Nâng cao chất lượng ảnh vân tay và trích chọn điểm minutiae luận văn thạc sĩ

Mục đích của luận văn: Tìm ra một phương pháp nâng cao chất lượng ảnh và rút trích minutiae hiệu quả để phục vụ cho bài toán nhận dạng vân tay.. Bằng việc kết hợp giữa phương pháp nâng c

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC LẠC HỒNG

ĐỒNG NAI, NĂM 2012

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC LẠC HỒNG

NGUYỄN XUÂN THẮNG

NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY

VÀ TRÍCH CHỌN ĐẶC TRƯNG Chuyên ngành: Công nghệ thông tin

Mã số: 60.48.02.01

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS TS NGÔ QUỐC TẠO

ĐỒNG NAI, NĂM 2012

LỜI CẢM ƠN

Lời đầu tiên, em xin chân thành cảm ơn các thầy, cô khoa Công nghệ Thông tin Trường Đại học Lạc Hồng cùng các thầy cô tham gia giảng dạy cho lớp Cao học khóa 2 đã hết lòng truyền đạt kiến thức cho chúng em trong quá trình học tập tại trường Đặc biệt, em xin chân thành cảm ơn Thầy PGS TS Ngô Quốc Tạo, người thầy đã tận tình hướng dẫn em thực hiện đề tài Em xin cảm ơn Thầy PGS

TS Đỗ Năng Toàn đã cung cấp cho em nhiều kiến thức, tài liệu bổ ích trong quá trình thực hiện đề tài này

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

Nguyễn Xuân Thắng

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi, các tài liệu và kết quả nghiên cứu trong luận văn là trung thực

Học viên

Nguyễn Xuân Thắng

TÓM TẮT NỘI DUNG LUẬN VĂN

1 Mục đích và đối tượng nghiên cứu của luận văn

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

và rút trích minutiae hiệu quả để phục vụ cho bài toán nhận dạng vân tay Bằng việc kết hợp giữa phương pháp nâng cao chất lượng ảnh bằng tháp phân rã với phép lọc đối xứng xoay của nhóm Bigun, đây là mô hình rút trích minutiae trực tiếp từ ảnh xám không thông qua giai đoạn làm mảnh đường vân

1.2 Đối tượng nghiên cứu của luận văn: các phương pháp nâng cao chất lượng ảnh vân tay, các đặc trưng cục bộ của vân tay và các phương pháp rút trích những đặc trưng này

2 Các phương pháp nghiên cứu đã sử dụng:

Luận văn đã sử dụng phương pháp phân tích, tổng hợp, so sánh các kết quả nghiên cứu trong và ngoài nước trong những năm gần đây để chọn ra phương pháp nâng cao chất lượng ảnh vân tay và trích chọn đặc trưng một cách hiệu quả Để kiểm chứng kết quả của đề tài, luận văn đã sử dụng phương pháp thống kê, phương pháp chuyên gia và phương pháp so sánh trực quan trên máy tính

3 Các kết quả chính và kết luận:

Bài toán truy tìm ảnh vân tay đối với cơ sở dữ liệu vân tay lớn là một bài toán khó và có nhiều thách thức, đặc biệt là với cơ sở dữ liệu có chất lượng vân tay thấp Thách thức lớn nhất trong bài toán này là tìm ra phương pháp nâng cao chất lượng ảnh vân tay hiệu quả để xác định chính xác về số lượng các minutiae và vị trí của chúng trong ảnh vân tay

Qua việc nghiên cứu ảnh vân tay, tác giả nhận thấy: ngoài việc tìm ra phương pháp nâng cao chất lượng ảnh vân tay hiệu quả thì phương pháp rút trích minutiae

có thể chia thành hai nhóm chính: rút trích minutiae có thông qua giai đoạn nhị phân hóa, làm mảnh đường vân và phương pháp rút trích minutiae trực tiếp từ ảnh xám Việc rút trích minutiae của ảnh vân tay có thông qua giai đoạn nhị phân hóa và làm mảnh phải trải qua nhiều giai đoạn và xuất hiện nhiều minutiae giả do quá trình nhị phân hóa và làm mảnh sinh ra Phương pháp rút trích minutiae trực tiếp từ ảnh xám sẽ không cần qua giai đoạn nhị phân hóa và làm mảnh đường vân, do đó số minutiae giả thường ít hơn, thời gian xử lý nhanh hơn

Luận văn đã nghiên cứu các phương pháp tiến bộ để giải quyết bài toán rút trích minutiae trong ảnh vân tay Cụ thể, để giải quyết bài toán ảnh vân tay chất lượng thấp, luận văn sử dụng phương pháp nâng cao chất lượng ảnh vân tay bằng

tháp phân rã và dùng phép lọc đối xứng xoay được áp dụng để tìm ra số lượng các minutiae cũng như vị trí của chúng Để có cái nhìn chính xác về kết quả đạt được, luận văn đã so sánh giữa việc nâng cao chất lượng ảnh bằng phép lọc Gabor, nâng cao chất lượng ảnh theo phương pháp của Chikkerur và phương pháp nâng cao chất lượng ảnh bằng tháp phân rã Đồng thời so sánh giữa phương pháp rút trích minutiae của ảnh vân tay thông dụng đó là: ảnh được nhị phân hóa, làm mảnh với phương pháp rút trích minutiae trực tiếp từ ảnh xám bằng phép lọc đối xứng xoay (không qua giai đoạn nhị phân hóa và làm mảnh) Việc so sánh này được thực nghiệm trên cơ sở dữ liệu vân tay FVC2004 - DB1, tập A Kết quả thực nghiệm đã chứng minh rằng các lựa chọn được sử dụng trong luận văn là hợp lý đối với bài toán nhận dạng vân tay trên cơ sở dữ liệu với phần lớn ảnh chất lượng thấp

MỤC LỤC

LỜI CẢM ƠN i

LỜI CAM ĐOAN ……….ii

TÓM TẮT NỘI DUNG LUẬN VĂN ……… iii

DANH MỤC CÁC TỪ KHÓA VIẾT TẮT ………vii

DANH MỤC BẢNG viii

DANH MỤC HÌNH ix

LỜI NÓI ĐẦU 1

CHƯƠNG 1: TỔNG QUAN VỀ ẢNH VÂN TAY 3

1.1 Hệ thống nhận dạng sinh trắc học 3

1.1.1 Giới thiệu hệ thống nhận dạng sinh trắc học 3

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

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

1.2 Hệ thống nhận dạng vân tay 8

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

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

1.2.3 Thu nhận và lưu trữ ảnh vân tay 11

1.2.3.1 Thu nhận ảnh vân tay 11

1.2.3.2 Lưu trữ ảnh vân tay [3] Error! Bookmark not defined 1.2.4 Nâng cao chất lượng ảnh vân tay 13

1.2.5 Trích chọn minutiae 14

1.2.6 Đối sánh ảnh vân tay 18

1.3 Kết luận 19

CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY VÀ TRÍCH CHỌN ĐẶC TRƯNG 20

