Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)

Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh (Luận văn thạc sĩ)

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

LỜI CAM ĐOAN

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

Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác

TP Hồ Chí Minh,ngày 10 tháng 4 năm 2018

Nguyễn Thanh Tú

LỜI CẢM ƠN

Lời đầu tiên, cho phép tôi gửi lời cảm ơn chân thành đến các Thầy, Cô giáo thuộc Học viện Công nghệ Bưu chính Viễn thông và các đơn vị khác đã tận tình giảng dạy, truyền đạt kiến thức quý báu cho tôi trong thời gian học tập tại Học viện

Xin chân thành cảm ơn thầy giáo hướng dẫn khoa học TS Chung Tấn Lâm –

Trưởng Bộ môn Điều khiển tự động - Khoa Kỹ thuật điện tử 2, Học viện Công nghệ Bưu chính Viễn thông cơ sở TP HCM đã dành nhiều thời gian hướng dẫn, giúp đỡ tôi trong quá trình nghiên cứu và thực hiện luận văn này Những lời động viên, góp

ý của TS Chung Tấn Lâm đã giúp tôi có được nhiều ý tưởng để hoàn thiện hơn

bản luận văn này

Cuối cùng, Tôi xin chân thành cảm ơn gia đình, lãnh đạo cơ quan và các bạn đồng nghiệp đã luôn động viên, tạo điều kiện và dành cho tôi những góp ý chân thành để tôi hoàn thành khóa học và bản luận văn này

Tác giả luận văn

Nguyễn Thanh Tú

MỤC LỤC

LỜI CAM ĐOAN i

LỜI CẢM ƠN ii

MỤC LỤC iii

CÁC CHỮ VIẾT TẮT v

DANH MỤC CÁC BẢNG vi

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ vii

MỞ ĐẦU 1

Chương 1 - TỔNG QUAN VỀ NHẬN DẠNG DẤU VÂN TAY 3

1.1 Tổng quan về sinh trắc học 3

1.1.1 Giới thiệu 3

1.1.2 Phân loại 4

1.2 Sinh trắc học vân tay 5

1.3 Vân tay và nhận dạng vân tay 6

1.3.1 Vân tay và đặc trưng của vân tay 6

1.3.2 Nhận dạng dấu vân tay 8

1.4 Kết luận chương 10

Chương 2 - PHƯƠNG PHÁP NHẬN DẠNG CHỦ THỂ BẰNG DẤU VÂN TAY KHÔNG HOÀN CHỈNH 11

2.1 Ảnh số - xử lý ảnh nhận dạng 11

2.1.1 Ảnh số 11

2.1.2 Xử lý ảnh để nhận dạng 12

2.2 Phương pháp nhận dạng chủ thể bằng dấu vân tay 19

2.2.1 Tiền xử lý 19

2.2.2 Trích chọn đặc trưng 20

2.2.3 So khớp và nhận dạng chủ thể 22

2.3 Phương pháp nhận dạng dấu vân tay không hoàn chỉnh 25

2.3.1 Dấu vân tay không hoàn chỉnh 25

2.3.2 Hệ thống nhận dạng vân tay không hoàn chỉnh 26

2.3.3 Các thuật toán nâng cao chất lượng ảnh vân tay 28

2.3.4 Các tham số so sánh 49

2.4 Kết luận chương 50

Chương 3 - CHƯƠNG TRÌNH MÔ PHỎNG 51

3.1 Công cụ mô phỏng và cơ sở dữ liệu 51

3.2 Mô hình mô phỏng và các chức năng của chương trình mô phỏng 51

3.3 Giao diện chương trình và các bước thực hiện mô phỏng 53

3.3.1 Giao diện chương trình mô phỏng 53

3.3.2 Các bước thực hiện mô phỏng 55

3.4 Kết quả mô phỏng – đánh giá 56

3.4.1 Khả năng chống nhiễu 56

3.4.2 Tính xác thực (so sánh 1:1) 57

3.4.3 Khả năng nhận dạng (so sánh 1:N) 59

3.4.4 Nhận dạng vân tay chất lượng thấp (vân tay khiếm khuyết) 60

3.4.5 Nhận dạng vân tay hiện trường 63

3.4.6 Tính sẵn sàng – thời gian thực hiện 65

3.5 Kết luận chương 66

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 67

DANH MỤC TÀI LIỆU THAM KHẢO 68

PHỤ LỤC 1 HÌNH ẢNH VÂN TAY KHIẾM KHUYẾT SỬ DỤNG TRONG LUẬN VĂN 71

PHỤ LỤC 2 BIỂU ĐỒ FAR & FRR CỦA CÁC TẬP DỮ LIỆU VÂN TAY 72

PHỤ LỤC 3 MỘT SỐ ẢNH VÂN TAY HIỆN TRƯỜNG ĐƯỢC SỬ DỤNG TRONG LUẬN VĂN 73

DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT

AFIS Automated Fingerprint

Identification System

Hệ thống nhận dạng vân tay tự động

AFR Automated Fingerprint Recognition Nhận dạng vân tay tự động

DFT Discrete Fourier Transform Biến đổi Fourier rời rạc

FAR False Acceptance Rate Tỉ lệ chấp nhận sai

FRR False Rejection Rate Tỉ lệ từ chối sai

FVC Fingerprint Verification

Competition

Cuộc thi xác thực dấu vân tay

IDFT Inverse Discrete Fourier Transform Biến đổi Fourier rời rạc ngược LRO Local Ridge Orient Định hướng đường vân cục bộ MTF Modulation Transform Function Hàm chuyển điều chế

STFT Short Time Fourier Transform Biến đổi Fourier thời gian

ngắn

DANH SÁCH BẢNG

Bảng 3.1 Đánh giá kết quả của 3 thuật toán nâng cao qua tham số SM 56Bảng 3.2 Số điểm tương đồng (SM) so khớp 1:1 của các thuật toán 58Bảng 3.3 Các kết quả nhận dạng vân tay khiếm khuyết với ID nhận dạng (hàng trên)

và điểm số tương đồng SM (hàng dưới) 62Bảng 3.4 Các kết quả nhận dạng vân tay hiện trường với ID nhận dạng (hàng trên)

và điểm số tương đồng SM tương ứng (hàng dưới) 64Bảng 3.5 Thời gian thực hiện các thuật toán với các tập dữ liệu khác nhau 65

DANH SÁCH CÁC HÌNH VẼ, ĐỒ THỊ

Hình 1.1 Phân loại sinh trắc học 4

Hình 1.2 Mẫu chỉ bản vân tay dùng trong quản lý công dân 6

Hình 1.3 Vân tay và các đặc trưng của vân tay 7

Hình 1.4 Minh họa điểm đặc trưng chi tiết 7

Hình 1.5 Một số dạng vân tay đặc biệt 8

Hình 1.6 Sơ đồ khối tổng quát hệ thống nhận dạng vân tay tự động 9

Hình 2.1 Dữ liệu ảnh xám 4.tif cùng với kích thước của ảnh 12

Hình 2.2 Chuyển đổi ảnh màu, ảnh xám và ảnh nhị phân 13

Hình 2.3 Ví dụ về độ tương phản ảnh 17

Hình 2.4 Cân bằng Histogram ảnh xám 18

Hình 2.5 Hệ thống nhận dạng vân tay cơ bản 19

Hình 2.6 Ảnh gốc đầu vào và ảnh nhị phân sau bước tiền xử lý 19

Hình 2.7 Các trường hợp (a) đường vân thông thường, (b) kết thúc đường vân và (c) điểm phân nhánh được xét thep giá trị CN 21

