễn phổ biến trong các hệ thống nhận dạng Tuy nhiên loại biểu diễn này có thể bị giới hạn bởi các nhân tố như sự biến đổi độ sáng, biến đổi chất lượng ảnh, các vết bẩn, và độ méo trong ảnh vân tay Hơn nữa, biểu diễn dựa trên ảnh đòi hỏi cần không gian lưu trữ rất lớn Mặt khác, biểu diễn bằng ảnh sẽ đảm bảo lưu được nhiều thông tin tối đa, miền ứng dụng rộng hơn

Một mẫu vân tay khi được phân tích ở các cấp độ khác nhau, sẽ biểu lộ ra các loại đặc điểm khác nhau

Ở mức độ bao quát, sự bố trí của các đường vân tạo ra một số điểm đặc biệt như điểm lặp, và điểm delta Các điểm đặc biệt và hình dạng các đường vân đóng vai trò rất quan trọng trong phân loại (classfication) và chỉ mục (indexing) vân tay, tuy vậy chúng chưa đủ để nhận dạng chính xác một vân tay Ở mức này, còn có một số đặc điểm khác của vân tay như hình dạng bên ngoài của vân, hướng vân, và tần số vân

Hình 1.3: Các hình dạng của vân tay; (a) hình cung; (b) hình lều; (c) lặp trái; (d) lặp phải; (e)

hình xoắn; (f) lặp kép; các vị trí có hình tam giác là các điểm delta

Trang 19

Ở mức cục bộ, có tổng cộng 150 đặc điểm vân cục bộ khác nhau, gọi là các minutiae (chi tiết vụn vặt) (Moenssens, 1971) Các đặc điểm này phục thuộc vào điều kiện nhấn tay mạnh hay nhẹ và chất lượng ảnh vân tay, và hiếm khi ta quan sát thấy trên các vân tay Có hai đặc điểm dễ nhận thấy nhất của vân tay là: điểm kết thúc vân (ridge ending), và điểm rẽ nhánh của vân (ridge bifurcation) Điểm kết thúc vân được định nghĩa là vị trí đường vân bị cụt đột ngột Điểm rẽ nhánh của vân là điểm mà đường vân bị tách ra làm các nhánh Nói chung, các minutiae trong vân tay có tính ổn định cao và ít phụ thuộc vào các điều kiện nhấn tay Mặc dù biểu diễn dựa trên minutiae có tính nổi bật cao, nhưng việc trích chọn các minutiae tự động sẽ khó đạt được độ tin cậy cao đối với những vân tay chất lượng thấp

Hình 1.4: Minutiae; (a) hai loại minutiae chính, là điểm kết thúc và điểm rẽ nhánh; (b) vị trí

các minutiae trong một ảnh vân tay

Ở mức độ cao hơn, ta có thể tìm thấy các chi tiết bên trong đường vân Đó thường

là các lỗ chân lông mồ hôi (pore), các vị trí và hình dạng của nó có sự phân biệt khá lớn Tuy nhiên, việc trích chọn các đặc điểm này chỉ khả thi đối với các ảnh vân tay có

độ phân giải cao (1000 dpi) Vì vậy loại biểu diễn này không phổ biến trong hầu hết các ứng dụng

Hình 1.5: Các chi tiết lỗ chân lông ở ảnh vân có độ phân giải 1000 dpi

Trang 20

1.8 So sánh vân tay

So sánh các ảnh vân tay là một vấn đề rất khó, bởi có sự thay đổi rất lớn trong các lần nhấn tay khác nhau Các nhân tố chính gây ra sự thay đổi này là: sự dịch chuyển, góc xoay, các vân bị chồng một phần lên nhau, độ méo không tuyến tính, độ nhấn tay thay đổi, điều kiện da thay đổi, nhiễu, và các lỗi trích chọn đặc điểm Vì vậy đôi khi các vân tay từ một ngón tay trông rất khác nhau, trong khi đó các vân tay từ các ngón khác nhau lại có thể rất giống nhau

Để có thể khẳng định hai vân tay có giống nhau hay không, phải đánh giá các nhân

tố sau (Maltoni, et al., 2003):

- Sự tương đồng về hình dạng mẫu của toàn bộ vân tay: nghĩa là hai vân tay phải

có cùng kiểu giống nhau

- Phù hợp định tính: đòi hỏi các minutiae tương ứng với nhau thì phải giống nhau

- Phù hợp định lượng: nghĩa là phải tìm thấy một số tối thiểu các minutiae tương ứng với nhau (theo quy định luật ở Mỹ, tối thiểu là 12 chi tiết)

- Các chi tiết minutiae tương ứng với nhau phải có sự tương quan giống nhau Trong thực tế, vân tay được so sánh thông qua các giao thức phức tạp Những chuyên gia vân tay phải tuân theo một biểu đồ tiến trình có sẵn để thực hiện so sánh vân tay

So sánh vân tay tự động không cần thiết phải theo các nguyên tắc giống nhau Mặc

dù khớp vân tay tự động có quy trình giống với quy trình khớp vân tay thủ công, song một số lượng lớn cách tiệp cận đã được thiết kế cách đây hơn 40 năm, và nhiều hệ thống đã được thiết kế để thực hiện trên máy tính Các cách tiếp cận so sánh vân tay được phân loại như sau (Maltoni, et al., 2003):

- So sánh dựa trên sự tương quan: hai ảnh vân tay được đặt chồng lên nhau và sự khác nhau trong tương quan của các điểm ảnh tương ứng sẽ được tính toán (sự dịch chuyển, góc xoay);