2.1 Nâng cao chất lượng ảnh vân tay bằng bộ lọc Gabor 20

2.1.1 Phân đoạn và chuẩn hóa ảnh 20

2.1.2 Ước lượng hướng đường vân 22

2.1.3 Tính khoảng cách đường vân 24

2.1.4 Nâng cao chất lượng ảnh bằng lọc Gabor 26

2.2 Rút trích minutiae từ ảnh nhị phân 28

2.2.1 Nhị phân hóa [2], [12] 28

2.2.2 Làm mảnh ảnh vân tay 29

2.2.3 Rút trích minutiae [2], [14] 30

2.2.4 Sử dụng mô hình Artmap để loại bỏ minutiae giả mạo 31

2.2.4.1 Cấu trúc mạng Artmap [4] 32

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

2.3 Phương pháp rút trích minutiae từ ảnh xám 35

2.3.1 Phương pháp rút trích đặc trưng từ ảnh xám bằng thuật toán “dò theo đường vân” [2], [7] 35

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

2.4 Kết luận 39

CHƯƠNG 3: RÚT TRÍCH ĐẶC TRƯNG TỪ ẢNH XÁM 40

3.1 Mô hình của nhóm Bigun 40

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

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

3.4 Kết luận 47

CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM 48

4.1 Cơ sở dữ liệu dùng để thực nghiệm 48

4.2 So sánh kết quả nâng cao chất lượng ảnh giữa phương pháp tháp phân rã của nhóm Bigun và một số phương pháp khác 48

4.3 So sánh kết quả phát hiện minutiae giữa phương pháp nhị phân ảnh và phương pháp lọc đối xứng xoay của nhóm Bigun 52

4.3.1 So sánh về thời gian xử lý 52

4.3.2 So sánh kết quả phát hiện minutiae 53

4.4 Kết luận 58

KẾT LUẬN 59

TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC CÁC TỪ KHÓA VIẾT TẮT

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

vân tay tự động

Arch Đặc trưng đường vân kiểu hình cung

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

nhánh

BKAFIS (Bach khoa Automated Fingerprint Identication System) Hệ thống

nhận dạng vân tay tự động bách khoa

Core Đặc trưng lõi vân tay

Crossovers Đặc trưng bắt chéo của vân tay

Ending Đặc trưng điểm kết thúc, là điểm kết thúc của đường vân

Ennhance Làm nổi, nâng cao chất lượng ảnh

FVC FingerPrint Verification Competition – Cuộc thi về xác thực ảnh vân

tay

Island Đặc trưng vân dạng đảo

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

nhỏ

Left Loop Đặc trưng đường vân kiểu lặp tròn trái

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

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

đảo, lòng hồ,…

Rigde Vùng da lồi trên vân tay

Right Loop Đặc trưng đường vân dạng lặp tròn phải

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

Spur Đặc trưng đường vân rẽ nhánh hình cửa gà

Tented arch Đặc trưng đường vân kiểu hình cung nhọn

Thinning Làm mảnh đường vân

Valley Vùng da lõm trên ngón tay

VAFIS (Vietnam Automated Identification System) Hệ thống nhận dạng

vân tay tự động Việt Nam

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

đường vân và rãnh

DANH MỤC BẢNG

Bảng 3-1 Tiến trình xây dựng tháp phân rã ……… ………42 Bảng 4-1: Thời gian xử lý trung bình các bước và tổng thời gian của phương pháp rút trích minutiae của một vân tay có qua giai đoạn làm mảnh và phương pháp nâng cao chất lượng ảnh bằng tháp lọc phân rã và trích chọn đặc trưng bằng phép lọc đối xứng xoay được sử dụng trong luận văn……….…… ……….53

Bảng 4-2: Kết quả thực nghiệm phát hiện minutiae của hai phương pháp dựa vào Crossing Number và phương pháp của nhóm Bigun …… ………58

DANH MỤC HÌNH

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

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

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

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

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

Hình 1-6: (a) Dấu mực lăn ảnh vân tay, (b) Vết mực khô dấu vân tay, (c) Mẫu vân tay sống, (d) Mẫu vân tay ẩm, (e) Mẫu vân tay được sao chụp bằng bộ cảm biến đồng nhất … 12 Hình 1-7: Giao diện của một cảm biến dấu vân tay đặc trưng quang học dựa trên phản xạ nội toàn phần (TIR) ……… 12

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

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

Hình 1-10: Các lớp vân tay theo phân lớp Henrry: (a) left loop (b) right loop (c) whorl (d) arch (e) tented arch 15

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

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

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

Hình 1-14: Thông tin rút trích minutiae (a) Điểm kết thúc, (x,y) là tọa độ của đặc trưng,  là góc tạo bởi hướng của đặc trưng; (b) Điểm rẽ nhánh 17

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

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

Hình 2-1: Minh họa việc phân đoạn và chuẩn hóa ảnh vân tay (a) ảnh gốc, (b) ảnh được chọn vùng vân tay và chuẩn hóa 21

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

Hình 2-3: a) Ước lượng hướng mà chưa được làm trơn, b) Ước lượng hướng đã được làm trơn [1] 24

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

Hình 2-5: (a) Ảnh gốc, (b) Ảnh sau khi sử dụng hàm lọc gabor 28

Hình 2-6: (a) Ảnh gốc, (b) Ảnh nhị phân theo cách chọn ngưỡng cục bộ thích nghi 29

Hình 2-7: Ảnh nhị phân hóa và làm mảnh có thể chứa một số minutiae giả: (a) Đường vân dạng bridge, (b) Đường vân dạng cựa gà (Spur), (c) Đường vân dạng đảo (Island), (d) Đường vân bị đứt (Break)[4] 29

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

Hình 2-9: (a) Ảnh được nâng cao chất lượng, (b) Ảnh được nhị phân hóa, (c) Ảnh được làm mảnh [12] 30