Hình 2.8 Loại bỏ các đặc trưng sai, (a) các đặc trưng sai và (b) sau khi loại bỏ 21

Hình 2.9 Kết quả công đoạn lấy đặc trưng 22

Hình 2.10 Quá trình so khớp các đặc trưng chi tiết 25

Hình 2.11 Một số ảnh vân tay không hoàn chỉnh 26

Hình 2.12 Mô hình nhận dạng dấu vân tay khiếm khuyết 27

Hình 2.13 Thuật toán tăng cường ảnh Gabor – Ling Hong 29

Hình 2.14 Ảnh vân tay trước và sau khi chuẩn hóa 30

Hình 2.15 Hướng của một điểm kết thúc đường vân và điểm rẽ nhánh 31

Hình 2.16 Ước lượng định hướng của ảnh chuẩn hóa 34

Hình 2.17 Cửa sổ hướng dùng để tính x-signature 34

Hình 2.18 Vùng mặt nạ có các đường vân 38

Hình 2.19 Ảnh vân tay trước và sau khi tăng cường với Gabor 40

Hình 2.20 Lưu đồ thuật toán STFT 41

Hình 2.21 Tham số cửa sổ chồng chéo nhau trong quá trình phân tích STFT 42

Hình 2.22 Kết quả thuật toán tăng cường STFT so sánh với Gabor 46

Hình 2.23 Thuật toán tăng cường ảnh vân tay đề xuất 46

Hình 2.24 So sánh trường định hướng của các phương pháp tăng cường 48

Hình 2.25 So sánh kết quà các phương pháp tăng cường 48

Hình 2.26 Biểu đồ quan hệ FAR và FRR 50

Hình 3.1 Sơ đồ chức năng của chương trình 52

Hình 3.2 Giao diện chương trình mô phỏng 1:1 53

Hình 3.3 Giao diện chương trình mô phỏng 1:N 54

Hình 3.4 Các bước thực hiện mô phỏng nâng cao và đăng ký 55

Hình 3.5 Các bước thực hiện mô phỏng nhận dạng 55

Hình 3.6 Ảnh gốc và ảnh sau khi tác động nhiễu 56

Hình 3.7 Kết quả thực hiện của ba thuật toán với ảnh nhiễu 57

Hình 3.8 Biểu đồ quan hệ FRR & FAR ứng với ngưỡng SM của FVC2002 – DB1B 60

Hình 3.9 Nhận dạng vân tay khiếm khuyết 109_8 DB2B 61

Hình 3.10 Kết quả nhận dạng vân tay hiện trường 23.png 64

MỞ ĐẦU

Ngày nay, với sự phát triển không ngừng của khoa học máy tính, nền kinh tế, văn hóa tri thức, công nghệ truyền thông, hệ thống an ninh cấp cao của các cơ quan tổ chức quan trọng dần dần bị phá vỡ Do đó, hệ thống nhận dạng đang là tâm điểm nghiên cứu của nhiều nhà khoa học trong nước nói riêng và thế giới nói chung, hứa hẹn mang lại những phương pháp nhằm cải thiện chất lượng các hệ thống an ninh hiện tại

Cùng với quá trình công nghiệp hóa trên qui mô toàn thế giới, từ hàng trăm năm nay đặc điểm sinh trắc học vân tay nhờ có tính bền vững và cá biệt cao đã được đưa vào ứng dụng rộng rãi trong các hoạt động pháp lý và an sinh

để xác thực căn cước cá nhân Nhiều kỹ thuật lấy dấu vân tay được nghiên cứu

và sử dụng, nhiều hệ thống tàng thư vân tay căn cước công dân và căn cước can phạm đã được thiết lập ở các nước để phục vụ cho công tác đảm bảo và truy nguyên danh tính Mặc dù sinh trắc học hiện đại đã phát hiện ra nhiều đặc trưng mới, bền vững, như tĩnh mạch, mống mắt, DNA,… nhưng việc thu thập mẫu và đối sánh còn rất phức tạp và đắt đỏ Vì vậy, vai trò ứng dụng rộng rãi của vân tay vẫn chưa có đặc điểm sinh trắc học nào thay thế được [1]

Một trong những khó khăn của các hệ thống nhận dạng vân tay hiện nay

là chất lượng ảnh đầu vào thấp, các ảnh vân tay thu nhận từ các cảm biến kém chất lượng Việc thực hiện trích xuất các đặc trưng vân tay dựa trên những hình ảnh vân tay khiếm khuyết, kém chất lượng đã được nhiều nhà khoa học quan tâm [2], [3], [4], [5] Trong [5], Ling Hong và cộng sự đã đề xuất thuật toán tăng cường dựa trên ưu điểm chọn lọc tần số của bộ lọc Gabor, trong [6], các tác giả

đã đề xuất thuật toán tăng cường dấu vân tay dựa trên biến đổi Fourier thời gian ngắn (STFT - Short Time Fourier Transform) đã cải thiện tương đối tỷ lệ công nhận đúng của các vân tay không hoàn chỉnh

Trong luận văn này, tác giả nghiên cứu các thuật toán nâng cao chất lượng ảnh vân tay để áp dụng cho hệ thống nhận dạng vân tay khiếm khuyết từ

đó đề xuất thuật toán mới để nâng cao độ tin cậy của các hệ thống nhận dạng vân tay

Luận văn “Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh” được trình bày với bố cục và các nội dung chính như sau:

 Mở đầu

 Chương 1: Tổng quan về nhận dạng vân tay Chương này giới thiệu một cách tổng quan về sinh trắc học và sinh trắc học vân tay, giới thiệu các ứng dụng và các công trình nghiên cứu nổi tiếng về nhận dạng vân tay

 Chương 2: Các phương pháp nhận dạng chủ thể bằng vân tay không hoàn chỉnh Trong chương này tác giả trình bày cụ thể về một hệ thống nhận dạng vân tay thông thường và vân tay khiếm khuyết Trình bày các thuật toán nâng cao chất lượng ảnh vân tay không hoàn chỉnh và đề xuất thuật toán kết hợp để cải thiện chất lượng ảnh đầu vào

 Chương 3: Chương trình mô phỏng Chương này trình bày giải thuật và chương trình mô phỏng hệ thống nhận dạng vân tay khiếm khuyết dựa trên các ảnh đã được cải thiện sau đó tính toán và so sánh các kết quả đạt được

 Kết luận và hướng phát triển

Với thời gian hạn hẹp, tác giả đã rất cố gắng để nghiên cứu và hoàn thành luận văn Kính mong các Thầy, Cô và đồng nghiệp góp ý thêm