- So sánh dựa trên minutiae: các minutiae được tìm thấy từ hai vân tay và được lưu thành một tập các điểm trên mặt phẳng hai chiều Sau đó khớp các minutae tương ứng giữa vân tay mẫu và vân tay đầu vào, tạo thành một tập gồm tối đa các cặp minutiae tương ứng nhau

Trang 21

- So sánh dựa trên đặc điểm của đường vân: Tìm minutiae sẽ khó khăn trong các ảnh vân tay chất lượng tồi, trong khi đó các đặc điểm của đường vân (như hướng và tần số cục bộ, hình dạng vân, thông tin kết cấu) có thể đáng tin cậy hơn, mặc dù tính phân biệt của các đặc điểm này hơi thấp

1.9 Phân loại và chỉ mục vân tay

Hàng ngày, các hệ thống nhận dạng vân tay phải thu thập và lưu trữ một số lượng lớn các vân tay Để tìm vân tay tự động, vân tay đầu vào phải so sánh với rất nhiều vân tay trong cơ sở dữ liệu Để giảm thời gian tìm kiếm và độ phức tạp tính toán, cần thiết phải phân loại những vân tay theo một cách nhất quán và chính xác, để ảnh vân tay đầu vào chỉ phải so sánh với một tập con của cơ sở dữ liệu vân tay Phân loại vân tay

là kỹ thuật để gán một vân tay vào một trong các loại vân đã được xác định trước Phân loại vân tay có thể được xem như giai đoạn so sánh vân ở mức thô Chẳng hạn, nếu cơ sơ dữ liệu vân tay được chia thành năm lớp, và một bộ phân loại vân tay đưa ra kết quả ảnh vân tay đầu vào có thể thuộc một trong hai lớp với mức độ chính xác rất cao, khi đó hệ thống nhận dạng chỉ cần tìm hai trong năm lớp, do đó theo lý thuyết sẽ giảm không gian tìm kiếm đi 2.5 lần Đáng tiếc là chỉ có một số lượng hạn chế các loại vân tay chính (khoảng 5 loại), việc phân vân tay thành các loại là không nhất quán, và

có nhiều vân tay nhập nhằng Trên thực tế, định nghĩa của mỗi loại vân tay rất phức tạp và mập mờ Một chuyên gia vân tay phải có rất nhiều kinh nghiệm mới có thể phân loại vân tay một cách hợp lý Khoảng 17% trong số 4000 ảnh vân tay trong cơ sở dữ liệu NIST 4 có hai sự phân loại khác nhau (Watson & Wilson, 1992) Điều này có nghĩa là ngay cả các chuyên gia cũng không đồng ý về phân loại vân tay chuẩn của khoảng 17% ảnh vân tay trong cơ sở dữ liệu này Do đó trong thực tế, phân loại vân tay không tránh khỏi các lỗi, và việc tìm kiếm vân tay trong các cơ sở dữ liệu lớn có tính chọn lọc thấp

Để khắc phục điều này, một số tác giả đã đề xuất các phương pháp dựa trên “phân loại liên tục” hoặc dựa trên các kĩ thuật chỉ mục khác nhau Trong phân loại liên tục, vân tay không được chia thành các lớp độc lập nhau, mà được đặc trưng hóa bởi một vector, trong đó tổng kết các đặc điểm chính của vân tay đó Các đặc trưng liên tục được sử dụng cho quá trình chỉ mục các vân tay trong các cấu trúc dữ liệu không gian

và cho quá trình truy lục vân tay bằng các phương tiện truy vấn không gian

Trang 22

1.10 Ứng dụng của nhận dạng vân tay

Công nghệ nhận dạng vân tay đã phát triển rất nhanh chóng và được sử dụng rộng rãi trong ngành pháp lý như nhận dạng tội phạm và đảm bảo an ninh trong các nhà tù Ngày nay nhận dạng vân tay có tiềm năng ứng dụng rất lớn trong các lĩnh vực dân sự Bảng 1.1 nêu một số ứng dụng của nhận dạng vân tay trong các lĩnh vực khác nhau:

Hộ chiếu,…

Đăng nhập vào mạng, Bảo mật dữ liệu, Thương mại điện tử, Truy cập Internet, ATM, thẻ tín dụng, Điện thoại di động, Đào tạo từ xa, Khóa,…

Bảng 1.1

Khi công nghệ vân tay trở nên hoàn thiện, thì sự tương tác giữa thị trường, công nghệ, và các ứng dụng sẽ gia tăng nhanh chóng Sự tương tác này ảnh hưởng bởi giá trị gia tăng của công nghệ, sự nhạy bén của người dùng, và sự tin tưởng của người dùng với các nhà cung cấp dịch vụ Ta chưa đoán trước được trong tương lai công nghệ vân tay sẽ phát triển thế nào, nhưng có thể chắc chắn rằng các ứng dụng của nhận dạng vân tay sẽ ảnh hưởng sâu rộng đến công việc và đời sống hàng ngày của con người

Trang 23

Chương 2 Nâng cao chất lượng ảnh vân tay

CHƯƠNG 2 NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY

2.1 Giới thiệu

So sánh vân tay tự động phụ thuộc vào việc so sánh đặc điểm của các đường vân cục bộ và các mối quan hệ giữa các đường vân để nhận diện một cá nhân Một bước quan trọng trong so sánh vân tay là tự động trích chọn các minutiae từ ảnh vân tay với