Hình 2-10: (a) Một phần của ảnh vân tay, (b) Điểm kết thúc, (c) Điểm rẽ nhánh 31

Hình 2-11: Đặc điểm của một điểm ảnh dựa vào 8 điểm xung quanh 31

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

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

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

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

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

Hình 2-17: Điểm cực đại (ic,jc) tương ứng với (is,,js) 37

Hình 2-18: Dịch chuyển một đoạn  theo đường vân [7] 37

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

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

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

Hình 3-3: Kết quả sử dụng tháp phân rã nâng cao chất xử lý ảnh chất lượng ảnh vân tay, ảnh chất lượng tốt (104_6- hàng trên), hàng dưới ảnh chất lượng thấp (1_1) của FVC2000-DB2; cột (a) Ảnh gốc, cột (b)-(c) sau khi ảnh được tăng cường ở mức l1-3 Cột (d) Ảnh được nâng cao chất lượng bằng cách thực hiện các bước được liệt kê ở phần b, bảng 1 43

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

Hình 3.5: Ảnh được nâng cao chất lượng bằng tháp phân rã: (a) Ảnh gốc, (b) Ảnh lọc ở tháp l1, (c) Ảnh kết quả lọc ở tháp l2,3, (d) Ảnh kết quả 45

Hình 3-6: Kết quả áp dụng bộ lọc đối xứng xoay 46

Hình 3-7: Phát hiện minutiae của một ảnh vân tay trong CSDL FVC 2004DB1: (a) Ảnh gốc, (b) Ảnh nâng cao chất lượng bằng tháp phân rã, (c) LS (HSV), (d) |PS|, (e) |PS|.(1-|LS|) và (f) 30 minutiae đáng tin cậy nhất……… 47

Hình 4-1: Kết quả nâng cao chất lượng ảnh đối với ảnh vân tay chất lượng cao (99-5) và chất lượng thấp (1-7) trong FVC2004-DB1: a) Ảnh gốc, (b) Ảnh nâng cao chất lượng bằng bộ lọc Gabor, (c) Ảnh nâng cao chất lượng theo phương pháp của Chikkerur, (d) Ảnh nâng cao chất lượng bằng tháp phân rã ……… …………48

Hình 4-2: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 1-3.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã … 49

Hình 4-3: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 2-2.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã ….49 Hình 4-4: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 3-2.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã ….49 Hình 4-5: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 4-3.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã ….50 Hình 4-6: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 5-2.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã ….50 Hình 4-7: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 6-2.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã… 50

Hình 4-8: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 7-3.tif, (b) Ảnh nâng cao chất lượng bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã … 51

Hình 4-9: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 8-2.tif, (b) Ảnh nâng cao chất lượng

bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã ….51 Hình 4-10: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 9-2.tif, (b) Ảnh nâng cao chất lượng

bằng phương pháp lọc Gabor, (c) Ảnh nâng cao chất lượng bằng tháp phân rã … 51 Hình 4-11: Kết quả nâng cao chất lượng ảnh: (a) Ảnh gốc 10-1.tif, (b) Ảnh nâng cao chất

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

rã 52 Hình 4-12: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 1_3.tif, (b) Phương pháp làm mảnh,

(c) Phương pháp lọc đối xứng xoay 54 Hình 4-13: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 2_2.tif, (b) Phương pháp làm mảnh,

(c) Phương pháp lọc đối xứng xoay 54 Hình 4-14: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 3_2.tif, (b) Phương pháp làm mảnh,

(c) Phương pháp lọc đối xứng xoay 54 Hình 4-15: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 4_3.tif, (b) Phương pháp làm mảnh,

(c) Phương pháp lọc đối xứng xoay 55 Hình 4-16: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 5_2.tif, (b) Phương pháp làm mảnh,

(c) Phương pháp lọc đối xứng xoay 55 Hình 4-17: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 6_2.tif, (b) Phương pháp làm mảnh,

(c) Phương pháp lọc đối xứng xoay 55 Hình 4-18: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 7_3.tif, (b) Phương pháp làm mảnh,

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

(c) Phương pháp lọc đối xứng xoay 56 Hình 4-20: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 9_2.tif, (b) Phương pháp làm mảnh,

(c) Phương pháp lọc đối xứng xoay 56 Hình 4-21: Kết quả phát hiện đặc trưng: (a) Ảnh gốc 10-1.tif, (b) Phương pháp làm mảnh,

(c) Phương pháp lọc đối xứng xoay 57

LỜI NÓI ĐẦU

Ngày nay, trong kỷ nguyên công nghệ, việc ứng dụng công nghệ thông tin vào trong các lĩnh vực kinh tế xã hội đã đạt được nhiều thành tựu to lớn Trong đó, việc nghiên cứu các hệ thống nhận dạng và bảo mật bằng sinh trắc học đang được quan tâm rộng rãi Đây là kĩ thuật sử dụng những thuộc tính vật lý hoặc các mẫu hành vi, các đặc điểm sinh học như: dấu vân tay, mẫu mống mắt, giọng nói, khuôn mặt, dáng đi, để nhận diện con người Trong hàng loạt kĩ thuật nhận dạng sinh trắc học đó, nhận dạng vân tay ra đời sớm nhất và đã chứng minh được tính hiệu quả so với kĩ thuật nhận dạng sinh trắc học khác Các đặc điểm sinh trắc học khác như dáng đi, gương mặt, chữ ký,…của con người có thể thay đổi theo thời gian hoặc có thể được làm giả hoặc được mô phỏng nhưng vân tay là duy nhất hoàn hảo theo từng đường vân riêng lẻ và không thay đổi theo thời gian Các nghiên cứu chỉ ra rằng: không thể có hai người trên thế giới có vân tay trùng nhau Tính riêng biệt này đã chứng minh rằng nhận dạng vân tay là chính xác và hiệu quả hơn rất nhiều phương pháp nhận dạng sinh trắc học khác

Hiện nay, hệ thống nhận dạng vân tay được ứng dụng phổ biến trong lĩnh vực dân sự, thương mại như: việc xác định nhân thân khi truy cập mạng, khóa chống trộm, hệ thống ngân hàng, hệ thống chấm công, hệ thống bảo mật thông tin,

hệ thống kiểm soát an ninh… Hệ thống nhận dạng ảnh vân tay còn có ý nghĩa rất quan trọng trong việc đấu tranh phòng, chống tội phạm của ngành Công an Trong thực tế đấu tranh phòng, chống tội phạm, ảnh vân tay khi thu được tại hiện trường thường bị ảnh hưởng bởi các yếu tố như: vị trí ấn, áp lực ấn, độ ẩm của da, bụi bẩn… dẫn đến ảnh vân tay bị nhiễu, bị biến dạng, bị đứt nét… Ngoài ra, cơ sở dữ liệu vân tay dùng cho việc nhận dạng thường rất lớn Những yếu tố trên dẫn tới việc nhận dạng vân tay gặp khó khăn hơn Trong nhận dạng ảnh vân tay, việc trích chọn điểm minutiae của ảnh vân tay giúp cho việc đối sánh nhanh hơn và chính xác hơn Với những lý do trên, tác giả chọn đề tài là: “Nâng cao chất lượng ảnh vân tay và trích chọn điểm minutiae” để nghiên cứu

