Nhận diện mống mắt dùng xử lý ảnh

Nhận diện mống mắt dùng xử lý ảnh Nhận diện mống mắt dùng xử lý ảnh Nhận diện mống mắt dùng xử lý ảnh Nhận diện mống mắt dùng xử lý ảnh Nhận diện mống mắt dùng xử lý ảnh Nhận diện mống mắt dùng xử lý ảnh

vi

TÓM TẮT

Hệ thống nhận diện mống mắt là một hệ thống xác thực sinh trắc chính xác Một đặc tính của mống mắt là sự hình thành cấu trúc một cách ngẫu nhiên từ các chi tiết nhỏ Biểu hiện sự ngẫu nhiên và khác nhau đó thậm chí thể hiện trên hai mống mắt có cùng gen di truyền giống nhau như cặp song sinh giống hệt nhau Cách cấu tạo mống mắt không có biểu hiện di truyền mà là sự hỗn loạn Việc nhận diện xác định danh tính bằng mống mắt đang ngày càng được áp dụng rộng rãi trong nhiều ứng dụng trong xã hội từ những ứng dụng như là bảo mật trong điện thoại thông minh đến ứng dụng như là xác định danh tính, hộ tịch, tài khoản ngân hàng v.v

Các thuật toán được trình bày trong chuyên đề này để nhận diện hay xác định danh tính của một người bằng mô hình mống mắt của họ Từ một ảnh mắt, sử dụng toán tử Daugman để tìm kiếm một mống mắt trong ảnh Mống mắt sẽ được tách ra một ảnh riêng, chỉ chứa ảnh mống mắt bằng việc áp dụng mô hình tấm cao su (Daumag ruber sheet model) của Daugman Sau đó, mẫu mống mắt được trích đặc trưng qua phân tích wavelet hai chiều, lúc này ảnh chỉ còn giữ lại những đặc điểm đặc trưng của mống mắt của người đó Ảnh chứa đặc trưng của mống mắt người đó

có thể lưu vào cơ sở dữ liệu để làm mẫu đối chiếu so sánh sau này Hoặc nếu là trường hợp nhận diện xác định danh tính, thì mẫu mống mắt chứa đặc trưng đó được đem đi so sánh với mẫu mống mắt trong cơ sở dữ liệu được đăng ký trước đó, bằng phương pháp so sánh khoảng cách Hamming Khoảng cách Hamming thể hiện

sự tương đồng của hai mẫu mống mắt, dựa vào điều này xác định được kết quả của nhận diện

vii

ABSTRACT

The iris recognition system is an accurate biometric authentication system The characteristic of the iris is the formation of structures randomly from small details It can express of the difference between two irises of the same gene that the looks like identical twins The pattern of the iris is not genetic and it is the chaos Identification using iris is increasingly in many applications, such as security in smartphones, identitying verification, civil status, bank account etc

The algorithms are presented in this paper to identify iris of people using one iris model The principle of iris recognition is the failure of the statistical independence test for the structure of the iris that has been deduced by the two-dimensional wavelet model From an eye image, one can use the Daugman operator

to find an iris The iris image will be separated fom an eye image using Daugman's Daumag ruber sheet model After that, the iris pattern is characterized by two-dimensional wavelet analysis, which retains only the features of the iris For identification, the iris image is processed and compared to the sample image using the Hamming distance