độ tin cậy cao, tuy nhiên đây là một vấn đề khó Quá trình trích chọn các minutiae phụ thuộc nhiều vào chất lựợng của ảnh vân tay đầu vào Trong một ảnh vân tay lý tưởng, các đường vân và rãnh vân nằm xen kẽ nhau và có hướng cục bộ giống nhau, còn các minutiae là các điểm dị thường của đường vân, ví dụ như điểm kết thúc và điểm rẽ nhánh Trong trường hợp này, các đường vân có thể được phát hiện dễ dàng và các minutiae có thể được định vị một cách chính xác từ các đường vân nhị phân Hình 1.4b

là một ví dụ về ảnh vân tay chất lượng tốt Tuy nhiên trong thực tế, do có sự khác nhau trong các lần nhấn ngón tay, hình dạng đường vân, điều kiện của da tay, các thiết bị thu nhận vân, và thái độ thiếu hợp tác của những đối tượng cần lấy vân, dẫn tới một lượng đáng kể các vân tay có chất lượng kém Các cấu trúc vân trong các ảnh vân tay chất lượng kém không lúc nào cũng rõ ràng và do đó chúng không được phát hiện một cách chính xác Điều này dẫn tới một số vấn đề sau (Hong, Wan, Jain, 1998):

- Phát sinh một số lượng đáng kể các minutiae sai,

- Nhiều minutiae đúng không được nhận dạng,

- Phát sinh nhiều lỗi định vị (vị trí và hướng)

Hình 2.1: Các ảnh vân tay có chất lượng kém

Trang 24

Hình 2.1 là một ví dụ về các ảnh vân tay chất lượng rất kém, các cấu trúc vân bị sai hoàn toàn Để đảm bảo thuật toán trích chọn minutiae hoạt động tốt, thì cần thiết phải có một giai đoạn nâng cao ảnh để cải thiện sự rõ ràng của các cấu trúc vân

Hình 2.2: Các loại vùng vân tay; (a) vùng vân tốt; (b) vùng vân xấu có thể khôi phục; (c) vùng

vân xấu không thể khôi phục

Một chuyên gia vân tay có thể xác định chính xác các minutiae theo nhiều phương pháp khác nhau, ví dụ như xét hướng cục bộ, tính liên tục của vân, xu hướng đi của đường vân,…, chỉ cần cấu trúc các đường vân và rãnh vân không bị mất hoàn toàn Ta

có thể phát triển một thuật toán nâng cao ảnh dựa theo những phương pháp này để cải thiện sự rõ ràng của cấu trúc vân Nói chung, với một ảnh vân tay, các vùng trên ảnh

có thể được chia làm 3 loại (Hong, Wan, Jain, 1998) (hình 2.2):

- Vùng vân tốt: là vùng có các đường vân và rãnh vân rõ ràng, phân biệt với nhau, nhờ đó thuật toán nhận dạng minutiae có thể làm việc hiệu quả

- Vùng vân xấu có thể khôi phục: là nơi các đường vân và rãnh vân bị lỗi bởi một

số ít các vết gấp hoặc vết nhòe Nhưng vẫn nhìn được và các vùng lân cận có thể cung cấp đủ thông tin chính xác về cấu trúc vân và rãnh

- Vùng vân xấu không thể khôi phục: là vùng mà các đường vân và rãnh vân bị lỗi do nhiều nhiễu hoặc bị méo, do đó không thể nhìn được các đường vân và rãnh vân Các vùng lân cận không cung cấp đủ thông tin về cấu trúc vân và rãnh đúng

Mục đích của thuật toán nâng cao là cải thiện tính rõ ràng của các cấu trúc vân trong các vùng vân có thể khôi phục, mặt khác xóa các vùng vân không thể khôi phục Quá trình nâng cao không được làm sai lệch cấu trúc của đường vân Điều này rất quan trọng, vì sự sai lệch có thể dẫn đến nhận dạng sai người sở hữu vân tay đó

Nâng cao ảnh vân tay có thể trên hai loại ảnh là ảnh vân nhị phân và ảnh cấp xám Ảnh vân nhị phân là ảnh mà các điểm trên đường vân được gán giá trị 1 và không phải

Trang 25

vân thì gán giá trị 0 Ảnh nhị phân thu được bằng cách sử dụng một thuật toán trích chọn vân trên một ảnh đa cấp xám Do các đường vân và rãnh vân trong ảnh vân tay thay đổi và chạy song song với nhau trong một vùng cục bộ, nên một số phương pháp đơn giản có thể được sử dụng để tách các vân sai khỏi cấu trúc vân đúng trong ảnh vân nhị phân Tuy nhiên, sau khi sử dụng thuật toán trích chọn vân trên các ảnh cấp xám gốc, thông tin về cấu trúc vân chính xác thường bị mất phụ thuộc vào độ tin cậy của thuật toán Vì vậy, nâng cao trên ảnh vân nhị phân có nhiều hạn chế

Trong ảnh vân cấp xám, các đường vân và rãnh trong một vùng cục bộ tạo nên một mặt sóng dạng sin có hướng và tần số xác định Một số kỹ thuật tận dụng những thông tin này đã được đề xuất để nâng cao ảnh vân cấp xám Tuy nhiên, các thuật toán trích chọn các thông tin hướng và tần số thường giả định rằng các hướng vân cục bộ có thể được đánh giá tin cậy Trên thực tế, đối với các ảnh có chất lượng xấu thì giả định này không đúng