Chương 1 - TỔNG QUAN VỀ NHẬN DẠNG DẤU VÂN TAY

Tổng quan về sinh trắc học

Giới thiệu

Sinh trắc học là công nghệ sử dụng những thuộc tính vật lý, đặc điểm sinh học riêng của mỗi cá nhân như vân tay, mống mắt, khuôn mặt để nhận diện [wiki] Thuật ngữ Sinh trắc học (Biometrics) được ghép gồm 2 từ: Bio (Tiếng Hy Lạp nói về sự sống) và metrics (sự đo lường) Sinh trắc học là một nhánh của Công nghệ thông tin nhằm thiết lập đặc trưng của một người dựa trên những đặc điểm cá nhân Sinh trắc học thông dụng hiện nay trong vấn đề an ninh thông tin vì nó có độ chính xác cao trong việc xác định một cá nhân

Do đặc tính có thể nhận dạng hoặc xác minh danh tính của một người nào

đó, công nghệ sinh trắc học nỗ lực để tự động hóa các phương pháp đo lường và so sánh các đặc điểm đó để nhận dạng con người Gần đây nhiều công nghệ khác nhau

đã được phát triển để nhận dạng và chứng thực danh tính, một số ví dụ bao gồm các biện pháp dựa trên thông tin từ dạng chữ viết tay (đặc biệt là chữ ký), dấu vân tay, khuôn mặt, giọng nói, tín hiện điện tim, võng mạc, mống mắt, bàn tay hoặc hình dạng tai và dáng đi

Công nghệ sinh trắc học được đề xuất cho các ứng dụng bảo mật chuyên môn cao nhưng gần đây công nghệ này được sử dụng rộng rãi nhiều lĩnh vực trong cuộc sống Những công nghệ này sẽ cung cấp các thành phần quan trọng trong việc điều khiển việc giám sát truy cập và sự hiện diện của chủ thể Lĩnh vực ứng dụng bao gồm thương mại điện tử, giám sát an ninh, truy cập cơ sở dữ liệu, kiểm soát biên giới và nhập cư, điều tra pháp y và khám bệnh từ xa

Sinh trắc học có một số ưu điểm vượt bậc so với các phương pháp bảo mật truyền thống (thẻ từ, mật khẩu…) như: không thể hoặc rất khó giả mạo, không bị đánh cắp hay bị mất Tuy nhiên, kết quả của các công trình nghiên cứu trên lĩnh vực này vẫn chưa đủ hoàn thiện để có thể thay thế hẳn các phương pháp truyền

thống Hiện nay, kỹ thuật sinh trắc học thường được sử dụng kết hợp với mật khẩu hay thẻ từ để tăng cường khả năng bảo mật cũng như tính an toàn của dữ liệu

Phân loại

Sinh trắc học nhìn chung có thể được chia làm 2 nhóm chính là sinh trắc thể

và sinh trắc hành vi Với mỗi nhóm này lại có nhiều hướng nghiên cứu khác nhau, hình 1.1 trình bày về sự phân loại các tính năng sinh trắc học

 Sinh trắc thể: bao gồm các đặc điểm sinh học trên cơ thể như khuôn mặt, vân tay, mống mắt, giọng nói … v.v Trong đó, vân tay là đặc điểm sinh trắc học đã được nghiên cứu và sử dụng từ rất lâu

 Sinh trắc hành vi: các đặc điểm về hành vi của con người như thói quen gõ phím, chữ ký, giọng nói … Nếu xét theo độ cao thấp của âm thanh, giọng nói có thể được phân loại vào nhóm đặc điểm sinh trắc thể Tuy nhiên, giọng nói còn được xem là một đặc điểm hành vi nếu ta xét về cách nói

Hình 1.1 : Phân loại sinh trắc học

Sinh trắc học vân tay

Vân tay là những vết lằn tạo nên các hoa văn trên bề mặt da đầu các ngón tay, chúng tạo nên hệ thống các đường cong uốn lượn mà ta quen gọi là các dòng đường vân Từ rất sớm, người ta đã biết vân tay của mỗi người bất biến suốt đời và rất khác nhau, kể cả ở các cặp sinh đôi Vì vậy chúng có thể dùng để phân biệt các

cá nhân, và dấu vân tay đã được dùng thay cho chữ ký trong các văn tự

Mỗi người sở hữu một dấu vân tay khác nhau và không thay đổi từ khi sinh

ra cho đến lúc chết Kể cả trường hợp bị chấn thương ở vùng vân tay thì sau khi lành vết thương, cấu trúc vân tay vẫn được khôi phục lại như trước [1] Dựa vào đó người ta xây dựng các hệ thống bảo mật các thông tin riêng tư cho mọi người qua các dấu vân tay, từ việc thay thế cho các ổ khóa cho đến việc thay thế mật khẩu đã quá phổ biến trong thời đại tin học ngày nay

Dấu vân tay dễ lấy, dễ bảo quản và so sánh thủ công nên mặc dù ngày nay người ta biết được nhiều đặc trưng sinh trắc có thể dùng để phân biệt các cá nhân như giọng nói (speech), ảnh mống mắt (iris scan), tĩnh mạch, DNA… nhưng dấu vân tay vẫn là phương tiện được sử dụng phổ biến nhất trong công tác điều tra và là

“khóa” bảo vệ tin cậy trong các hệ thông tin

Nhận dạng dấu vân tay là một trong những phương thức sinh trắc học được

sử dụng rộng rãi nhất từ xưa đến nay Lý do chính đằng sau việc sử dụng dấu vân tay sinh trắc học vì nó có tính độc nhất của từng người và là kỹ thuật nhận dạng đã được chứng minh nhiều nhất để xác định các cá nhân

Cùng với sự phát triển của công nghiệp, các hệ nhận dạng vân tay được ứng dụng rộng rãi trong các hoạt động pháp lý và dân sự Nhiều kỹ thuật lấy dấu vân tay được nghiên cứu và sử dụng, các tàng thư vân tay được thiết lập ở các nước để phục

vụ cho công tác an sinh xã hội

Một số ứng dụng của sinh trắc học vân tay:

- Kiểm soát truy cập: trong hệ thống tòa nhà, văn phòng, thanh toán ngân hàng hay trong các điện thoại thông minh thế hệ mới

- Xác định danh tính những người bị bắt giữ

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

- Truy tìm tội phạm

Hình 1.2: Mẫu chỉ bản vân tay dùng trong quản lý công dân

Vân tay và nhận dạng vân tay

Vân tay và đặc trưng của vân tay

Vân tay là sự tái sản xuất của bề mặt biểu bì đầu ngón tay Đặc tính cấu trúc

rõ rệt nhất của một vân tay là một mẫu của sự xen kẽ giữa các vân và các rãnh Trong ảnh vân tay, các vân (được gọi là các đường vân) là màu tối, các rãnh là màu sáng (Hình 1.3) Độ rộng của các đường vân có kích thước từ 100-300 µm Nói chung, chu vi của vân/rãnh là khoảng 500 µm