viii

MỤC LỤC

QUYẾT ĐỊNH GIAO ĐỀ TÀI i

XÁC NHẬN CỦA CÁN BỘ HƯỚNG DẪN ii

LÝ LỊCH KHOA HỌC iii

LỜI CAM ĐOAN iv

CẢM TẠ v

TÓM TẮT vi

ABSTRACT vii

MỤC LỤC viii

DANH SÁCH CHỮ VIẾT TẮT xi

DANH SÁCH HÌNH xii

DANH SÁCH BẢNG xiv

Chương 1 TỔNG QUAN 5

1.1 Tổng quan về lĩnh vực nghiên cứu 5

1.2 Các kết quả nghiên cứu trong và ngoài nước đã công bố 8

1.3 Mục tiêu của đề tài 9

1.4 Nhiệm vụ và giới hạn của đề tài 9

1.4.1 Nhiệm vụ của đề tài 9

1.4.2 Giới hạn của đề tài 9

1.5 Phương pháp nghiên cứu 9

Chương 2 CƠ SỞ LÝ THUYẾT 11

ix

2.1 Khái quát về nhận diện bằng mống mắt 11

2.2 Xây dựng dữ liệu ảnh 12

2.3 Tiền xử lý 13

2.4 Phân vùng mống mắt trong ảnh 15

2.4.1 Biến đổi Hough (Hough Transform) 15

2.4.2 Toán tử Daugman 16

2.5 Chuẩn hóa mống mắt 17

2.5.1 Mô hình tấm cao su của Daugman 18

2.5.2 Đăng ký hình ảnh 19

2.5.3 Vòng tròn ảo 20

2.6 Trích đặc trưng 20

2.7 Phương pháp so sánh 22

Chương 3 THUẬT TOÁN BIẾN ĐỔI WAVELET 2-D CHO NHẬN DIỆN MỐNG MẮT 23

3.1 Xây dựng cơ sở dữ liệu ảnh 23

3.2 Xác định vị trí của mống mắt trên ảnh 24

3.3 Chuẩn hóa mống mắt 30

3.4 Trích đặc trưng 31

3.5 Mã hóa 33

3.6 So sánh và quyết định 34

Chương 4 KẾT LUẬN 41

4.1 Kết luận 41

4.2 Hướng phát triển đề tài 41

x TÀI LIỆU THAM KHẢO 42PHỤ LỤC 44

xi

DANH SÁCH CHỮ VIẾT TẮT

xii

DANH SÁCH HÌNH

Hình 1.1 Mô hình nhận diện dấu vân tay 6

Hình 1.2 Ảnh một con mắt người 7

Hình 2.1 Sơ đồ khối của sự nhận diện mống mắt 11

Hình 2.2 Biểu đồ Gaussian một chiều 14

Hình 2.3 Biểu đồ Gaussian hai chiều 14

Hình 2.4 Mô hình tấm cao su của Daugman 18

Hình 2.5 Sơ đồ thực hiện phép biến đổi Wavelet hai chiều 22

Hình 3.1 Một ảnh mắt trong cơ sở dữ liệu ảnh 23

Hình 3.2 Xác định vị trí mống mắt trến ảnh 24

Hình 3.3 Xác định vị trí mống mắt trên ảnh với Gaussian σ = 0.5 25

Hình 3.4 Xác định vị trí mống mắt trên ảnh với Gaussian σ = 1.5 26

Hình 3.5 Xác định vị trí mống mắt trên ảnh với Gaussian σ = 1.0 26

Hình 3.6 Ảnh mắt sau được thực hiện phân ngưỡng 27

Hình 3.7 Ảnh mắt sau khi thực hiện biến đổi âm bản 28

Hình 3.8 Ảnh mắt được phân đoạn bằng ngưỡng 29

Hình 3.9 Kết quả xác định vị trí con ngươi và mống mắt trên ảnh mắt 29

Hình 3.10 Mô hình tấm cao su của Daugman 30

Hình 3.11 Kết quả chuẩn hóa mống mắt 30

Hình 3.12 Kết quả xác định vị trí mống mắt và chuản hóa mống mắt S1008R02 31

Hình 3.13 Kết quả xác định vị trí mống mắt và chuẩn hóa mống mắt S1008R03 31

xiii

Hình 3.14 Mô hình phân tích ảnh bằng Wavelet 2-D rời rạc (a) Phân tích ở cấp độ

1; (b) Phân tích ở cấp độ 2 33

Hình 3.15 Một ảnh mống mắt được phân tích bằng biến đổi Haar Wavelet 2-D rời rạc (a) Ảnh mống mắt đã được chuẩn hóa; (b) Ảnh đã được phân tích bằng biến đổi Wavelet 2-D rời rạc 33

Hình 3.16 Thành phần H,V,D sau khi được mã hóa nhị phân 34

Hình 3.17 Ví dụ về tính khoảng cách Hamming 35

Hình 3.18 Kết quả so sánh hai mẫu mống mắt từ một mống mắt 35

Hình 3.19 Kết quả so sánh từ hai mẫu mống mắt từ những mống mắt khác nhau 36

Hình 3.20 Kết quả nhận diện mống mắt trái và mống mắt phải của cùng một người 36

xiv

DANH SÁCH BẢNG

Bảng 3-1 Tọa độ và bán kính của mống mắt sau khi thực hiện toán tử Daugman 24Bảng 3-2 Kết quả nhận diện những mẫu mống mắt từ một con mắt 37Bảng 3-3 Kết quả nhận diện những mống mắt từ các con mắt khác nhau 38

tư hiện nay là nhận diện con người bằng mống mắt

1.1 Tổng quan về lĩnh vực nghiên cứu

Các phương pháp sinh trắc học về nhận diện con người đã và đang được sự quan tâm và ứng dụng trong thực tiễn Vì một lợi thế nó mang lại so với nhận dạng truyền thống là sự xác định họ là ai, không phải bởi cái gì họ phải nhớ hoặc mang theo [1]