Nội dung chương này gồm các phần chính sau:

- Phân tích các đặc điểm của vân tay và ảnh vân tay, biểu diễn ảnh vân tay

- Giới thiệu một số kỹ thuật và thuật toán nâng cao ảnh vân tay thông dụng

2.2 Ảnh vân tay

Một ảnh vân tay được mô tả dựa trên các tham số chính sau:

Độ phân giải: chỉ số điểm ảnh trong mỗi inch (dpi) 500 dpi là độ phân giải nhỏ

nhất của các máy scan theo chuẩn FBI và nhiều loại máy thương mại khác; 250 đến

300 dpi là độ phân giải tối thiểu cho phép các thuật toán trích chọn định vị các minutiae trong ảnh vân tay Giảm độ phân giải của ảnh vân tay đồng nghĩa với việc tìm các đường vân và rãnh vân khó khăn hơn, tách các điểm minutiae cũng trở nên phức tạp hơn Các ảnh ở độ phân giải từ 200 đến 300 dpi chỉ thích hợp đối với các kỹ thuật tìm độ tương quan (Wilson, Watson, & Paek, 2000)

Trang 26

Hình 2.3: Các ảnh vân tay có độ phân giải khác nhau

Vùng cảm biến vân tay: Kích thước vùng cảm biến vân tay của máy quét vân là

một tham số cơ bản Nếu vùng cảm biến càng lớn thì càng thu nhận được nhiều đường vân và rãnh vân, do đó càng tăng độ tin cậy của nhận dạng vân tay Với một vùng lớn hơn hoặc bằng 1 x 1 inch vuông (theo chuẩn FBI) là đủ để thu nhận đầy đủ một vân tay trong một lần nhấn ngón tay

Số điểm ảnh: Số điểm ảnh trong một ảnh vân tay có thể được tính toán từ độ phân

giải và vùng thu nhận vân tay: một máy quét vân tay làm việc ở độ phân giải r dpi trên một vùng cảm biến có kích thước height(h) x width(w) inch sẽ có rh x rw điểm ảnh Nếu kích thước của vùng cảm biến được đo lường bằng mm , thì số điểm ảnh sẽ là: r(h/25.4) x r(w/25.4) Ví dụ, một máy quét làm việc ở độ phân giải 500 dpi trên vùng cảm ứng rộng 20.32 x 15.24 mm , thì ảnh thu nhận sẽ có 500(20.32/25.4) x 500(15.24/25.4)=400 x 300 điểm ảnh

2 2

2

Độ sâu bit: là số bit được sử dụng để biểu diễn giá trị cường độ trên mỗi điểm ảnh

Thông tin màu của vân tay được đánh giá không quan trọng trong nhận dạng vân tay,

vì vậy hầu hết các máy quét ảnh vân tay thu nhận các ảnh cấp xám Chuẩn FBI cho độ sâu bit là 8 bit, tức là biểu diễn được 256 mức xám Trên thực tế, một số bộ cảm biến chỉ thu thông tin vân tay thực sự ở độ sâu 2 hoặc 3 bit, và biến đổi thành ảnh 8 bit (Xia

& O’Gorman, 2003) Chưa có một nghiên cứu rõ ràng nào chỉ rằng độ tin cậy của nhận dạng sẽ giảm khi độ sâu bit giảm Tuy nhiên một điều hiển nhiên rằng, độ sâu bit lớn hơn 1 bit là cần thiết cho các thuật toán trích chọn đặc trưng

Độ chính xác hình học: nói chung là độ méo hình học của các thiết bị thu nhận,

được biển diễn bằng tỉ lệ phần trăm tương ứng với các hướng x và y

Chất lượng ảnh: không phải dễ để có thể định nghĩa chính xác chất lượng của ảnh

vân tay, và càng khó khăn hơn để phân biệt chất lượng ảnh vân tay với chất lượng hay

Trang 27

trạng thái nội tại của ngón tay Trên thực tế, nếu bề mặt nhô lên của các đường vân thấp (đặc biệt ở các công nhân thủ công hay người già), khi các ngón tay quá ẩm ướt hoặc quá khô,…, thì hầu hết các máy quét đều cho ra những ảnh vân có chất lượng kém

(a) (b) (c)

Hình 2.4: Ví dụ về chất lượng vân tay; (a) vân tay chất lượng tốt; (b) vân tay của một ngón tay

khô; (c) vân tay của một ngón tay ẩm

Tất cả các đặc điểm trên đều liên quan đến độ chính xác của hệ thống nhận dạng,

và chúng có ảnh hưởng tương hỗ nhau đến sự tin cậy hệ thống Ví dụ, giả sử rằng việc giảm độ phân giải từ 500 dpi xuống 400 dpi làm độ chính xác của hệ thống giảm 1%,

và giảm độ sâu bit từ 8 bit xuống còn 4 bit sẽ làm độ chính xác giảm 1% Khi đó, nếu đồng thời giảm độ phân giải xuống 400 dpi và độ sâu bit thành 4 bit, sẽ làm độ chính xác giảm đi hơn 2%