Với mục tiêu của luận văn là nghiên cứu các kỹ thuật nâng cao chất lượng ảnh vân tay và trích chọn minutiae dựa vào tháp phân rã và phép đối xứng xoay để phát hiện minutiae từ ảnh xám

Bố cục của luận văn:

Luận văn được trình bày gồm 4 chương Chương 1 giới thiệu tổng quan về nâng cao chất lượng ảnh vân tay: giới thiệu về hệ thống nhận dạng sinh trắc học

và hệ thống nhận dạng vân tay, đồng thời nêu lên hướng nghiên cứu của đề tài Chương 2 nghiên cứu một số phương pháp nâng cao chất lượng ảnh vân tay và trích chọn minutiae từ ảnh xám, ảnh nhị phân, đồng thời nêu lên ưu, nhược điểm của từng phương pháp Nội dung luận văn này tập trung ở chương 3, nghiên cứu phương pháp nâng cao chất lượng ảnh dựa vào tháp phân rã và trích chọn minutiae bằng phép lọc đối xứng xoay của nhóm Bigun: Nâng cao chất lượng ảnh bằng tháp lọc phân rã, sau đó áp dụng phép lọc đối xứng xoay để phát hiện minutiae Chương 4, đánh giá khả năng của phương pháp nâng cao chất lượng ảnh và trích chọn minutiae được đề cập trong luận văn trên cơ sở dữ liệu ảnh vân tay chất lượng thấp (FVC2004 DB1 – 800 ảnh vân tay) Phần kết luận được trình bày trong kết luận chung của đề tài

CHƯƠNG 1: TỔNG QUAN VỀ ẢNH VÂN TAY

1.1 Hệ thống nhận dạng sinh trắc học

1.1.1 Giới thiệu hệ thống nhận dạng sinh trắc học

Ngày nay, công nghệ sinh trắc học đã được ứng dụng rộng rãi trong nhiều lĩnh vực của đời sống Cùng với sự ra đời của thương mại điện tử, ngân hàng điện tử, trạm kiểm soát an ninh, trung tâm lưu trữ dữ liệu, hệ thống rút tiền tự động,…đòi hỏi các biện pháp bảo mật cao ngày càng trở thành một vấn đề rất quan trọng và cấp thiết Tuy nhiên, các ứng dụng của hệ thống định danh cá nhân theo phương pháp truyền thống trước đây

là dựa vào các hiểu biết (knowledge-based): mật khẩu, số PIN hay là dựa trên các thẻ ID…không thuận tiện và dễ bị lừa gạt Bởi vì mật khẩu, số PIN… có thể quên hay có thể

bị đoán bởi những kẻ mạo danh, các thẻ bài cũng có thể bị quên hay bị đánh cắp Do đó, các phương pháp định danh cá nhân dựa trên hiểu biết và chứng cứ truyền thống khó đáp ứng nhu cầu thực tế hiện nay Để đáp ứng các nhu cầu đó thì các phương pháp bảo mật bằng các đặc trưng sinh trắc học như: ảnh khuôn mặt, ảnh mống mắt, giọng nói, ảnh vân tay, ảnh bàn tay, chữ ký, dáng đi, cấu trúc tĩnh mạch của mặt sau bàn tay, thành phần hóa học của mùi mồ hôi,…đang được ứng dụng thay thế dần các phương pháp truyền thống

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

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

cá nhân dựa trên đặc trưng hành vi hay cấu trúc vật lý của một cá nhân nào đó mà có khả năng tin cậy và phân biệt được với kẻ mạo danh Từ cơ sở đó người ta chia nhận dạng sinh trắc học thành hai loại chính: phương pháp nhận dạng dựa trên hành vi và phương pháp nhận dạng dựa theo cấu trúc vật lý của con người

Đối với phương pháp dựa trên hành vi là cố gắng xác định một vài hành vi ngắn điển hình của con người như: cách dùng viết khi viết hay hành vi ấn phím trên bàn phím

để nhập mã PIN, mật khẩu… Đối với phương pháp dựa trên cấu trúc vật lý là dựa vào một số tính chất vật lý để xác định cá nhân người dùng như: ảnh bàn tay, ảnh vân tay, ảnh mống mắt,…

Để các minutiae sinh trắc học được ứng dụng trong nhận dạng, định danh cá nhân thì nó phải thoả mãn các tính chất sau đây:

Tính duy nhất (Uniqueness)

Tính bất biến theo thời gian (Invariance to Time)

Tính đo được (Mesuarability)

Tính phổ biến (Univerality)

Nhận dạng dựa trên ảnh vân tay là phương pháp nhận dạng sinh trắc học đáp ứng tốt nhất các yêu cầu đó

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

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

Chữ ký là căn cứ pháp lý để sử dụng trong các giao dịch Chữ ký của mỗi người thường khác nhau và có những đặc điểm riêng biệt nên thường được dùng

để phân biệt người này với người khác Hệ thống nhận dạng chữ ký tự động không chỉ khảo sát hình dạng của chữ ký mà còn khảo sát quá trình động khi người dùng đang ký Như vậy, nhận dạng chữ ký là một trong những phương pháp nhận dạng sinh trắc học dựa trên hành vi khi người sử dụng ký Hiện nay, có nhiều lĩnh vực ứng dụng nhận dạng chữ ký như: xác nhận giao dịch như hợp đồng, thẻ trả tiền, hay đăng nhập mạng thông qua thiết bị cầm tay

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

Giọng nói là kết quả của tập hợp các tác động vật lý bởi vì âm thanh phát ra do tác động của sự kết hợp giữa các thành phần như: các dây thanh âm, vòm miệng, vùng thanh âm, răng, vùng xoang và phần bên trong các mô tế bào miệng của con người Có thể nói giọng nói là hành vi bởi vì khi phát ra một từ thì mỗi một người có thể phát âm to, nhỏ, nhanh, chậm khác nhau phụ thuộc trạng thái tâm lý của người nói lúc đó như: giận, hờn, vui, buồn…Như vậy, hệ thống nhận dạng giọng nói phân tích sóng và các mẫu áp lực không khí thu được khi một người nào đó nói vào micro Do đó, nhận dạng giọng nói