Có nhiều phương pháp dùng để xác định danh tính một người được biết đến như là:

a Nhận diện bằng khuôn mặt

Nhận diện bằng khuôn mặt là nhận diện một người nào đó từ một bức ảnh kỹ thuật số hoặc một khung hình video Một trong những cách thực hiện điều này là so sánh các đặt điểm khuôn mặt chọn trước từ ảnh và một cơ sở dữ liệu về khuôn mặt Thuật toán nhận diện khuôn mặt hiện chia làm hai loại là hình học (geometric)

và trắc quang (photometric) [2] Hình học nhận diện khuôn mặt dựa trên các đặc trưng trên khuôn mặt như mắt, mũi, miệng, gò má; trong khi trắc quang là phương pháp biến hình ảnh thành các giá trị và so sánh với giá trị mẫu để nhận diện

b Nhận diện bằng chữ ký

6

Đó là việc số hóa các ảnh chữ ký thông qua máy scanner, sau đó sẽ xử những ảnh chữ ký đó và lưu giữ những đặc trưng của chữ ký Dùng những đặc trưng của chữ ký để nhận diện chủ nhân của chữ ký đó Việc nhận diện bằng chữ ký có nhiều hạn chế, con người có thể ký những chứ ký không giống nhau hay có thể bị làm giả chữ ký [3,4]

c Nhận diện bằng dấu vân tay

Nhận diện bằng dấu vân tay là sử dụng dấu vân tay của một người dựa trên sự khác nhau về sinh trắc học của mỗi người để nhận diện người đó Nhận diện dấu vân tay nằm trong những nhận diện sinh trắc có độ tin cậy cao [5] Cùng với sự phát triển của thị trường thiết bị thông minh cỡ nhỏ chi phí thấp, và sự tương tác dễ dàng giữa người dùng và hệ thống Vì thế nhận diện dấu vân tay được ứng dụng rộng rãi Như là đăng nhập vào máy tính, thanh toán các khoảng tiêu dùng, hay xác nhận công dân v.v

Hình 1.1 Mô hình nhận diện dấu vân tay Mặt khác, một số điểm có thể ảnh hưởng đến hiệu quả của nhận dạng vân tay trong một số trường hợp:

Điểm số Dấu vân tay

7

- Các yếu tố chấn thương ngón tay hay làm việc bằng tay, có thể dẫn đến việc một số người dùng không thể sử dụng hệ thống nhận dạng dựa trên vân tay, tạm thời hoặc vĩnh viễn

- Các cảm biến diện tích nhỏ được nhúng trong các thiết bị cầm tay có thể dẫn đến ít thông tin hơn từ dấu vân tay hoặc chồng chéo nhau giữa các lần lấy dấu vân tay khác nhau

Một phương pháp dùng để nhận dạng con người mới hiện nay là nhận dạng bằng mống mắt Với những ưu điểm trong nhận diện con người, nhận diện bằng mống mắt đang ngày càng được áp dụng rộng rãi trong nhiều ứng dụng trong xã hội

từ những ứng dụng gần gũi như là bảo mật trong điện thoại thông minh đến ứng dụng như là xác định danh tính, hộ tịch, tài khoản ngân hàng v.v

Hình 1.2 Ảnh một con mắt người Mống mắt là vùng hình mống nằm giữa con ngươi và tròng trắng, một đặc tính của mống mắt là sự hình thành ngẫu nhiên từ những chi tiết nhỏ Biểu hiện tính đặt trưng thậm chí từ hai mống mắt với cùng một gen di truyền giống nhau như hai anh

em sinh đôi, cũng có sự khác biệt [6]