Các dấu vân tay về cơ bản là sự kết hợp của các đường vân và các rãnh trên

bề mặt của các ngón tay Các đường vân là những phân đoạn lớp trên của da và rãnh

là những phân đoạn lớp dưới của da trên các ngón tay Các điểm nơi đường vân chấm dứt hoặc rẽ nhánh được gọi là đặc trưng chi tiết (minutiae) Đặc trưng chi tiết

là các điểm rất quan trọng trong việc nhận dạng dấu vân tay vì không thể có hai ngón tay có được đặc trưng chi tiết giống hệt nhau

Hình 1.3 :Vân tay và các đặc trưng của vân tay

Các đặc trưng chính của đường vân là: điểm giao nhau, lõi, phân nhánh, kết thúc đường vân, đảo, chạc ba, cựa gà và khe vân [1] như thể hiện trong hình 1.3

Trong mỗi dấu vân tay có một số đường vân đang chạy liên tục rồi đến một

vị trí nào đó hoặc bị phân ra hai, ba nhánh (điểm rẽ nhánh) hoặc có khi bị đột ngột kết thúc (điểm cụt) Các điểm kết thúc hay rẽ nhánh này phân bố tương đối ngẫu nhiên trên một dấu vân tay và được gọi là những đặc trưng chi tiết (minutiae) Dưới đây là một số kiểu điểm đặc trưng chi tiết

Hình 1.4 sau cho ta thấy điểm kết thúc đường vân (ridge ending) hay còn gọi

là điểm cụt (hình 1.4.a) xuất hiện khi đường vân đột ngột kết thúc Điểm rẽ nhánh là điểm tại đó đường vân rẽ ra làm hai nhánh (hình 1.4.b)

Hình 1.4: Minh họa điểm đặc trưng chi tiết

Tuy nhiên các cách tổ hợp khác nhau của hai loại đặc trưng chi tiết này cũng tạo ra nhiều biến thể khác nhau được gọi chung là đặc điểm thứ cấp (secondary feature) như các chấm cô lập, các đoạn đường vân ngắn, đường vân hình mắt (lòng hồ), hình móc, cầu nối, hai đường vân cụt gặp nhau như được trình bày trong hình 1.5 sau

Những điểm đặc trưng chi tiết này phân bố rải rác trong mối tương quan lẫn nhau, mỗi điểm đặc trưng chi tiết được biểu diễn bởi thể loại, vị trí và hướng xác định Trừ khi một ngón tay bị phá hủy nặng để lại sẹo, các điểm đặc trưng chi tiết nhìn chung sẽ vẫn không thay đổi đối với một người trong suốt cả cuộc đời từ khi sinh ra cho đến khi qua đời

Một thực tế được thừa nhận rộng rãi là hai dấu vân tay cùng có ít nhất từ 10 đến 13 đặc điểm đặc trưng chi tiết cùng các tương quan vị trí tương ứng giống nhau thì coi như chúng được để lại từ cùng một ngón tay Hai ngón tay khác nhau luôn tạo ra những dấu vân tay chứa tập các điểm đặc trưng chi tiết phân bố khác nhau

Do vậy, ngón tay để lại dấu vân tay có thể truy nguyên nhờ đối sánh các điểm đặc trưng chi tiết này

Nhận dạng dấu vân tay

Hiện nay, các ứng dụng tự động nhận dạng vân tay ra đời cho phép tìm kiếm vân tay trong một cơ sở dữ liệu lớn với thời gian nhanh và độ chính xác cao

Một hệ thống nhận dạng vân tay tự động thông thường phải có hai chức năng

cơ bản: xây dựng cơ sở dữ liệu (CSDL) và truy nguyên vân tay Xây dựng CSDL vân tay tức là thực hiện các công việc: Thu thập chỉ bản của các đối tượng quản lý,

Hình 1.5 :Một số dạng vân tay đặc biệt

quét chỉ bản, nhập thông tin thuộc tính (số đối tượng, họ tên, năm sinh, nơi sinh, ), phân loại vân tay theo các đặc điểm cơ bản, xử lý trích chọn tự động các đặc trưng chi tiết, lưu và tổ chức CSDL Truy nguyên vân tay là xác định xem đối tượng có vân tay đó đã có trong cơ sở dữ liệu hay chưa, số hồ sơ đối tượng đăng ký là bao nhiêu Khi xây dựng CSDL vân tay cũng như khi truy nguyên đều đòi hỏi phải phân loại và trích chọn các điểm đặc trưng chi tiết trước khi tiến hành đối sánh Hình 1.6

mô tả sơ đồ khối tổng quát của hệ thống nhận dạng vân tay tự động

Thu nhận ảnh, tiền xử lý và nhập thông tin: Khâu này có ý nghĩa rất lớn trong mô hình nhận dạng vân tay tự động Ảnh vân tay thu nhận có chất lượng khác nhau Ảnh lấy mẫu trên các máy lăn tay sống chuyên dụng thường có chất lượng tốt hơn ảnh quét từ chỉ bản lăn mực Tiền xử lý ảnh là chuyển ảnh vân tay sang một dạng phù hợp, có chất lượng tốt để phục vụ cho pha trích chọn đặc trưng

Trích chọn đặc trưng tự động: Các vân tay phân biệt nhau bởi một số thuộc tính đặc trưng để phục vụ cho bài toán nhận dạng, chẳng hạn các điểm đặc trưng

Hình 1.6 :Sơ đồ khối tổng quát hệ thống nhận dạng vân tay tự động

chi tiết Cần phải tìm ra được thuật toán hiệu quả để tự động trích chọn các đặc trưng chi tiết này

Tổ chức Cơ sở dữ liệu (CSDL): Lưu ảnh vân tay cùng các thông tin thuộc tính (số đối tượng, họ tên, ngày sinh, địa phương, ) của đối tượng, thông tin hình học như dạng cơ bản và các điểm đặc trưng chi tiết của vân tay Để tra cứu nhanh, CSDL ảnh vân tay gốc và CSDL các đặc điểm trích chọn cần được tổ chức hợp lý Thông thường CSDL vân tay gốc được sắp xếp theo số căn cước, còn CSDL các thông tin thuộc tính bao gồm các đặc điểm vân tay được sắp xếp, đánh chỉ số, chẳng hạn theo dạng cơ bản và một số thông tin phụ trợ khác như địa phương, năm sinh, giới tính, tuổi,

Đối sánh: Đối sánh tự động là so sánh tự động hai tập đặc trưng trích chọn được của vân tay thay cho đối sánh trực tiếp hai ảnh đa cấp xám của chúng để đưa

ra độ giống làm căn cứ để kết luận chúng có đồng nhất với nhau hay không và nếu

có thì với sai số là bao nhiêu

Kết luận chương

Chương 1 đã trình bày một cách tổng quan về sinh trắc học và sinh trắc dấu vân tay Theo đó nhận dạng vân tay là một bài toán có nhiều ứng dụng thiết thực, thu hút

sự quan tâm sâu sắc của rất nhiều nhà khoa học hàng đầu thế giới Cho đến nay, mặc

dù đã có nhiều sản phẩm AFIS trên thị trường nhưng việc xây dựng và làm chủ các

hệ thống nhận dạng và truy nguyên vân tay có độ tin cậy cao vẫn là nội dung sôi động đang thu hút rất nhiều nỗ lực của các nhà khoa học trên thế giới