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

Trong thực tế nhận dạng giọng nói có thể không chính xác do trong môi trường thường bị ảnh hưởng bởi các tạp âm khác Do đó, hệ thống nhận dạng giọng nói rất khó khăn trong việc loại bỏ tạp âm ra khỏi giọng nói

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

Một trong những hệ thống nhận dạng được sử dụng sớm nhất trong các hệ thống nhận dạng nói chung và nhận dạng sinh trắc học nói riêng đó là nhận dạng khuôn mặt Mỗi khuôn mặt đều có nhiều điểm mốc, những phần lồi lõm tạo nên các đặc điểm của khuôn mặt Những đặc điểm trên khuôm mặt được gọi là các điểm nút Mỗi mặt người có khoảng 80 điểm nút Hệ thống nhận nhận diện khuôn mặt thông qua một số điểm nút như sau: Khoảng cách giữa hai mắt; chiều rộng của mũi; Độ sâu của hốc mắt; Hình dạng của xương gò má; Độ dài của xương hàm Các điểm nút trên được đo đạc và tạo ra nhiều mã số được gọi là dấu bộ mặt (FacePrint) đại diện cho khuôn mặt trong cơ sở dữ liệu Vì vậy, mỗi người sinh ra

có một đặc điểm khuôn mặt riêng biệt, trở thành cái khóa để phân biệt người đó với mọi người xung quanh Ngày nay phương pháp nhận dạng mặt người đã có các kỹ thuật tiến bộ hơn và đóng vai trò rất lớn trong nhiều lĩnh vực như: công tác điều tra tội phạm, nhận dạng các cổ động viên quá khích trong trận thi đấu thể thao,…

Hệ thống nhận dạng mặt người có thể chia thành hai loại chính: một là, dùng để định danh một cá nhân trong một môi trường đã biết với một khoảng cách hằng số cho trước; hai là, định danh một cá nhân từ trong một nhóm người với môi trường động và khoảng cách ngẫu nhiên Đối với trường hợp một thì tương đối đơn giản còn trong trường hợp hai thì phức tạp hơn Bởi vì, khi một người đứng yên thì việc đánh dấu để nhận dạng dễ hơn so với khi người đó đang di chuyển Tuy nhiên, nhận diện khuôn mặt sử dụng các mẫu 3D đã giúp cho việc nhận dạng được chính xác hơn Chúng sử dụng độ sâu và trục của các phần trên khuôn mặt không bị ảnh hưởng bởi ánh sáng, vì thế việc nhận dạng khuôn mặt 3D

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

độ khác nhau với độ chênh lệch lên tới 90 độ

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

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

đổi trong suốt đời của con người Các thuộc tính có thể nhận thấy của mống mắt là: quầng mắt, rãnh mắt, tàn nhang…Hệ thống nhận dạng người dựa trên mống mắt là rất an toàn Bởi vì mống mắt có tới 2000 đặc điểm duy nhất để sử dụng cho việc nhận dạng Hệ thống này thường dùng camera để thu và xử lý lưu trữ dưới dạng các mã mống mắt (IrisCode) và hệ thống sẽ đối sánh các mã này để định danh một cá nhân nào đó Hiện nay, hệ thống này thường được áp dụng với các hệ thống cố định, chưa được sử dụng trong hệ thống nhận dạng di động Đồng thời nó mang lại hiệu quả cao trong việc nhận dạng so với công nghệ nhận dạng sinh trắc học khác, tuy nhiên chi phí của hệ thống nhận dạng này cao hơn các ứng dụng hệ thống nhận dạng sinh trắc học khác

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

Việc sử dụng vân tay để định danh một cá nhân nào đó là do vân tay có tính duy nhất và bền vững Xác suất trùng lặp một vân tay là 10-6 Một người với hai bàn tay có 10 ngón đầy đủ thì xác suất trùng lặp cả 20 ngón trở nên rất nhỏ đến mức có thể coi như bằng 0 Do đó, không có hai người khác nhau có các vân tay trùng nhau Hơn nữa, hình dạng vân tay ổn định từ lúc sinh ra đến khi chết đi, ít có điều kiện thay đổi, kể cả nhờ các biện pháp hiện đại như giải phẫu [5]

Ngày nay, trong tất cả các phương pháp nhận dạng sinh trắc học thì ảnh vân tay được sử dụng thông dụng và mang lại hiệu quả cao trong việc định danh một

cá nhân

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

Ngày nay công nghệ sinh trắc học được ứng dụng rộng rãi trong nhiều lĩnh vực của đời sống Đặc biệt, công nghệ nhận dạng vân tay đã và đang được ứng dụng và mang lại lợi ích lớn cho xã hội Theo phân tích ở hình 1.2, tổng số ứng dụng công nghệ nhận dạng vân tay chiếm tới 48,8% trên tổng số ứng dụng sinh trắc học, điều này phản ánh nhu cầu ứng dụng là rất lớn

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

Theo dự báo của các chuyên gia, với những đặc trưng nổi trội của công nghệ nhận dạng vân tay mang lại, trong nhiều năm tới, công nghệ này vẫn tiếp tục được ứng dụng rộng rãi trong nhiều lĩnh vực (hình 1.2) và mang lại doanh thu rất lớn (hình 1.3)

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

Truy cập mạng (non-mobile)

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

và dự đoán doanh thu trong những năm tới [15]

1.2 Hệ thống nhận dạng vân tay

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

Vân tay không ai giống ai Nghiên cứu các dấu vân tay có thể định danh một người Người châu Âu ngày xưa đã sớm nhận ra điều đó Có những ông vua đã áp cả lòng bàn tay (thay cho việc đóng dấu) và ký vào các sắc dụ cơ mật để không ai đánh tráo được Những thợ gốm bậc thầy, những nhà nặn tượng trứ danh cũng in dấu hoa tay tài nghệ làm chứng chỉ cho tác phẩm chính hiệu của mình Các kỹ thuật nhận dạng hiện đại dựa trên dấu vân tay ra đời từ thế kỷ 16

- Vào năm 1684, một nhà hình học người Anh tên là Nehemiah Grew đã đưa ra một bài báo khoa học đầu tiên các công trình nghiên cứu của ông về các đường vân, rãnh

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

- Năm 1823, nhà phẫu thuật Jan Evangelista Purkyne thuộc trường đại học Breslau đã trình bày trong luận án của mình về 9 mẫu vân tay

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

- Năm 1880, bác sĩ Người Anh Henry Faulds đưa ra kiến nghị lấy dấu vân tay của tội phạm tại hiện trường xảy ra vụ án và đưa ra lý luận gien vân tay Năm

1882, theo sáng kiến của A Bertion, lần đầu tiên cảnh sát Paris đã áp dụng lăn ngón tay trên các hồ sơ căn cước [3]