Mống mắt

(Iris) Con ngươi

Lông mi

8

1.2 Các kết quả nghiên cứu trong và ngoài nước đã công bố

Nhận diện hay xác thực danh tính con người bằng mống mắt ở trong nước thì chưa tìm thấy bất kỳ bài báo hay công trình nghiên cứu khoa học nào được công bố Nhưng trên thế giới, nhận diện con người bằng mống mắt đã thể hiện được sự ảnh hưởng của nó trong ngành sinh trắc học nói chung và nhận diện con người nói riêng Albert Bertillon là người đầu tiên nhận ra những đặc trưng của mống mắt năm 1880 Ông là một nhà vật lý người Pháp, mống mắt được ông sử dụng để xác định tội phạm Năm 1987, vấn đề này được nghiên cứu bởi Leonard Flom và Aran Safir [7] Hai người này được cấp bằng sáng chế, qua đó nói lên được mống mắt có tính ổn định trong suốt cuộc đời của một con người Tất cả những đặc trưng thì ổn định về số lượng, ngoại trừ các trường hợp đặc biệt hiếm gặp Nó đã đưa đến kết luận là mỗi mống mắt là duy nhất và không có hai người có thể có mống mắt giống hết nhau

Vào năm 1994, John Daugman đã được cấp bằng sáng chế "Biometric personal identification system based on iris analysis" [8] Thuật toán phân tích hình ảnh tìm thấy mống mắt trong một hình ảnh về mắt của một người Nó cô lập mắt và xác định ranh giới giữa mống mắt với các phần học sinh của mắt trong hình ảnh Sau đó, nó tạo mã mống mắt và sử dụng khoảng cách Hamming để sánh mã mống mắt với mã mống mắt đã được lưu trữ trước đó

Năm 1996, Richard Wildes đã được cấp bằng sáng chế "Automated invasive iris recognition system and method" [9] Đây là hệ thống này sử dụng hai máy ảnh Cái đầu tiên với độ phân giải thấp và cái thứ hai với độ phân giải cao Hình ảnh thu được từ camera thứ hai được giảm trên mống mắt do đường bao biên (sự thay đổi đột ngột giá trị pixel), ranh giới tròng trắng và ranh giới mí mắt Sau

non-đó, hình ảnh giảm được so sánh với các hình ảnh được lưu trữ

Vào năm 1999, Mitsuji Matsushita đã được cấp bằng sáng chế "Iris identification system and iris identification method" [10] Hệ thống nhận dạng iris này được sử dụng để nhận dạng khách hàng Lúc đầu, máy ảnh xác định đầu của

9

một khách hàng, tìm vị trí của mắt, phóng to và chụp những bức ảnh Máy tính chỉ trích xuất một phần dữ liệu mống mắt rất quan trọng để xác định khách hàng

1.3 Mục tiêu của đề tài

Mục tiêu của đề tài là nhận diện được những ảnh chụp từ một mống mắt, và những ảnh chụp từ những mống mắt khác nhau Từ đó khẳng định lại tính đặc trưng cấu trúc của mống mắt có thể dùng để nhận diện

1.4 Nhiệm vụ và giới hạn của đề tài

1.4.1 Nhiệm vụ của đề tài

Nội dung chính được thực hiện trong đề tài

- Thu thập ảnh mống mắt từ nhiều người

- Xác định vị trí mống mắt và con ngươi trên ảnh dùng toán tử Daugman

- Tiến hành chuẩn hóa mống mắt dùng tấm cao su của Daugman

- Trích đặc trưng của mống mắt dùng phương pháp biến đổi Wavelet rời rạc

- Mã hóa mống mắt bằng biến đổi nhị phân

- Nhận diện so sánh sự giống nhau của hai mẫu mống mắt sau mã hóa bằng phương pháp khoảng cách Hamming

1.4.2 Giới hạn của đề tài

Đề tài chỉ xử lý ảnh mắt được chụp từ một máy ảnh chuyên nghiệp, có cùng một kích thước và độ phân giải Ảnh mống mắt được lấy từ một vị trí cố định giữa máy ảnh và người được lấy ảnh Đề tài tập trung so sánh sự khác nhau về cấu trúc của mống mắt, từ đó làm cơ sở cho sự nhận diện hay định danh tính của một con người

1.5 Phương pháp nghiên cứu

Từ những kết của đã được công bố trên các tạp chí khoa học và các bài báo tại các hội nghị về nhận diện mống mắt Người thực hiện đề tài đi xây dựng cơ sở dữ liệu từ một website chia sẻ các hình ảnh về mắt, xây dựng lại các thuật toán theo các