2.3 Các đặc điểm của vân tay

Vân tay được sinh ra từ biểu bì của đầu ngón tay, khi ngón tay được nhấn lên một

bề mặt trơn Một đặc điểm dễ nhận thấy nhất của cấu trúc vân là sự xen kẽ giữa các đường vân và rãnh vân Trong ảnh vân tay, các đường vân thường có màu tối, còn rãnh vân có màu sáng (hình 2.5) Độ rộng các đường vân biến đổi trong khoảng 100 μmđối với vân mỏng, cho đến 300 μm đối với vân dày Nói chung, chu kỳ của đường vân/rãnh là khoảng 500 (Stosz & Alyea, 1994) Các thương tật như đốt cháy, trầy

da, hoặc cắt đều không làm ảnh hưởng tới cấu trúc vân, mà sẽ hình thành y nguyên sau khi lớp biểu bì da mới phát triển

mμ

Trang 28

Rãnh vân

Đường vân

Hình 2.5: Đường vân và rãnh vân

Các vân và rãnh vân thường song song với nhau; đôi khi có rẽ nhãnh hoặc có điểm kết thúc Khi phân tích vân tay ở mức bao quát, vân tay có thể có một hoặc một số vùng có hình dạng đặc trưng (có đặc điểm như độ uốn cong cao, gặp điểm kết thúc thường xuyên hơn,…) Những vùng này có thể được phân loại thành ba loại: vòng (loop), delta, và xoắn (whorl) (hình 2.6) Các vùng đặc biệt này có hình dạng tương ứng giống với , , và O (Maltoni, et al., 2003) Một số thuật toán so sánh ảnh vân tay còn sử dụng một điểm trung tâm của vân tay, gọi là điểm lõi (core), nhằm điều chỉnh hướng của các ảnh vân tay Henry (1900) định nghĩa điểm lõi là điểm ở phía bắc nhất của đường vân nằm trong nhất

∩ Δ

Hình 2.6: Các vùng đặc biệt; ô vuông biểu thị vùng đặc biệt, chấm nhỏ biểu thị điểm lõi

Xét ở mức cục bộ, ta xét đến các đặc điểm quan trọng khác, đó là các chi tiết nhỏ trên vân tay gọi là minutiae Trong phạm vi của vân tay, đây là các chi tiết làm cho các đường vân bị ngắt quãng Ví dụ như đường vân có thể đột ngột gặp điểm kết thúc, hoặc điểm rẽ nhánh Francis Galton (1822-1911) là người đầu tiên đã phân loại các minutiae và thấy rằng chúng không thay đổi trong suốt đời người (Galton, 1892) Hình 2.7 minh họa một số các minutiae thường gặp (Maltoni, et al., 2003)

Trang 29

Hình 2.7: Một số các minutiae thường gặp

Nếu ảnh vân tay được quét với độ phân giải cao (1000 dpi), ta có thể nhìn thấy rõ

cả các lỗ chân lông (Stosz & Alyea, 1994), có kích thước từ 60 đến 250 (hình 2.8) Mặc dù thông tin của các lỗ chân lông (số lượng, vị trí, hình dạng,…) là rất khác nhau, tuy nhiên rất ít kỹ thuật so sánh vân tự động sử dụng chúng, vì ảnh vân tay đòi hỏi phải

có chất lượng và độ phân giải rất cao

mμ

Hình 2.8: Các chi tiết lỗ chân lông ở ảnh vân có độ phân giải cao

Hai đặc điểm gián tiếp nhưng rất quan trọng của vân tay là hướng vân cục bộ và tần số vân cục bộ Xét trong một vùng nhỏ, các đường vân và rãnh vân song song với nhau theo cùng một hướng, tạo nên một mặt dạng sóng với tần số xác định Các hướng

và tần số này thay đổi chậm trong một vùng nhỏ của ảnh vân tay Cả hai đặc điểm này đều được sử dụng triệt để trong quá trình nâng cao chất lượng ảnh vân tay, để làm tăng

sự rõ ràng giữa các đường vân và rãnh vân của vân tay

Trang 30

2.4 Biểu diễn ảnh vân tay

Ảnh vân tay thường được biểu diễn bằng một ma trận hai chiều Gọi I là một ảnh vân tay cấp xám với g mức xám, và I(x,y) là mức xám của điểm (x,y) trong I Gọi z=S(x,y) là bề mặt rời rạc tương ứng với ản I: S(x,y)=I(x,y) Nếu mức xám của các điểm sáng được gán gần với 0 và của điểm tối gần g-1, thì các đường vân tay (màu tối)

sẽ tương ứng với các đỉnh, và giữa các đường vân (màu sáng) sẽ tương ứng với các thung lũng) (Maltoni, et al., 2003) (hình 2.9)

đường

rãnh

Hình 2.9: Bề mặt S ứng với một vùng vân nhỏ

2.5 Các bước trong nâng cao ảnh vân tay

Có rất nhiều phương pháp nâng cao chất lượng ảnh vân tay khác nhau Trong chương này cũng như toàn bộ khóa luận, ta chỉ đề cập đến phương pháp nâng cao ảnh vân tay phổ biến, đó là sử dụng bộ lọc theo ngữ cảnh Giai đoạn nâng cao ảnh sử dụng

bộ lọc theo ngữ cảnh điển hình gồm các bước được mô tả ở hình 2.10 Trong các phần tiếp theo, chúng ta sẽ lần lượt tìm hiểu chức năng cũng như các thuật toán trong mỗi bước