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

Việc sử dụng các nghiên cứu khoa học của dấu vân tay ở thế kỷ 19 đã làm tiền đề cho việc ứng dụng rộng rãi công nghệ nhận dạng vân tay trong nhiều lĩnh vực của cuộc sống sau này

- Năm 1924, FBI (Federal Bureau of Investigation) đã thu thập và lưu trữ hơn 250 triệu dấu vân tay của người dân để cho việc điều tra tội phạm và nhận dạng những người bị giết

- Nước Anh cũng sớm sử dụng biện pháp này và đến năm 1944, họ đã lưu trữ tới hơn 90 triệu dấu vân tay của tất cả binh lính và những người dân Với việc

sử dụng dấu vân tay để nhận dạng, cảnh sát có thể truy tìm tung tích tội phạm, người chết, mất thẻ căn cước hoặc mắc bệnh tâm thần lú lẫn, … [2]

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

áp dụng để xác nhận phạm nhân trong tòa án

- Ở Việt Nam, từ những năm 1992, chương trình Điện tử-Tin học cấp quốc gia KCO1_RD8 do Khoa Điện tử Viễn thông trường Đại học Bách khoa Hà Nội chủ trì đã từng bước nghiên cứu xây dựng hệ thống nhận dạng vân tay AFIS Sau

5 năm nghiên cứu, hai luận án TS: “Khôi phục và nâng cấp ảnh ứng dụng trong tiền xử lý dấu vân tay” của Ngô Văn Sỹ và “Ứng dụng xử lý ảnh để tự động nhận dạng vân tay đã được nâng cấp khôi phục” của Trần Minh Thành đã được bảo vệ thành công tại Hội đồng cấp nhà nước

- Ngoài các luận án TS trên nhiều công trình khác cũng đang nghiên cứu về lĩnh vực này Chẳng hạn, hệ BKAFIS do nhóm nghiên cứu Viện công nghệ thông tin và Khoa công nghệ thông tin trường Đại học Bách khoa Hà Nội mà đứng đầu

là PGS-TS Nguyễn Thanh Thuỷ và PGS-TS Ngô Quốc Tạo Hệ thống này đã đưa

ra kiến trúc dựa trên mô hình song song hoá cơ sở dữ liệu Về cấu trúc, nó tương

tự như mô hình phân tán với truyền thông tập trung, nhưng chia thành hai luồng truyền thông khác nhau: luồng truyền yêu cầu từ các máy đầu cuối về cho hệ thống và luồng truyền thông tin điều khiển trong hệ thống xử lý Hệ thống xử lý được cài trên một mạng LAN [5]

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

Tùy theo trường hợp sử dụng hệ thống nhận dạng vân tay, hệ thống nhận dạng vân tay được gọi là hệ thống xác thực hay hệ thống xác định Hệ thống xác thực là hệ thống mà người cần nhận dạng sẽ cung cấp thông tin cá nhân của họ cùng với vân tay

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

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

Lấy mẫu/đăng ký vân tay

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

1.2.3 Thu nhận và lưu trữ ảnh vân tay

1.2.3.1 Thu nhận ảnh vân tay

Hiện nay, có hai phương pháp phổ biến được sử dụng cho việc thu nhận ảnh vân tay: Phương pháp thu nhận ảnh gián tiếp và phương pháp thu nhận trực tiếp

- Phương pháp thu nhận gián tiếp là ảnh được thu từ các vết mực được thấm trên các đầu ngón tay và dùng đầu ngón tay ấn (lăn) lên tờ giấy để in dấu vân tay lên tờ giấy trắng, sau đó ảnh được lưu trữ thông qua các thiết bị như: máy quét ảnh, camera (hình 1.6) Phương pháp thu nhận ảnh gián tiếp là có thể thu nhận được ảnh khi chưa có các thiết như máy quét hay camera…Tuy nhiên, các ảnh vân tay thu được bởi phương pháp này thường có chất lượng thấp Đặc biệt là các ảnh thu được tại hiện trường thường có chất lượng thấp do mồ hôi, chất nhờn, bụi,… Do đó, để lấy được ảnh tại hiện trường người ta cần có một số phương pháp để giúp cho ảnh được thể hiện rõ như phương pháp lăn tay [3]

- Phương pháp thu nhận ảnh trực tiếp là quá trình thu thập ảnh trực tiếp thông qua các thiết bị cảm biến mà không cần thông qua bước trung gian: người ta đặt đầu ngón tay lên thiết bị cảm biến để thu nhận ảnh Công nghệ thu nhận ảnh phổ biến nhất hiện nay là

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

vân tay ( Hình 1.7) Kết quả là thu được một ảnh vân Ảnh vân tay sử dụng phương pháp này có chất lượng tốt hơn so với phương pháp thu nhận gián tiếp

Hình 1-6: (a) Dấu mực lăn ảnh vân tay, (b) Vết mực khô dấu vân tay, (c) Mẫu vân tay sống, (d) Mẫu vân tay ẩm, (e) Mẫu vân tay được sao chụp bằng bộ cảm biến đồng nhất

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

phản xạ nội toàn phần (TIR)

1.2.3.2 Lưu trữ ảnh vân tay

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

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

minutiae hướng, tập hợp các điểm đơn, véc tơ mã vân tay (FingerCode), nhãn các lớp và tập điểm minutiae cục bộ Ngoài ra hệ thống còn phải lưu trữ các thông tin

cá nhân liên quan đến vân tay như: tên, tuổi, nơi sinh, màu tóc,…Để lưu trữ các thông tin khác nhau này một cách có hiệu quả và ít tốn kém, thông thường sử dụng giải pháp đa lưu trữ, nghĩa là phân nhóm thông tin có cấu trúc hoàn toàn khác nhau theo những phương pháp khác nhau Cụ thể là thông tin về vân tay được chia thành 4 nhóm: nhóm dữ liệu bình thường có thể lưu dạng bảng, nhóm dữ liệu dạng véc tơ được lưu trữ tuần tự, nhóm dữ liệu dạng véc tơ cần lưu trữ bằng cây tìm kiếm và nhóm dữ liệu ảnh

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

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

Nhóm dữ liệu véc tơ cần lưu trữ dưới dạng cây tìm kiếm là các véc tơ minutiae tổng thể được dùng ở mức tìm kiếm lọc vân tay trước khi đối sánh 1:1 Quá trình tìm kiếm này dựa trên cơ chế tìm láng giềng gần nên dữ liệu cần được tổ chức dưới dạng R-tree