10 công bố trước đó Việc phân tích và xử lý dữ liệu được thực hiện dựa trên phần mềm Matlab, phiên bản R2015a

2.1 Khái quát về nhận diện bằng mống mắt

Phương pháp nhận diện mống mắt được đánh giá là có độ chính xác cao so với các phương pháp nhận diện sinh trắc học bằng vân tay, khi mống mắt có tới 240 điểm đặc trưng riêng biệt, so với chỉ 20 đến 40 điểm đặc trưng của phương pháp nhận diện bằng vân tay [6]

Hình 2.1 Sơ đồ khối của sự nhận diện mống mắt

Sơ đồ hình 2.1 là các bước cần thực hiện khi tiến hành nhận diện người bằng mống mắt So với mô hình nhận diện bằng dấu vân tay ở hình 1.1 thì mô hình ở hình 2.1 có một vài bước tương đồng nhưng nhận diện bằng mống mắt phức tạp hơn, có nhiều công đoạn cần thực hiện hơn so với nhận diện bằng dấu vân tay So

Xây dựng dữ liệu ảnh Tiền xử lý

Xác định vị trí mống mắt

Chuẩn hóa

Trích đặt trưng

Mã hóa

12

với nhận diện dấu vân tay thì nhận diện mống mắt cần phải tách ảnh mống mắt riêng ra khỏi ảnh mắt và chuẩn hóa mống mắt Các bước thực hiện nhận diện mống mắt được tóm tắt như sau:

Xây dựng dữ liệu ảnh: là việc thu thập hình ảnh mống mắt, bước đầu tiên trong quá trình nhận diện Nó cũng là một trong những thách thức lớn cho việc nhận diện mống mắt tự động, đòi hỏi phải lấy được những hình ảnh có chất lượng cao của mống mắt và không bị che khuất bởi mi mắt hoặc lông mi của con người

Tiền xử lý: là một bước quan trọng trước khi bước vào xử lý ảnh, việc này giúp ảnh có chất lượng tốt hơn theo mong muốn của người thực hiện xử lý ảnh

Xác định vị trí mống mắt: thực hiện xác định đường bao giữa con ngươi và mống mắt, và giữa mống mắt và tròng trắng mắt Do đó có thể tách riêng vùng mống mắt ra khỏi ảnh mắt

Chuẩn hóa: là biến đổi vùng mống mắt thành một kích thước cố định, giúp loại bỏ mâu thuẫn giữa các hình ảnh mắt do sự kéo dãn của con ngươi từ những mức độ chiếu sáng khác nhau

Trích đặt trưng: là trích xuất những dấu hiệu đặt biệt nhất của một mống mắt,

để có thể thực hiện so sánh với những mẫu mống mắt khác

Mã hóa: công đoạn này giúp giảm dung lượng lưu trữ và giúp việc so sánh giữa các mẫu dễ dàng hơn

So sánh và quyết định: bước cuối cùng của quá trình nhận diện mống mắt, đó

là việc so sánh mã mống mắt này với những mã mống mắt khác Để đưa ra quyết định giống hay không giống, ảnh mống mắt từ một người hay từ hai người khác nhau

2.2 Xây dựng dữ liệu ảnh

Việc xây dựng một cơ sở dữ liệu ảnh mống mắt thường gặp nhiều khó khăn, cần lấy ảnh mống mắt của nhiều người và giảm nhiễu là điều cực kỳ quan trọng Nhiễu trong ảnh thường là lông mi và mí mắt làm che khuất đi mống mắt Để có

Trong điện tử và xử lý tín hiệu, bộ lọc Gaussian là một bộ lọc có đáp ứng xung là một hàm Gaussian Về mặt toán học, một bộ lọc Gaussian thay đổi các tín hiệu đầu vào bằng cách chập với một hàm Gaussian Cách Gaussian làm mịn là phép chập 2-D đƣợc sử dụng làm mịn hình ảnh của mắt để loại bỏ nhiễu

Một bộ lọc Gaussian một chiều có một đáp ứng xung cho bởi

2 2

21

14

Hình 2.2 Biểu đồ Gaussian một chiều Trong không gian hai chiều bộ lọc gaussian đƣợc thể hiện nhƣ sau,

2 2 2

2 2

1 g(x, y)

15

trong đó x và y biểu thị khoảng cách từ nguồn gốc đối với các cạnh của bộ lọc ở trên trục ngang và hướng dọc trục tương ứng và σ là độ lệch chuẩn của phân phối Gaussian