Phần còn lại của luận văn sẽ trình bày cụ thể các công đoạn nhận dạng dấu vân tay và vân tay khiếm khuyết cũng như đóng góp của luận văn cho chủ đề này

đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều

Điểm ảnh (Picture Element hay Pixel): Gốc của ảnh (ảnh tự nhiên) là ảnh liên tục về không gian và độ sáng Để xử lý bằng máy tính, ảnh cần phải được số hoá

Số hoá ảnh là sự biến đổi gần đúng một ảnh liên tục thành một tập điểm phù hợp với ảnh thật về vị trí (không gian) và độ sáng (mức xám) Khoảng cách giữa các điểm ảnh đó được thiết lập sao cho mắt người không phân biệt được ranh giới giữa chúng Vậy điểm ảnh là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặc màu nhất định Mỗi phần tử trong ma trận được gọi là một phần tử ảnh [2]

Độ phân giải của ảnh là mật độ điểm ảnh được ấn định trên một ảnh số được hiển thị Theo định nghĩa, khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh Việc lựa chọn khoảng cách thích hợp tạo nên một mật độ phân bố, đó chính là độ phân giải và được phân bố theo trục x

và y trong không gian hai chiều

Mức xám của ảnh: Một điểm ảnh (pixel) có hai đặc trưng cơ bản là vị trí tọa

độ (x, y) của điểm ảnh và độ xám của nó Mức xám của điểm ảnh là cường độ sáng của nó được gán bằng giá trị số tại điểm đó

Để có thể thực hiện các phương pháp nhận dạng vân tay và vân tay khiếm khuyết, ta cần phải nắm rõ cấu trúc dữ liệu của các bức ảnh Tiếp theo ta sẽ tiếp cận vấn đề này qua công cụ Matlab

Từ matlab chúng ta có thể tải một bức ảnh xám theo các bước như sau:

>>A=imread(‘4.tif’); size(A)

ans=

400 275

>>image(A); title(‘4.tif’); ylabel(size(A,1)); xlabel(size(A,2));

Hình 2.1: Dữ liệu ảnh xám 4.tif cùng với kích thước của ảnh

Trong hình 2.1, ảnh chỉ là một ma trận dữ liệu màu xám có kích thước 400x275 Giá trị trong ma trận dữ liệu này càng lớn thì điểm ảnh đó càng sáng và ngược lại

Xử lý ảnh để nhận dạng

Những năm trở lại đây với sự phát triển mạnh mẽ của phần cứng máy tính, xử

lý hình ảnh và đồ họa, có rất nhiều ứng dụng thực tế trong cuộc sống như nâng cao chất lượng ảnh, trí tuệ nhân tạo, thị giác máy tính, nhận dạng chữ viết, vân tay, mống mắt, hình ảnh… Xử lý ảnh đóng vai trò quan trọng trong tương tác giữa người và máy, có thể nói xử lý ảnh là một lĩnh vực mang tính khoa học và công nghệ

Trong phần này tác giả xin trình bày một số kỹ thuật xử lý ảnh được hỗ trợ bởi công cụ Matlab như: chuyển đổi dữ liệu ảnh, cân bằng mức xám, nội suy ảnh… Đây là những bước xử lý cơ bản trong quá trình nhận dạng ảnh vân tay Cần lưu ý rằng công cụ Matlab thực hiện trong luận văn này là phiên bản Matlab 2016a, với những phiên bản khác có thể các hàm sẽ có tên và cách gọi khác

Chuyển đổi dữ liệu ảnh

Chuyển đổi kiểu dữ liệu ảnh là quá trình chuyển đổi từ ảnh từ kiểu này sang kiểu khác như từ ảnh màu sang ảnh xám, từ ảnh xám sang ảnh nhị phân,… Có

nhiều hàm trong matlab hỗ trợ công việc này, trong đó hai hàm rgb2gray và im2bw được sử dụng nhiều trong quá trình xử lý ảnh vân tay

>>a=imread(‘109.png’); b=rgb2gray(a); c=im2bw(a);

nhiều pixel hơn ảnh gốc, thì giá trị của các pixel thêm vào sẽ được xác định bằng phép nội suy Phép nội suy cũng là cơ sở để thực hiện các biến đổi hình học khác, ví

dụ biến đổi kích thước hoặc quay ảnh

Matlab cung cấp ba phương pháp nội suy ảnh, bao gồm: nội suy theo các lân cận gần nhất, nội suy song tuyến tính và nội suy bicubic Cả ba phương pháp đều thực hiện theo một nguyên tắc chung: để xác định giá trị của một pixel ảnh nội suy,

ta tìm một điểm trong ảnh ban đầu tương ứng với pixel đó, sau đó giá trị của pixel ở ảnh mới sẽ được tính bằng trung bình có trọng số của một tập các pìxel nào đó ở lân cận của điểm vừa xác định, trong đó trọng số của các pixel phụ thuộc vào khoảng cách tới điểm này [13]

Với phương pháp lân cận gần nhất, pixel mới sẽ được gán giá trị của pixel chứa điểm tương ứng của nó (pixel mới) trong ảnh ban đầu Với phương pháp song tuyến tính, pixel mới sẽ được gán là trung bình có trọng số của các pixel trong một lân cận kích thước 2x2 Với phương pháp bicubic, pixel mới sẽ được gán là trung bình có trọng số của các pixel trong một lân cận kích thước 4x4

Phương pháp đầu tiên là phương pháp đơn giản và nhanh nhất, nhưng chất lượng không tốt bằng hai phương pháp còn lại Số pixel được đưa vào để tính trọng

số càng nhiều thì chất lượng càng tốt nhưng thời gian càng lâu Ngoài ra, chỉ có phương pháp đầu tiên là có thể áp dụng cho mọi kiểu ảnh và kiểu dữ liệu vì nó không làm thay đổi tập giá trị của các pixel Các phương pháp còn lại không thích hợp cho ảnh indexed, nhưng với ảnh RGB thì nên dùng các phương pháp này để bảo đảm chất lượng ảnh

Với ảnh RGB, phép nội suy được thực hiện một cách riêng biệt trên ba mặt phẳng màu đỏ, lam và lục Với ảnh nhị phân dùng nội suy song tuyến tính hoặc bicubic, cần lưu ý đến kiểu dữ liệu, vì giá trị của pixel mới có thể nhận giá trị khác

0 và 1 Nếu ảnh gốc thuộc kiểu double thì ảnh mới sẽ là ảnh trắng đen thuộc kiểu double, nếu ảnh gốc thuộc kiểu uint8 thì ảnh mới sẽ là ảnh nhị phân kiểu uint8, trong đó các giá trị khác 0 và 1 sẽ được làm tròn về 0 hoặc 1

Biến đổi Fourier

Phép biến đổi Fourier biểu diễn ảnh dưới dạng tổng của các luỹ thừa phức của các thành phần, biên độ, tần số và pha khác nhau của ảnh Phép biến đổi Fourier

có vai trò rất quan trọng trong các ứng dụng rộng rãi của xử lý ảnh số, bao gồm nâng cao chất lượng ảnh, phân tích, khôi phục và nén ảnh