ảnh vân tay gốc Tiền xử lý

ảnh vân tay

Nâng cao ảnh dùng

bộ lọc ngữ cảnh Phân vùng

Tìm tần số vân cục bộ

Tìm hướng vân cục bộ

ảnh nâng cao Hình 2.10: Các bước trong nâng cao ảnh vân tay

Trang 31

2.6 Các bộ lọc theo ngữ cảnh

Kỹ thuật được sử dụng rộng rãi nhất trong nâng cao ảnh vân tay là các bộ lọc theo ngữ cảnh Đối với lọc các ảnh thông thường, thường chỉ sử dụng một bộ lọc đơn cho cuộn trên toàn ảnh Trong lọc theo ngữ cảnh, các đặc điểm của bộ lọc thay đổi theo ngữ cảnh cục bộ Thông thường, một tập các bộ lọc được tính toán trước, sau đó tùy theo từng vùng ảnh mà ta chọn một bộ lọc cụ thể Trong nâng cao ảnh vân tay, ngữ cảnh thường được định nghĩa bởi hướng vân cục bộ và tần số vân cục bộ Trên thực tế, các đường vân và rãnh vân tạo nên các sóng dạng sin, có các hướng cục bộ và tần số cục bộ và thay đổi chậm theo từng vùng của vân tay Một bộ lọc thích hợp với các tần

số và hướng cục bộ sẽ rất hiệu quả trong việc loại bỏ các nhiễu không mong muốn và bảo toàn cấu trúc của đường vân và rãnh vân

Một số loại bộ lọc theo ngữ cảnh đã được đề xuất cho nâng cao ảnh vân tay Mặc

dù chúng có các định nghĩa khác nhau, song đều có một quy tắc giống nhau (Maltoni,

Phương pháp dùng bộ lọc theo ngữ cảnh cho nâng cao ảnh vân tay lần đầu tiên được đề xuất bởi O’Gorman và Nickerson (1988, 1989); các tác giả định nghĩa một bộ lọc mẹ dựa trên bốn tham số chính của các ảnh vân tay đối với một độ phân giải xác định: độ rộng nhỏ nhất và lớn nhất của đường vân, độ rộng nhỏ nhất và lớn nhất của rãnh vân Bộ lọc được minh họa như hình 2.11, kéo dài dọc theo hướng vân, và có dạng sin theo hướng trực giao với hướng vân Tần số vân cục bộ được giả sử là hằng

số, và do đó ngữ cảnh chỉ phụ thuộc vào hướng vân cục bộ Như vậy, một bộ lọc mẹ dẫn suất thành 16 bộ lọc tương ứng với các hướng cục bộ khác nhau Ảnh nâng cao thu được bằng cách cuộn mỗi điểm trong ảnh với bộ lọc có hướng phù hợp với hướng tại điểm đó Tùy theo một số tham số đầu vào, mà ảnh đầu ra có thể là ảnh cấp xám hoặc nhị phân

Trang 32

Hình 2.11: Hình dạng của bộ lọc được đề xuất bởi O’Gorman và Nickerson

Sherlock, Monro, và Millard (1992, 1994) thực hiện lọc theo ngữ cảnh trong miền Fourier; như ta đã biết phép cuộn trong miền không gian ứng với phép nhân thông thường (điểm-điểm) trong miền Fourier (Gonzales & Woods, 1992) Bộ lọc được định nghĩa trong miền tần số bởi hàm sau:

radial angle

H( , ) Hρ θ = ( ).Hρ ( )θ

trong đó Hradial chỉ phụ thuộc vào khoảng cách vân cục bộ ρ =1/ f và Hangle chỉ phục thuộc vào hướng vân Cả hai θ Hradial( )ρ và Hangle( )θ được định nghĩa là các bộ lọc dải thông Một tập gồm n bộ lọc rời rạc được sinh ra từ bộ lọc định nghĩa Để làm giảm số bộ lọc, giả sử tần số vân cục bộ là ổn định trong các vùng, do vậy ngữ cảnh của bộ lọc chỉ được xác định dựa trên hướng vân cục bộ Đầu tiên, biến đổi Fourier Pi

(i=1 n) của các bộ lọc được tính toán và lưu trữ Sau đó một ảnh vân tay đầu vào được lọc thông qua các bước sau:

Hình 2.12: Nâng cao ảnh vân tay theo phương pháp của Sherlock, Monro, và Millard

Trang 33

1 Tính FFT (Fast Fourier Transform) F của I;

2 Với mỗi bộ lọc Pi, ta nhân điểm-điểm với F, và thu được n ảnh lọc (ở miền Fourier) là PFi, i=1 n;

3 Thực hiện biến đổi FFT ngược với mỗi PFi, kết quả được n ảnh lọc (ở miền không gian) PIi, i=1 n

Ảnh nâng cao Ienh thu được bằng cách: với mỗi điểm (x,y), Ienh(x,y)=PIk(x,y), với k

là chỉ số của bộ lọc mà có hướng gần với θxy nhất

Hong, Wan, và Jain (1998) đề xuất một phương pháp hiệu quả dựa trên bộ lọc Gabor Mục 2.11 sẽ trình bày chi tiết hơn về bộ lọc này

2.7 Tiền xử lý ảnh vân tay

Đầu vào của thuật toán nâng cao thường là một ảnh cấp xám Nếu áp dụng các kỹ thuật nâng cao ảnh thông thường cho ảnh vân tay sẽ không cho kết quả thỏa đáng Tuy nhiên, một số các kỹ thuật như tăng độ tương phản, thao tác histogram, chuẩn hóa (Hong, Wan, Jain, 1998), và lọc Wiener (Greenberg et al., 2000) được sử dụng như bước tiền xử lý hiệu quả cho thuật toán nâng cao ảnh vân tay