2.4 Phân vùng mống mắt trong ảnh

Nhận biết mống mắt dựa trên thực tế là mống mắt người có những đặc điểm độc đáo mà hoàn toàn phân biệt một người Thông tin thực tế đang tìm kiếm được tìm thấy trong các mô hình mống mắt Vì vậy, bước đầu tiên để thực hiện một hệ thống sinh trắc học như vậy là cô lập vùng mống mắt với các phần khác của hình ảnh Vùng mống mắt được xấp xỉ bằng một vòng tròn, được định nghĩa bởi ranh giới mống mắt, lông mi và ranh giới mống mắt, con ngươi Do đó, trong bước này

sẽ phải phát hiện những ranh giới này và cô lập một phần của hình ảnh bên trong Một vấn đề quan trọng khác cần quan tâm, trong bước này, là loại bỏ bất kỳ

hư hỏng nào cho vùng mống mắt, mí mắt và lông mi đôi khi che khuất phần của vùng mống mắt Do đó ẩn các thông tin quan trọng và đồng thời dẫn đến sai sót (nó

sẽ được mô tả sai theo dạng dữ liệu mống mắt) Một yếu tố méo mó khác là những phản xạ phản chiếu sáng xảy ra trong vùng mống mắt Trong việc định vị mống mắt, một kỹ thuật được yêu cầu phải xác định vị trí và cô lập vùng mống mắt và loại trừ những hư hỏng

2.4.1 Biến đổi Hough (Hough Transform)

Biến đổi Hough là một thuật toán thị giác máy tính tiêu chuẩn có thể sử dụng

để xác định các thông số của các đối tượng hình học cơ bản, chẳng hạn như đường thẳng và hình tròn, hiện trong một hình ảnh Biến đổi Hough có hình tròn có thể sử dụng để tính ra bán kính và tâm của đồng tử và mống mắt Thứ nhất, một bản đồ biên được tạo ra bằng cách tính toán đạo hàm giá trị cường độ trong một hình ảnh mắt và sau đó lấy ngưỡng kết quả Từ bản đồ cạch, đánh giá không gian Hough cho các thông số của hình tròn đi qua mỗi điểm cạnh Thông số này là tập hợp các điểm tọa độ x và c y , và bán kính r, mà có thể xác định bất kỳ đường tròn nào theo c

phương trình

( (  x h j)sinj  (y k ) cosj j) a j((x h j) cosj  (y k j)sinj) (2.4) Trong đó a j kiểm soát độ cong, ( ,h k j j) là đỉnh của hình parabol và j là góc quay tương đối so với trục x

2.4.2 Toán tử Daugman

Nhiệm vụ là tìm tọa độ tâm và bán kính của mống mắt, đồng tử và phương trình của Daugman thì được sử dụng cho nhiệm vụ này [12] Điểm trung tâm của đường viền được chấp nhận của lý thuyết Daugman là phương trình vi tích phân

I(x,y) là cường độ của pixel tại tọa độ (x,y) trong hình ảnh của mống mắt

r biểu thị bán kính của vùng tròn với tâm tọa độ tại (x y ) 0, 0

 là độ lệch chuẩn của phân phối Gaussian

G(r) là một bộ lọc Gaussian của scale sigma ( )

0, 0

x y là tọa độ tâm giả định của mống mắt

s là các đường viền của hình tròn cho trước bởi các thông số (r x y ) , 0, 0

17

Toán tử Daugman tìm kiếm đường tròn mà đường tròn đó thay đổi tối đa bằng giá trị pixcel, bằng cách thay đổi bán kính r và tâm (x, y) của các đường viền tròn Toán tử thì áp dụng lặp đi lặp lại với việc giảm dần tiền tố làm mịn xuống để

sự định vị khu vực chính xác Giả sử rằng các biến x, y, r thuộc về phạm vi [0;X], [0;Y], [0;R] tương ứng, phương pháp này có những tính toán phức tạp về trật tự [XY R] Như vậy, tại mỗi điểm ảnh, tổng số quét R là cần thiết để tính toán các thông số vòng tròn sử dụng phương pháp này