Nếu f(m,n) là một hàm của hai biến không gian rời rạc m và n, thì biến đổi

Fourier hai chiều của f(m,n) được định nghĩa như sau:

Với ω 1 , ω 2 là các biến tần số với đơn vị rad/mẫu F(ω 1, ω 2 ) gọi là biểu diễn

trong miền tần số của f(m,n) F(ω 1 , ω 2 ) là hàm tuần hoàn chu kỳ 2π đối với các biến

ω1, ω2 , do đó chỉ cần xét − π ≤ ω1, ω2 ≤ π F(0,0) chính là tổng các giá trị của f(m,n)

và được gọi là thành phần hằng số hoặc thành phần DC của biến đổi Fourier Nếu

f(m,n) biểu diễn độ sáng của ảnh X ở vị trí pixel (m,n) thì F(ω1, ω2) chính là biến đổi

Fourier của ảnh X

Do các dữ liệu trên máy tính được lưu trữ dưới dạng rời rạc, cụ thể là dữ liệu ảnh được tổ chức theo đơn vị pixel nên phép biến đổi Fourier cũng được rời rạc hoá thành biến đổi Fourier rời rạc (DFT – Discrete Fourier Transform) Giả sử rằng hàm

f(m,n) chỉ khác 0 trong miền (0 ≤ m ≤ M-1, 0 ≤ n ≤ N-1) Các phép biến đổi DFT

thuận và nghịch kích thước M x N được định nghĩa như sau:

1 1

(2 / ) (2 / )qn ( , )

Với F(p,q) được gọi là các hệ số của biến đổi DFT Trong Matlab, các mảng

và ma trận có chỉ số bắt đầu từ 1, do đó phần tử F[1,1] sẽ ứng với hệ số F(0,0), phần tử F[2,2] ứng với F(1,1),

Các hàm Matlab fft, fft2, fftn sẽ thực hiện các phép biến đổi Fourier rời rạc

1 chiều, 2 chiều và n chiều Các hàm ifft, ifft2, ifftn thực hiện các phép biến đổi DFT ngược Với các ứng dụng xử lý ảnh, ta chỉ cần quan tâm đến các hàm fft2 và ifft2

Thay đổi độ tương phản

Phương pháp biến đổi mức xám là một kỹ thuật nâng cao chất lượng ảnh trong đó tập các giá trị mức xám của ảnh được ánh xạ vào một miền giá trị mới Quá trình này được định nghĩa bởi biểu thức:

Trong đó f(x,y) là ảnh ban đầu, g(x,y) là ảnh sau khi biến đổi còn T là một toán tử trên f, được định nghĩa bởi một hàm của các giá trị độ sáng ở các điểm lân cận của điểm (x,y) đang xét Các điểm lân cận là các điểm nằm trong 1 hình vuông

có tâm tại điểm (x,y) Trong trường hợp đơn giản nhất, hình vuông này có kích

thước 1x1

Hàm imadjust là một hàm cơ bản trong Matlab dùng để biến đổi mức xám của ảnh trong khoảng nào đó thành các giá trị nằm trong khoảng cài đặt theo quy luật là tuyến tính hay đường cong dựa vào giá trị gamma cài đặt

Hình 2.3: Ví dụ về độ tương phản ảnh

Cân bằng Histogram

Giả sử rằng các giá trị mức xám của ảnh là liên tục trong khoảng [0,1], và

gọi P r (r) là hàm mật độ xác suất của các giá trị mức xám của một ảnh cho trước

Giả sử ta thực hiên phép biến đổi mức xám sau đây để được các giá trị mức xám mới s:

0

r r

độ xác suất sẽ trở thành histogram của ảnh và quá trình biến đổi nói trên được gọi là quá trình cân bằng histogram Gọi Pr(rj) với j = 1, 2, là các giá trị histogram chuẩn hoá của ảnh thì quá trình cân bằng histogram được biểu diễn bởi phương trình sau:

Trong đó k = 1, 2, , L và s k là các giá trị mức xám của ảnh Trong Matlab,

quá trình cân bằng histogram được thực hiện thông qua hàm histeq như sau:

Phương pháp nhận dạng chủ thể bằng dấu vân tay

Hệ thống nhận dạng là hệ thống xác thực một cá nhân bằng cách tìm kiếm và đối sánh đặc tính sinh trắc của người này với toàn bộ các mẫu sinh trắc được lưu giữ trong cơ sở dữ liệu Hình 2.5 là cấu trúc cơ bản của một hệ thống nhận dạng vân tay

Hình 2.5 :Hệ thống nhận dạng vân tay cơ bản

Hình 2.6 :Ảnh gốc đầu vào và ảnh nhị phân sau bước tiền xử lý

Ảnh làm mãnh sau đó được phân tích để tìm ra vị trí của các đặc trưng chi tiết (như đã trình bày trong phần 1.3.1) bằng phương pháp Crossing Number Phương pháp này chiết xuất các điểm kết thúc đường vân và điểm rẽ nhánh từ các hình ảnh làm mãnh, bằng cách kiểm tra các lân cận cục bộ của mỗi điểm ảnh đường vân sử dụng một cửa sổ kích thước 3 × 3 pixel Giá trị Crossing Number (CN) cho một điểm ảnh đường vân P được xác định bởi [15], [16]

8

1 1

1

Với: P 9 = P 1 và P i là giá trị cường độ điểm ảnh nhị phân trong các lân cận

của P Đối với một điểm ảnh P, lấy tất cả các điểm ảnh trong cửa sổ 3 x 3, sau đó

khảo sát giá trị logic của tám điểm ảnh lân cận xung quanh nó theo hướng ngược chiều kim đồng hồ

Sau khi thực hiện tính toán bằng phương pháp Crossing Number cho từng điểm ảnh đường vân, các điểm ảnh sau đó có thể được phân loại theo các tính chất

có giá trị CN của nó: nếu điểm ảnh trung tâm là 1 và chỉ có 1 giá trị lân cận, thì điểm ảnh trung tâm đó là một điểm chấm dứt đường vân Tương tự, nếu điểm ảnh

có 2 lân cận thì đó là một điểm ảnh thông thường, nếu có 3 giá trị lân cận thì là một phân nhánh đường vân, nếu có 4 giá trị lân cận trở lên, thì điểm ảnh trung tâm đó là điểm đường vân giao nhau

Như thể hiện trong hình 2.7, một điểm ảnh đường vân với giá trị CN của một đáp ứng đối với kết thúc đường vân, và CN của ba đáp ứng đối với phân nhánh đường vân

Sau khi tìm ra vị trí các đặc trưng chi tiết, bước tiếp theo là loại bỏ bớt các đặc trưng sai và không cần thiết Đầu tiên, phân tích các điểm ảnh có giá trị Crossing Number bằng hai sẽ không được đánh dấu là đặc trưng chi tiết vì đây là điểm thông thường Tiếp theo, nếu các điểm ảnh có Crossing Number bằng 0, bằng hoặc lớn hơn 4 sẽ được bỏ đi vì đây là các điểm nhiễu và đường vân giao nhau được tạo ra không mong muốn