1998, Hong, Wan và Jain đề xuất một cách tiếp cận chuẩn hóa để để xác định giá trị cường độ mới của một điểm ảnh trong ảnh như sau:

2 0 0

(I(i, j) M) VM

VG(i, j)

(I(i, j) M) VM

Trang 34

Hình 2.13: Ví dụ về phương pháp chuẩn hóa (Hong, Wan, Jain, 1998) với M0=100 và

V0=100; (a) ảnh đầu vào; (b) ảnh sau khi chuẩn hóa

2.8 Đánh giá hướng vân cục bộ

Hướng vân cục bộ là thuộc tính của vân tay, là thông tin rất hữu dụng trong nâng cao và phân vùng ảnh, phân loại và dò tìm đường vân Do vậy độ chính xác của hướng vân cục bộ có ảnh hưởng rất lớn đến độ tin cậy hệ thống nhận dạng Trong phần này sẽ giới thiệu khái quát một số kỹ thuật tìm hướng vân thông dụng

Với (x,y) là tọa độ một điểm trong ảnh vân tay Hướng vân cục bộ tại điểm (x,y) là góc nằm giữa đường vân đi qua lân cận của (x,y) và trục hoành nằm trong khoảng [

xy

]

0, π

Hình 2.14: Hướng vân tương ứng với tọa độ (x,y)

Thay vì tính toán hướng vân cục bộ tại mỗi điểm ảnh, hầu hết các phương pháp xử

lý vân tay đều ước lượng hướng vân cục bộ tại các vị trí rời rạc nhau (điều này nhằm giảm thời gian tính toán) Một bản đồ hướng, được giới thiệu đầu tiên bởi Grasselli (1969), là một ma trận O mà các phần tử của nó là các hướng cục bộ của các đường vân tay Mỗi phần tử , tương ứng với điểm , biểu thị hướng trung bình của các đường vân nằm trong lân cận của

ij

)y,x( i j

Trang 35

2.8.1 Phương pháp dựa trên Gradient

Một cách tiếp cận tự nhiên và đơn giản nhất để lấy hướng vân cục bộ là dựa trên việc tính các gradient của ảnh vân tay Gradient ∇(xi,yj) tại điểm của I, là một vector hai chiều

)y,x( i j)]

y,x(),y,x([∇x i j ∇y i j , trong đó ∇x và ∇y là các đạo hàm của I tại tương ứng với các trục x và y Như chúng ta đã biết, góc gradient biểu thị hướng có thay đổi cường độ cấp xám lớn nhất Do đó, hướng

Để giải quyết các vấn đề này, Kass và Witkin (1987) đã đề xuất ra một giải pháp đơn giản nhưng khá sáng tạo cho phép tính trung bình các gradient cục bộ Ý tưởng là nhân đôi các góc gradient trước khi tính trung bình Khi đó (ϕ + π) sẽ thành (2 ϕ 2 + π),

và bằng 2ϕ

Ta dùng vector gradient bình phương T, được tính từ vector

sy

sx , g ] g

ϕ

−ϕ

2 y

2 x 2

2 2

2

sy

sx

gg

gg)

cossin2(g

)sin(cos

g2

sing

2cosgg

g

Trang 36

2 y

2 x

W sy W sx

sy

sx

gg

)gg(g

gg

g

(2.5)

Nói chung, các phương pháp dựa trên gradient chia ảnh vân tay thành các khối có kích thước bằng nhau N x N pixel, và tính góc trung bình trên mỗi khối đó một cách độc lập Hướng trong một khối B được tính theo công thức sau (Bazen & Gerez, 2002):

2.8.2 Phương pháp dựa trên Gradient cải tiến (Wang, Hu, Han, 2007)

Wang, Hu, Han đã đề xuất một thuật toán dựa trên gradient cải tiến, trong đó sử dụng các cửa sổ chồng nhau Do tính chất song song và không đẳng hướng, các mẫu vân từ bốn láng giềng chồng nhau của cửa sổ vân trung tâm có sự tương quan cao đến nhau Nếu kích thước của cửa sổ nhỏ, thì các đường vân trên cửa sổ và các khối láng giềng là song song với nhau và thay đổi chậm

Hình 2.15: Minh họa site gồm 3 x 3 khối kề nhau

Trang 37

Các tiếp cận này khai thác đặc điểm song song của các đường vân, vì vậy nâng cao phương pháp dựa trên gradient truyền thống Thuật toán được mô tả như sau Nhóm các 2 x 2 khối kề nhau thành một láng giềng D, và nhóm 3 x 3 khối kề nhau thành một vùng gọi là site có 4 láng giềng chồng nhau như trong hình 2.15

Ta xét khối trung tâm V trong hình mà tại đó hướng vân cục bộ sẽ được đánh giá Các khối {I,II,IV,V} tạo thành một láng giềng gọi là D1 Tương tự {II,III,V,IV} tạo thành D2, {IV,V,VII,VIII} tạo thành D3, {V,VI,VIII,IX} tạo thành D4 (hình 2.16) Từ các phương trình (2.6) và (2.7), các gradient bình phương trung bình và các coherence tương ứng sẽ được tính cho các láng giềng D1, D2, D3, D4 tương ứng Kết quả thu được hai vector θ = θ θ θ θ{ , , , }1 2 3 4 và Coh={Coh1, Coh2, Coh3, Coh4} Ta sẽ tìm phần tử lớn nhất trong Coh và gán góc tương ứng trong θ vào khối trung tâm V Ví dụ nếu Coh2={Coh1, Coh2, Coh3, Coh4} thì góc được chọn là θ2