Một tìm kiếm trên toàn bộ hình ảnh (mắt) là hoàn thành khi tại mỗi điểm ảnh, tổng của tất cả giá trị điểm ảnh của đường chu vi, tại tăng bán kính thì đã được tìm thấy Ở mỗi cấp độ bán kính tăng lên, sự khác biệt giữa tổng giá trị cường độ điểm ảnh với bán kính hiện tại so với các giá trị cường độ điểm ảnh ở vòng tròn bán kính liền kề được ghi nhận Sau khi tìm kiếm toàn bộ, tổng kết và sự khác biệt trong quá trình tính toán, điểm ảnh đó được ghi nhận là điểm ảnh trung tâm của mống mắt nơi

sự thay đổi trong tổng giá trị cường độ pixel chu vi giữa hai đường nét liền kề là lớn nhất

2.5 Chuẩn hóa mống mắt

Một khi khu vực mống mắt được phân chia từ một hình ảnh của mắt, giai đoạn tiếp theo là để chuyển đổi khu vực mống mắt để nó có kích thước cố định để cho phép so sánh Sự mâu thuẫn không gian giữa các hình ảnh mắt chủ yếu là do sự giãn

nở của mống mắt, hay do sự giãn nở của học sinh từ các mức chiếu sáng khác nhau Các nguyên nhân của sự mâu thuẫn bao gồm, khoảng cách chiếu ra thay đổi, xoay camera, đầu nghiên và xoay mắt trong hốc mắt Quá trình chuẩn hóa sẽ tạo ra các vùng mống mắt, có cùng kích thước không đổi, sao cho hai bức ảnh của cùng một mống mắt dưới sự khác nhau về điều kiện sẽ có những cấu trúc đặc trưng ở cùng vị trí không gian

Một điểm cần lưu ý khác là khu vực con ngươi không phải lúc nào cũng đồng tâm trong vùng mống mắt, một số trường hợp hiếm gặp Điều này phải được tính đến nếu cố gắng chuẩn hóa vùng 'hình mống' của mống mắt có bán kính không đổi

18

2.5.1 Mô hình tấm cao su của Daugman

Mô hình tấm cao su đồng nhất được phát minh bởi Daugman [12] ánh xạ lại mỗi điểm trong vùng mống mắt đến một cặp tọa độ cực (r, ) trong đó r nằm trên khoảng [0,1] và là góc [0, 2 ]

Hình 2.4 Mô hình tấm cao su của Daugman Việc tái tạo vùng mống mắt từ (x,y) tọa độ Descartes đến chuẩn hóa không đồng tâm được diễn tả dưới dạng mô hình là

Trong đó I x y( , ) là hình ảnh khu vực mống mắt, ( , )x y là tọa độ Descartes ban đầu,

ngươi và mống mắt dọc theo giới hướng  Mô hình tấm cao su có tính đến sự giãn

nở của học sinh và không thống nhất kích thước để tạo ra một đại diện chuẩn hóa với các kích thước không đổi Theo cách này, vùng mống mắt được mô hình hóa

2.5.2 Đăng ký hình ảnh

Hệ thống sử dụng một kỹ thuật đăng ký hình ảnh, mà hình dạng cong một hình ảnh mới, (x, y)I a điều chỉnh với một hình ảnh cơ sở dữ liệu đã chọn I d(x, y).Khi chọn một chức năng lập bản đồ (u(x, y), v(x, y)) để chuyển đổi tọa độ ban đầu, các giá trị cường độ hình ảnh của hình ảnh mới được thực hiện để được gần với những điểm tương ứng trong hình ảnh tham chiếu Chức năng lập bản đồ phải được chọn để giảm thiểu

2( (x, y)d a(x u, y v))

20

2.5.3 Vòng tròn ảo

Cách tiếp cận này được phát minh bởi Boles khác với các kỹ thuật khác vì việc chuẩn hóa không được thực hiện cho đến khi tôi cố gắng kết hợp hai vùng mống mắt Do đó, cần phải lựa chọn độ phân giải chuẩn, và cùng một số điểm dữ liệu phải được chiết xuất từ mỗi mống mắt và được lưu trữ trong các vòng tròn đồng tâm ảo, có nguồn gốc ở trung tâm của con ngươi

2.6 Trích đặc trưng

Để cung cấp sự nhận diện chính xác một cá nhân, cần phải trích những thông tin phân biệt nhất trong mô hình mống mắt Chỉ những đặc trưng quan trọng của mống mắt mới được mã hóa sao cho có thể so sánh giữa các khuôn mẫu Hầu hết các hệ thống nhận dạng mống mắt sử dụng một dải, qua cách phân tích của ảnh mống mắt tạo ra một khuôn mẫu sinh trắc học