Hình 2.7 :Các trường hợp (a) đường vân thông thường, (b) kết thúc đường vân

và (c) điểm phân nhánh được xét theo giá trị CN

Hình 2.8: Loại bỏ các đặc trưng sai, (a) các đặc trưng sai và (b) sau khi loại bỏ

Các đặc trưng chi tiết còn lại sẽ được trích xuất là các điểm ảnh có giá trị Crossing Number bằng 1 và 3, tương ứng là các điểm kết thúc đường vân và điểm

rẽ nhánh Các điểm đặc trưng chi tiết sẽ được lưu lại và sử dụng cho quá trình so khớp và xác thực nhận dạng Đối với mỗi điểm đặc trưng chi tiết đã chiết xuất, các thông tin sau đây được ghi lại trong một vector đặc tính: tọa độ x và y, giá trị CN và góc định hướng đường vân

Các thông tin về đặc trưng chi tiết của ảnh vân tay sẽ được lưu vào CSDL đối với công đoạn đăng ký cùng với mã nhận dạng của vân tay hoặc được đem so khớp đối với công đoạn xác minh Hình 2.9 mô tả ảnh kết quả các bước thực hiện trong công đoạn trích chọn đặc trưng từ ảnh nhị phân đầu vào

So khớp và nhận dạng chủ thể

So khớp là công việc cuối cùng của quá trình nhận dạng vân tay, nhằm tìm kiếm sự tương đồng giữa một dấu vân tay đầu vào bất kỳ và một cơ sở dữ liệu có N vân tay Trong so khớp dựa trên đặc trưng chi tiết, các chi tiết thường được biểu

diễn như là cấu trúc bộ ba được mô tả là m(i)={x, y, θ} với x, y đại diện cho toạ độ

và θ là hướng góc của đường vân

Trọng tâm chính của so khớp dựa trên đặc trưng chi tiết là để thực hiện đối khớp một-một hoặc ghép nối các điểm đặc trưng từ một tập hợp hình ảnh kiểm tra đặc trưng Giả sử A và B đại diện cho hai hình ảnh dấu vân tay đầu vào và dấu vân

tay mẫu, p và q là số lượng đặc trưng chi tiết tương ứng

Hình 2.9 :Kết quả công đoạn lấy đặc trưng

Thuật toán so khớp được tiến hành qua các bước chi tiết như sau:

i Chọn một điểm đặc trưng chi tiết của hình ảnh vân tay đầu vào A để làm chuẩn tại toạ độ gốc

ii Thực hiện biến đổi hình học tổng quát bằng cách dịch chuyển để ánh xạ tất cả các điểm đặc trưng chi tiết trong hình ảnh đưa vào A theo điểm chuẩn để được A’

iii Sau đó giá trị trường bộ ba đặc trưng chi tiết được cập nhật theo [7]:

cos( ) sin( )sin( ) cos( )

new new

B giống như bước ii trước để được B’

iv Tiến hành đối sánh lần lượt từng điểm đặc trưng của tập điểm đặc trưng ảnh

vân tay A’ với tập điểm đặc trưng thu được B’ Trong đó p’ và q’ là số các điểm đặc trưng trong A’ và B’ Một điểm đặc trưng m(B’(j’)) trong B’ và một điểm đặc trưng m(A’(i’)) trong A’ được xem là so khớp phù hợp nếu khoảng

cách không gian (SD) giữa chúng nhỏ hơn mức dung sai cho trước r , và sự

khác nhau về góc hướng (DD) giữa chúng nhỏ hơn góc dung sai cho trước r :

v Sau khi chuyển đổi tổng quát và so khớp phù hợp từng cặp đặc trưng chi tiết, một thước đo tương tự thường được gọi là điểm số tương đồng, sau đó được tính toán Các điểm tương đồng phải mô tả chính xác làm thế nào hai dấu vân tay là tương tự, có tính đến tất cả các thông tin liên quan thu được từ các giai đoạn trước đó, chẳng hạn như số lượng các cặp đặc trưng chi tiết phù hợp và làm thế nào mỗi cặp là tương tự Một điểm số tương đồng được định nghĩa là:

2 match(A, B)

A B

n SM

Trong đó: n match là số cặp đặc trưng chi tiết so khớp phù hợp, và n A , n B là

số đặc trưng chi tiết của từng mẫu vân tay ngõ vào

vi Lặp lại bước i, chọn tiếp một điểm đặc trưng chi tiết khác của hình ảnh vân tay đầu vào A để làm chuẩn tại toạ độ gốc và lặp lại các bước từ ii đến vi, cho đến

khi tất cả các đặc trưng chi tiết của hình ảnh vân tay đầu vào A được thực hiện

Điểm số tương đồng sẽ được cập nhật bằng cách so sánh giữa các lần so khớp và điểm số nào lớn nhất sẽ là điểm số tương đồng cuối cùng, để đánh giá tỷ lệ tương đồng giữa hai mẫu dấu vân tay

Việc so khớp sẽ so sánh các đặc trưng đã được trích xuất từ hình ảnh một dấu vân tay với các mẫu trong cơ sở dữ liệu Nếu so khớp các đặc trưng chi tiết mà

điểm số tương đồng lớn hơn một ngưỡng (thường là 0,5, tương ứng 50%) thì chủ thể sẽ được chấp nhận xác thực nhận dạng, ngược lại, chủ thể sẽ bị từ chối xác thực nhận dạng

Phương pháp nhận dạng dấu vân tay không hoàn chỉnh

Dấu vân tay không hoàn chỉnh

Dấu vân tay thường được áp dụng như là một phương pháp xác định danh tính con người trong nhiều năm nay Hiệu suất của các phương pháp xác định danh tính này phụ thuộc rất nhiều vào việc khai thác các điểm đặc trưng chi tiết Quá trình này đặc biệt khó khăn khi các hình ảnh vân tay bị hỏng hoặc bị mất một phần Trong luận văn này, tác giả nghiên cứu về các phương pháp nhận dạng dấu vân tay không hoàn chỉnh như bị can nhiễu, bị méo hỏng hoặc bị mất một phần

Một số hình ảnh về mẫu vân tay không hoàn chỉnh được trình bày trong hình 2.11 bao gồm: (a) Vân tay bị mất một phần, (b) Vân tay bị hỏng do lem mực hoặc méo đường vân, (c) vân tay bị can nhiễu và (d) vân tay hiện trường

Hình 2.10 :Quá trình so khớp các đặc trưng chi tiết

Hệ thống nhận dạng vân tay không hoàn chỉnh

Về mặt tổng quát hệ thống nhận dạng vân tay khiếm khuyết và vân tay đầy

đủ là như nhau Khác biệt ở chỗ dữ liệu ngõ vào có chất lượng khác nhau nên giai đoạn tiền xử lý cần thiết có thêm các bước nâng cao và cải thiện hình ảnh nhằm mục đích: nội suy các đường vân bị mất, hiệu chỉnh lại các đường vân bị sai, loại nhiễu,… Mô hình hệ thống nghiên cứu được trình bày như hình 2.12 với hai quá trình xử lý chính: Offline và Online