Nhóm dữ liệu véc tơ được lưu trữ tuần tự các các véc tơ minutiae cục bộ Các véc tơ này được lưu trữ tuần tự là do tại mức đối sánh trên véc tơ minutiae cục bộ, mọi thao tác phải diễn ra tuần tự, tức là tập minutiae đầu vào phải lần lượt đối sánh hết với tất cả các tập minutiae được liệt kê Để lưu trữ được thì các véc tơ này được chuỗi hoá thành dạng lưu trữ trên bộ nhớ ngoài Mỗi véc tơ được chuyển thành một file đặc trưng trên bộ nhớ ngoài Đường dẫn cụ thể của véc tơ đặc trưng tương ứng với một vân tay được lưu trong một bảng

Riêng đối với nhóm dữ liệu ảnh, tuy chúng không tham gia vào quá trình tìm kiếm vân tay, nhưng chúng có thể được sử dụng cho những mục đích kiểm tra lại hoặc trích chọn lại minutiae khi cần Do vậy, ảnh vân tay được lưu dạng file trên bộ nhớ ngoài và đường dẫn của chúng được lưu vào một bảng, giống các véc

tơ minutiae cục bộ

1.2.4 Nâng cao chất lượng ảnh vân tay

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

trường hợp, ảnh vân tay được thu nhận có chất lượng thấp Do đó, nâng cao chất lượng ảnh vân tay là bước tiền xử lý trong các hệ thống nhận dạy vân tay tự động Người ta thử nghiệm và đã chứng minh được rằng nhờ các biện pháp tiền xử lý ảnh mà tỷ lệ lỗi giảm khoảng 10% khi áp dụng các thuật toán đối sánh [5] Có nhiều biện pháp nâng cao chất lượng ảnh, thông thường người ta sử dụng các kỹ thuật lọc trong miền tần số và miền không gian Trong các vùng lân cận cục bộ, các đường vân và rãnh có thể xem như là các tín hiệu hình sin dọc theo hướng đường vân cục bộ Vì thế, các đường vân và rãnh trong vùng lân cận cục bộ thường được định nghĩa tốt theo tần số cục bộ và hướng cục bộ Phương pháp được sử dụng thông dụng nhất là dùng bộ lọc Gabor Hàm lọc Gabor được sử dụng trong việc làm rõ ảnh vân tay mang lại hiệu quả cao Vấn đề đặt ra là làm thế nào để ước lượng đúng khoảng cách đường vân và phương pháp chọn ngưỡng hợp

lý Ảnh sau khi được làm rõ cần qua giai đoạn nhị phân hóa, làm mảnh sau đó mới rút trích minutiae phục vụ cho công việc đối sánh ảnh vân tay

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

(b) Khoảng cách đường vân

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

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

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

Điểm lõi (core)

+ Đặc trưng cục bộ

Khi quan sát trên từng đường vân ta thấy có nhiều điểm mà đường vân bị gián đoạn, có điểm kết thúc, có điểm rẽ nhánh,…Điều này đã tạo ra các loại minutiae khác nhau như: điểm đường vân rẽ thành 2 nhánh (bifurcation), điểm mà tại đó đường vân kết thúc (ending), điểm chéo (crossover), đường vân dạng hồ (lake), đường vân dạng cựa gà (spur), đường vân dạng đảo (island),… (Hình 1-11, 1-12)

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

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

Dạng hồ (Lake) Điểm rẽ nhánh (Bifurcation)

Cựa gà (Spur) Điểm kết thúc (Ending) Chỗ giao nhau (Crossover)

Francis Galton (1822-1911) là người đầu tiên quan sát và phân loại các minutiae, đồng thời khẳng định trong các minutiae cục bộ của ảnh vân tay thì điểm ending, bifurcation là không thay đổi trong suốt cuộc đời của mỗi con người

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

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

Gọi vị trí của điểm minutiae là (x,y), góc () tạo bởi tiếp tuyến của đường vân tại điểm minutiae và trục hoành (Hình 1-15)

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

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

Loại đặc trưng kết thúc và rẽ nhánh không những có tính chất phân biệt rất tốt mà còn chi phí lưu trữ thấp nên thường được dùng để nhận dạng vân tay Mặc

dù minutiae có nhiều đặc trưng cục bộ như đã trình bày ở trên, Tuy nhiên, người ta chỉ hay sử dụng 2 loại minutiae cục bộ là điểm kết thúc đường vân và điểm rẽ

(a) Ridge ending (b) Bifurcation

nhánh, vì hầu hết các loại điểm cục bộ còn lại đều có thể biểu diễn được thành 2 loại điểm trên [5]

Trong các ảnh vân tay điểm kết thúc và rẽ nhánh (rẽ hai) có thể tráo đổi cho nhau ở cùng vị trí trong ảnh âm bản, điểm kết thúc xuất hiện như là điểm rẽ nhánh của ảnh vân tay và ngược lại (Hình 1-16)

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

1.2.6 Đối sánh ảnh vân tay

Quy trình đối sánh ảnh vân tay [2]

Mục đích của quá trình này là đối sánh vân tay dựa trên các minutiae đã được rút trích Quá trình này được thực hiện qua các bước nhỏ sau:

• Phân tích minutiae (minutiae analysis): phân tích các đặc điểm cần thiết của các minutiae để phục vụ cho việc đối sánh vân tay

• Xét độ tương tự cục bộ (local similarity): thuật toán đối sánh vân tay sẽ dựa vào các thông tin cục bộ của các minutiae của vân tay để tìm ra các cặp minutiae giống nhau giữa hai vân tay

• Xét độ tương tự toàn cục (global similarily): từ những khu vực tương tự nhau trên cục bộ, thuật toán sẽ tiếp tục mở rộng đối sánh trên toàn cục

• Tính điểm đối sánh (calculate matching score): tính toán tỷ lệ độ tương đồng giữa các cặp minutiae Điểm đối sánh này sẽ cho biết độ giống nhau của hai ảnh vân tay

là bao nhiêu %

(b) Là ảnh âm bản của (a)

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

1.3 Kết luận

Chương này đã trình bày tổng quan về hệ thống nhận dạng vân tay, ứng dụng của hệ thống nhận dạng sinh trắc học trong đó ứng dụng nhận dạng vân tay đóng vai trò hàng đầu trong hệ thống nhận dạng sinh trắc học Trong quy trình của

hệ thống nhận dạng vân tay thì quy trình trích chọn minutiae gặp rất nhiều khó khăn, thách thức do ảnh vân tay thu được thường có chất lượng thấp đòi hỏi phải thực hiện các thuật toán tốt để nâng cao chất lượng ảnh Vấn đề này đang được giới chuyên môn quan tâm nghiên cứu Trong chương 2 chúng tôi sẽ trình bày một