Mẫu tạo ra trong quá trình mã hóa đối tượng sẽ tạo ra một số liệu phù hợp tương ứng, cho thấy sự tương đồng giữa hai mẫu mống mắt Chỉ số này sẽ cho một phạm vi giá trị khi so sánh các mẫu được tạo ra từ cùng một mắt, được biết như là

so sánh trong cùng một lớp, và một loạt các giá trị khi so sánh các mẫu được tạo ra

từ các mống mắt khác nhau, được gọi là so sánh giữa các lớp Hai trường hợp này nên đưa ra các giá trị khác biệt, do đó một sự giải quyết có thể thực hiện với sự tự tin cao cho dù hai mẫu từ cùng một mống mắt, hay từ hai mống mắt khác nhau Bằng việc mở rộng số chiều trong biến đổi Wavelet, cụ thể là với hàm tỷ lệ

và hàm Wavelet , ta có thể áp dụng biến đổi Wavelet cho dữ liệu hai chiều, chẳng hạn như ảnh số [13] Trong trường hợp này hàm tỷ lệ và dịch chuyển được định nghĩa như sau:

/2 , ,

/2 , ,

(x, y) 2 (2 x m, 2 y n), (x, y) 2 (2 x m, 2 y n),i {H,V,D}

21

Sẽ có ba hàm Wavelet khác nhau, , và Theo như định nghĩa trước đó, hàm tỷ lệ luôn là thành phần tần số thấp của hàm tỷ lệ trước đó trong không gian hai chiều Do đó, sẽ chỉ có một hàm tỷ lệ hai chiều Tuy nhiên, hàm Wavelet liên quan đến bậc dùng trong các bộ lọc Nếu hàm Wavelet được tách biệt rõ ràng, nghĩa là, f(x, y)f (x) f (x)1 2 Các hàm này được viết rõ ra như sau:

1

1 ( , , ) ( , ) ( , ), { , , }

để tiết kiệm thời gian Hình 2.5 biểu diễn quá trình phân tích dữ liệu hai chiều thành bốn thành phần riêng biệt với một mức phân tích Ở các bộ lọc thông thấp và thông cao được hiểu như là các hàm tỷ lệ và hàm Wavelet

22

Hình 2.5 Sơ đồ thực hiện phép biến đổi Wavelet hai chiều

2.7 Phương pháp so sánh

Một phương pháp được sử dụng trong so sánh nhận dạng mống mắt đó là khoảng cách Hamming, khoảng cách Hamming cho biết số bit giống nhau giữa hai mẫu bit Sử dụng khoảng cách Hamming của hai mô hình bit [12], một quyết định

có thể được thực hiện là liệu hai mẫu được tạo ra từ mống mắt khác nhau hoặc từ cùng một

Khi so sánh các mẫu bit A và B, khoảng cách Hamming(HD) được định nghĩa là tổng các bit không giống nhau (tổng của Ngõ ra-XOR giữa A và B) trên N (tổng số bit trong mẫu bit)

1

1(A, B)

23

Chương 3

THUẬT TOÁN BIẾN ĐỔI WAVELET 2-D CHO

NHẬN DIỆN MỐNG MẮT

3.1 Xây dựng cơ sở dữ liệu ảnh

Để có được một ảnh mống mắt chất lượng tốt cần phải thực hiện một số yêu cầu khắc khe như là không được đeo kính áp tròng khi lấy ảnh mống mắt; giảm hiệu ứng ánh sáng xung quanh (quá chói sáng hoặc quá tối) để tránh việc đồng tử giãn nở làm thay đổi kích thước mống mắt Độ phân giải của ảnh cũng là một yếu tố quan trong cho những bước tiếp theo khi tiến hành phân tích nhận diện mống mắt

Trong luận văn này, tác giả sử dụng dữ liệu mống mắt CASIA Iris Interval (phiên bản 4.0) được chia sẻ trên trang web http://biometrics.idealtest.org do Học viện Khoa học Trung Quốc chia sẻ Trong đó có các ảnh mắt của 249 người, mỗi ảnh có độ phân giải 320x280

Hình 3.1 Một ảnh mắt trong cơ sở dữ liệu ảnh Trong cơ sở dữ liệu ảnh có đánh số thứ tự của từng mẫu ví dự như S1008R03, trong đó „S1008‟ là mã số của một người được lấy mẫu „R‟ là ký hiệu mắt bên