Hình 2.16: Các láng giềng D1, D2, D3, D4 trong một site

2.8.3 Phương pháp của Stock và Swonger (1969)

Năm 1969, Stock và Swonger đã đánh giá hướng vân cục bộ bằng cách xem xét sự thay đổi cấp xám của các điểm ảnh theo các hướng khác nhau Họ dựa trên nhận xét rằng sự thay đổi bất thường của cấp xám nói chung sẽ nhỏ nhất nếu hướng dọc theo đường vân, và lớn nhất nếu là hướng trực giao với các đường vân

2.9 Đánh giá tần số vân cục bộ

Trong một vùng cục bộ của ảnh vân tay, nếu không có sự xuất hiện của các minutiae và các điểm đặc biệt, thì các đường vân và rãnh vân song song với nhau và cấp xám của các đường vân và rãnh vân có thể được mô hình hóa như một sóng dạng sin Vì vậy, tần số vân cục bộ là một thuộc tính nội tại của ảnh vân tay

Trang 38

xy

θ Một bản đồ tần số F là một ma trận mà các phần tử của nó là các tần số cục bộ của các đường vân tay Mỗi phần tử , tương ứng với pixel , biểu thị tần số trung bình của các đường vân nằm trong vùng lân cận của

ij

)y,x( i j

x-signature

cửa sổ 32 x 16 khối 16 x 16 hướng vân cục bộ

Hình 2.17: Cửa sổ hướng và x-signature

2.9.1 Phương pháp của Hong, Wan, Jain (1998)

Tần số vân cục bộ là khác nhau với các vân tay khác nhau, và cũng có thể khác nhau đối với các vùng khác nhau trong cùng một vân tay Hong, Wan, Jain (1998), đánh giá tần số vân cục bộ bằng cách đếm số pixel trung bình giữa hai đỉnh cấp xám của hai đường vân liên tiếp nhau (hình 2.15) Tần số tại fij (xi,yj)được tính như sau:

1 Chia ảnh vân tay thành các khối w x w (16 x 16)

2 Với mỗi khối có tâm là , ta định nghĩa một cửa sổ l x w (32x16) có hướng, cũng có tâm là , được đặt sao cho hướng chiều rộng trùng với hướng của đường vân tại vùng lân cận của (xoay hệ tọa độ sao cho trục

y trùng với hướng vân cục bộ)

)y,x( i j)y,x( i j

)y,x( i j

3 Với mỗi khối có tâm là (xi,yj), tính x-signature={X0,X1,…,Xl-1}, là tổng các cấp xám được tích lũy theo trục x trong cửa sổ Cách làm này có tác dụng loại

bỏ ảnh hưởng của các nhiễu nhỏ, giúp sự tích lũy cấp xám được làm trơn hơn

Cụ thể ta có:

Trang 39

w 1 k

ij ij

1 f T

2.9.2 Phương pháp của Jiang (2000)

Năm 2000, Jiang cũng tính toán tần số vân cục bộ bằng cách sử dụng x-signatures Tuy nhiên, thay vì tính khoảng cách trong miền không gian, Jiang đã sử dụng một kĩ thuật phổ bậc cao gọi là mix-spectrum Các mẫu vân trong ảnh vân tay là các tín hiệu tuần hoàn có nhiễu; khi bị sai lệch với hình dạng sin ban đầu, năng lượng của chúng bị phân bổ thành các hàm điều hòa và tần số cơ bản Kĩ thuật mix-spectrum nâng cao tần

số cơ bản của tín hiệu bằng cách khai thác thông tin chứa trong hàm điều hòa thứ hai

và thứ ba

2.9.3 Phương pháp của Maio và Maltoni (1998)

Trong phương pháp đề xuất bởi Maio và Maltoni (1998), mẫu vân cục bộ được mô hình như một bề mặt dạng sin, và dùng định lý biến thiên để đánh giá tần số Biến

Trang 40

2 1

2 1 m

V(h) (x= −x ).2α f (2.11)

Hình 2.18: Biến thiên của hàm h trong khoảng [x1,x2] là tổng các biên độ α α1, 2, ,α8

Như vậy, tần số cần tìm có thể được đánh giá bằng công thức:

2 1 m

V(h)f

2.10 Phân vùng

Như đã đề cập trong phần đầu của chương, một điểm (hoặc một vùng trong ảnh vân tay gốc) có thể là vùng vân có thể khôi phục hoặc vùng không thể khôi phục Phân vùng ảnh vân tay nhằm mục đích tránh cho việc trích chọn các đặc trưng không rơi vào vùng nhiễu hoặc vùng nền

Ảnh vân tay là các mẫu vân dạng sóng, do vậy dùng các kỹ thuật phân ngưỡng cục

bộ hoặc toàn cục (Gonzales & Woods, 1992) sẽ không cho kết quả tốt Trên thực tế, cường độ ảnh trung bình không phải là yếu tố quyết định phân biệt giữa nền và vân,

mà là sự hiện diện của các mẫu có hướng và có dạng sóng trong vùng vân, và của mẫu đẳng hướng đối với vùng nền Nếu nền ảnh luôn đồng nhất và sáng hơn các vùng vân,

Định dạng
Số trang	84
Dung lượng	4,77 MB