Tại quá trình xử lý Offline (còn gọi là quá trình đăng ký), các mẫu ảnh vân tay ngõ vào qua bước tiền xử lý và nâng cao chất lượng hình ảnh nhằm mục đích: nội suy các đường vân bị mất, hiệu chỉnh các đường vân bị lệch, loại nhiễu Tại đây một số vùng ảnh quá kém, không thể phục hồi sẽ được loại bỏ để không ảnh hưởng đến quá trình lấy đặc trưng Giai đoạn xử lý và nâng cao chất lượng ảnh đầu vào sẽ được trình bày trong phần tiếp theo với các nghiên cứu liên quan và thuật toán đề xuất

Hình 2.11: Một số ảnh vân tay không hoàn chỉnh

Tiếp theo là đến công đoạn là mãnh, phân vùng và trích chọn đặc trưng đã được trình bày như trong phần 2.2, các đặc trưng chi tiết cùng với ảnh gốc ban đầu

và mã số nhận dạng sẽ được ghi vào cơ sở dữ liệu (CSDL) để cung cấp cho quá trình xác minh

Quá trình Online (còn gọi là quá trình xác minh), mẫu vân tay cần kiểm tra cũng qua các công đoạn xử lý tương tự như quá trình Offline để cho ra các đặc trưng chi tiết cung cấp cho công đoạn nhận dạng Công đoạn nhận dạng / xác minh

là công đoạn cuối cùng để cho ra kết quả vân tay cần xem xét có quyền truy cập hợp

lệ không (xác minh) hoặc có độ trùng khớp với những vân tay nào trong CSDL (nhận dạng)

Hình 2.12: Mô hình nhận dạng dấu vân tay khiếm khuyết

Trong luận văn này tác giả chia công đoạn nhận dạng và xác minh ra riêng biệt để cho thấy rõ các ưu nhược điểm của các thuật toán nâng cao chất lượng ảnh qua các tham số đánh giá

Công đoạn xác minh được thực hiện với phép đối sánh 1:1 giữa vân tay cần

so khớp và vân tay mẫu trong CSDL và cho ra kết quả là điểm số tương đồng của chúng

Trong các nghiên cứu liên quan, công đoạn nhận dạng thường được thực hiện đối sánh 1:N và cho ra kết quả là mẫu vân tay gần giống nhất trong tập dữ liệu

N mẫu Điều này không không đúng với thực tế khi quá trình truy tìm dấu vết vân tay sẽ cho ra nhiều kết quả gần giống nhất so với vân tay cần xem xét để điều tra viên rà soát lại Trong luận văn này tác giả thực hiện đối sánh vân tay cần kiểm tra

và N mẫu vân tay trong cơ sở dữ liệu rồi đưa ra 3 mẫu vân tay gần giống nhất Về mặt ứng dụng đây là phương pháp hợp lý nhưng để so sánh với các nghiên cứu liên quan qua các tham số (nhận dạng đúng, nhận dạng sai, từ chối sai,…) sẽ gặp khó khăn nên cần thiết phải đưa ra nhiều yếu tố so sánh khi nhận dạng (sẽ được thực hiện trong chương 3)

Các thuật toán nâng cao chất lượng ảnh vân tay

Trong thực tế, một tỷ lệ đáng kể của hình ảnh dấu vân tay đầu vào có chất lượng kém do các điều kiện làm biến đổi biểu tượng dấu vân tay, cấu trúc đường vân, biến đổi da, sự hình thành đường vân bất thường của dấu vân tay như vết sau khi sinh, vết nghề nghiệp, bụi trên thiết bị quét tìm, và thái độ bất hợp tác của các đối tượng lấy dấu vân tay, hiện trường vụ án, v.v… làm cho việc nhận dạng chủ thể trở nên khó khăn Giai đoạn tiền xử lý nâng cao hình ảnh để đảm bảo rằng các cấu trúc đường vân được cải thiện rõ nét hơn, nhằm tăng hiệu quả cho các quá trình trích xuất đặc trưng chi tiết và so khớp nhận dạng đối với mọi hình ảnh dấu vân tay đầu vào

Có nhiều công trình nghiên cứu liên quan về các kỹ thuật nâng cao chất lượng ảnh vân tay đã được công bố Trong [5] Lin Hong và các công sự đã đề xuất thuật toán nâng cao chất lượng ảnh vân tay dựa trên độ phân giải tối ưu của bộ lọc Gabor Sau đó Sharat Chikkerur và cộng sự đã phát triển thuật toán sử dụng phép biến đổi Fourier thời gian ngắn (STFT - Short Time Fourier Transform) để thực hiện tăng cường ảnh vân tay có chất lượng thấp [6] Trình tự thực hiện giải thuật tăng cường được trình bày như sau

Thuật toán Gabor – Ling Hong

Hình 2.13: Thuật toán tăng cường ảnh Gabor – Ling Hong

Lưu đồ thực hiện thuật toán Gabor (Ling Hong) được thể hiện như hình 2.13 bao gồm các bước: Chuẩn hóa ảnh, ước lượng ảnh định hướng, ước lượng ảnh tần

số, vùng mặt nạ và lọc đường vân

Chuẩn hóa:

Ảnh vân tay được thu nhận ở những trạng thái và điều kiện khác nhau nên giá trị mức xám của các điểm dọc ranh giới giữa đường vân và rãnh có sự dao động lớn Mục đích của bước chuẩn hoá là làm giảm độ dao động về mức xám giữa đường vân và rãnh để thuận tiện cho các bước xử lý tiếp theo

Một hình ảnh dấu vân tay đầu vào I có dạng hình ảnh mức màu xám, được định nghĩa là một ma trận M x N Phân chia ảnh thành các khối liên tiếp có kích

thước 12 x 12 pixel Gọi I(i,j) là cường độ mức xám của các điểm ảnh ở hàng thứ i

và cột thứ j Giá trị trung bình và phương sai cường độ mức xám của một hình ảnh vân tay cấp màu xám I được định nghĩa là:

Vân tay đầu vào

Vân tay tăng cường

Gọi G(i,j) biểu thị các giá trị mức màu xám đã chuẩn hoá tại điểm ảnh (i, j)

Hình ảnh chuẩn hoá được định nghĩa như sau:

2 0

2 0

Ước lượng định hướng cục bộ:

Các hình ảnh định hướng được ước lượng từ hình ảnh vân tay đầu vào đã chuẩn hoá ở bước trên Mục đích của bước này là xác định hướng của các đường vân, dựa trên khu vực định hướng nhằm nâng cao hiệu quả các hình ảnh dấu vân tay được sử dụng trong các bước ước lượng tần suất và lọc đường vân tiếp theo Đây là bước rất quan trọng, vì nếu ước lượng hướng đường vân không đúng sẽ dẫn đến việc ước lượng tần suất và lọc đường vân sai, kết quả làm ảnh sau tiền xử lý không tốt, thậm chí còn xấu hơn ảnh ban đầu

Hình 2.14 :Ảnh vân tay trước và sau khi chuẩn hóa