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

Trích chọn đặc trưng

Tính số điểm đối sánh

Độ tương tự cục bộ

Phân tích

Đối sánh

CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG ẢNH VÂN TAY VÀ TRÍCH CHỌN ĐẶC TRƯNG

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

2.1.1 Phân đoạn và chuẩn hóa ảnh

- Phân đoạn ảnh

Trong các thuật toán nâng cao chất lượng ảnh vân tay thì bước đầu tiên là phân đoạn ảnh Mục đích của phân đoạn ảnh là chọn ra được vùng ảnh vân tay cần quan tâm dùng cho việc nhận dạng bao gồm các đường vân và rãnh rõ ràng Vùng còn lại là vùng nền chứa những thông tin không liên quan đến việc nhận dạng Có nhiều phương pháp đề xuất cho việc phân đoạn ảnh Phương pháp này sử dụng một ngưỡng về dao động mức xám để phân đoạn ảnh Do vùng cần quan tâm có

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

Gọi I(k,l) là giá trị mức xám của ảnh vân tay tại điểm ảnh (k,l) Thuật toán phân đoạn được trình bày tóm tắt như sau:

i) Phân chia ảnh thành các khối liên tiếp không đều nhau, mỗi khối có kích thước w×w (trong thực nghiệm của luận văn w =8)

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

)12())

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

1)

0 l

2 1

w

0 k

Chuẩn hóa ảnh vân tay

Ảnh vân tay được thu nhận ở những trạng thái khác nhau của đầu ngón tay, nên mức xám các điểm ảnh dọc ranh giới giữa đường vân và rãnh có sự dao động nhiều Mục đích của giai đoạn chuẩn hóa này là nhằm giảm độ dao động về mức xám giữa đường vân và rãnh để thuận tiện cho các giai đoạn xử lý về sau Gọi I(i,j) là giá trị mức xám tại điểm ảnh (i,j), M và V tương ứng là giá trị độ xám

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

Công thức tính giá trị chuẩn hóa ảnh như sau:

) M ) j i ( ( M

V

2 0

0

2 0

0

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

độ dao động mong muốn cho trước Độ xám trung bình và độ dao động mức xám của ảnh có kích thước M x N điểm ảnh, được định nghĩa như sau:

và

Việc chuẩn hóa ảnh vân tay không làm thay đổi trạng thái ban đầu của đường vân và rãnh (Hình 2-1)[2]

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

chọn vùng vân tay và chuẩn hóa

)32(),

j,i((MN

1)(M

1 M

0 i

1 N

0 j

(M)j,i((MN

1)(V

1 M

0 i

1 N

0 j

2.1.2 Ước lượng hướng đường vân

Mục đích của bước này là xác định hướng của các đường vân, ước lượng hướng đường vân cục bộ đóng vai trò rất quan trọng trong việc nâng cao chất lượng ảnh vân tay Đặc biệt ước lượng hướng đường vân cục bộ trong nâng cao chất lượng ảnh sử dụng phương pháp lọc Gabor (Hình 2-2) Vì nếu việc ước lượng hướng không đúng sẽ dẫn đến việc ước lượng tần số và lọc Gabor sai; kết quả này làm ảnh sau khi tăng cường không tốt, thậm chí còn xấu hơn rất nhiều so với ảnh ban đầu; dẫn đến việc rút trích minutiae không đúng [12]

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

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

Bước 1: Đầu tiên, chia Ψ thành nhiều ô có kích thước w x w (giá trị w đề nghị là 16), tâm của mỗi ô có tọa độ (i,j)

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

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

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

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

202

101

0

12

1

(2 7)

)j,i(V

)j,i(Vtan2

1)j,i(

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

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

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

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

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

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

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

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

x(i,j) = 2cos(2(i,j)) (2-9)

y(i,j) = 2sin(2(i,j)) (2-10)

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

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

)62()

v,u()v,u(2)

j,i(V

2

w j

2

w j v

y 2 x

2 2

w i

2

w i u

v,u()v,u(2)

j,i(V

2

w j

2

w j v

y x

2

w i

2

w i u

vwj,uwi()v,u(G)

2

w v

x 2

w

2

w u

vwj,uwi()v,u(G)

2

w v

y 2

w

2

w u

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

Hướng sau khi được làm mượt ở mỗi ô:

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

(b) Ước lượng hướng đã được làm trơn

2.1.3 Tính khoảng cách đường vân

Khoảng cách đường vân là khoảng cách giữa hai đường vân liền kề nhau Việc tính khoảng cách đường vân gặp một số thách thức như ảnh chất lượng thấp, có nhiều nhiễu, có độ cong cao, mỗi vùng có khoảng cách khác nhau…

Mặc dù khoảng cách đường vân có vai trò quan trọng trong nhận dạng ảnh vân tay nhưng có rất ít tài liệu trình bày về thuật toán tính khoảng cách đường vân Phương pháp dựa vào cửa sổ hướng được sử dụng trong luận văn

* Phương pháp cửa sổ hướng [1][9]

Tại các vùng không chứa điểm core hoặc delta thì độ xám của các điểm ảnh nằm cắt ngang đường vân và rãnh biến đổi có dạng hình Sin Giá trị biểu diễn sự biến đổi gợn sóng này là x-signature Giá trị này được tính toán bởi công thức (2-14, 2-15, 2-16) Gọi N là ảnh được chuẩn hóa, θ là trường hướng đường vân Thuật toán ước lượng hướng đường vân theo phương pháp này bao gồm các bước như sau:

)132()

j.i(

)j,i(tan

2

1)j,i(

y 1

'y







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

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

32 x16 , Hình 2-4)

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

3) Với mỗi khối tại tâm (i,j), tính toán x- signature, X[0], X[1],…, X[l-1], của đường vân và rãnh trong cửa sổ hướng, trong đó:

)142(

l 1,, ,1,0k),v,u(w

1]

k

[

X

1 w

0 d

Với (i,j) là hướng tại điểm (i,j)

4) Nếu không phải là vùng có chứa điểm lõi thì x-signature có dạng gợn sóng hình sin (Hình 2-5) Do đó, khoảng cách đường vân T(i,j) tại mỗi khối (i,j)

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

5) Đối với các khối có điểm minutiae hoặc điểm core hoặc delta thì hình dạng Sin không rõ ràng nên bước nội suy sau để ước lượng khoảng cách đường vân cho các vùng này Tại mỗi khối (i,j) ta tính:

)162()

j,i(cosk2

l)j,i(sin2

wdj

j,i(sin2

lk)j,i(cos2

wdi