Do an Tot Nghiep Nhan Dang Van Tay

M M

ụ

ụ

c lc l

ụ

ụ

cc  M   M ụục l c l ụục...i c...i   Danh m  Danh mụục các hình vc các hình vẽ ẽ  ... ... iviv  Danh m

 Danh mụục mc mộột st số ố thuthuậật ng t ng ữ ữ ththườ ườ ng ng dùndùngg... vi vi   L

 Lờ ờ i nói i nói đầđầuu ... vii vii  1. Gi 

1. Gi ớ ớ i thi i thi ệ ệ uu... 11 2. Vân tay trong sinh tr 

2. Vân tay trong sinh tr ắ ắ c hc họọcc ... 4 4  2.1. V

2.1. Vịịtrí ctrí củủa nha nhậận dn dạạng vân tay trong sinh trng vân tay trong sinh trắắc hc họọcc ... 44 2.2. Uniqe là m

2.2. Uniqe là mộột thut thuộộc tính cc tính củủa vân tay...a vân tay... 55 2.3. Hình th

2.3. Hình thứ ứ c thc thểể hihiệện và cácn và cácđặđặc tc tảảccủủa vân taa vân tay...y... 55 2.4. Khó kh

2.4. Khó khăăn gn gặặp php phảải khi nhi khi nhậận dn dạạng vng vân taân tayy ... 77 3.

3. Đạ Đại ci cươ ươ ng vng về ảảề  nh snh số ố và x và x ử ử lýlý ảảnh nh trong trong MatlabMatlab... 88 3.1. 3.1. ĐạĐại ci cươ ươ ng vng vềề ảảnh snh sốố... 88 3.1.1. Bi 3.1.1. Biểểu diu diễễnn ảảnh snh sốố...8...8 3.1.2. C 3.1.2. Cơ ơ ssở ở vvềề màu...9màu...9 3.1.3. Chuy

3.1.3. Chuyểểnn đổđổi màu...12i màu...12 3.2. X

3.2. Xử ử lýlý ảảnh snh sốố trontrong g MatMatlab...lab... 1313 3.2.1

3.2.1. . HisHistogtogramram...13...13 3.2.2. Phân ng

3.2.2. Phân ngưỡ ưỡ ng cng cụục bc bộộ ...14...14 3.2.3. Bi

3.2.3. Biếếnn đổđổi Fourier-2D r i Fourier-2D r ờ ờ i r i r ạạcc ...15...15 3.2.4. L

3.2.4. Lọọcc ảảnh Snh Sobobelel ...16...16 3.2.5. Phát hi

3.2.5. Phát hiệện biên bn biên bằằng toán tng toán tửử gradient...18gradient...18 3.2.6. Loang r 

3.2.6. Loang r ộộng và thu nhng và thu nhỏỏ đốđối ti tượ ượ ng...20ng...20 4. S 

4. S ơ ơ đồđồ khkhố ố i thi i thi ế ế t k t k ế ế hhệ ệ ththố ố ng nhng nhậận d n d ạạng vân ng vân taytay ... 2222 4.1. Các nguyên lý nh

4.1. Các nguyên lý nhậận dn dạạng ng vân vân taytay ... 2222 4.2. H

5. T 

5. T ậậ p m p mẫ ẫ uu ảảnh nh vân vân taytay... 26 26  6. Trích ch

6. Trích chọọn minutiae chon minutiae cho đố đố i i sánh vân sánh vân taytay... 2828 6.1. Chu

6.1. Chuẩẩn hóan hóaảảnhnhđầđầu vàu vàoo ... 2929 6.1.1. Chu

6.1.1. Chuẩẩn hóa kích thn hóa kích thướ ướ cc ảảnhnh ...29...29 6.1.2. Cân b

6.1.2. Cân bằằng cng cườ ườ ngng độđộ sáng csáng củủaa ảảnh...29nh...29 6.2. T

6.2. Tăăng cng cườ ườ ngngảảnh chnh chấất lt lượ ượ ngngảảnh...nh... 3030 6.2.1. T

6.2.1. Tăăng cng cườ ườ ngng ảảnh bnh bằằng cân bng cân bằằng hng histoistogramgram ...30...30 6.2.2. T

6.2.2. Tăăng cng cườ ườ ngng ảảnh bnh bằằng bing biếếnn đổđổi i FouFourier-rier-2D...2D... 3131 6.3.

6.3.Ướ Ướ c lc lượ ượ ng orientation image và khoanh vùngng orientation image và khoanh vùngảảnh vânh vân tay...n tay... 3232 6.3.1.

6.3.1. Ướ Ướ c lc lượ ượ ng ng oorientrientatioation n imagimagee...32...32 6.3.2. Khoanh vùng

6.3.2. Khoanh vùng ảảnh vnh vân tân tayay ...34...34 6.4. Trích ch

6.4. Trích chọọn n minuminutiaetiae ... 3535 6.4.1. Nh

6.4.1. Nhịị phân hóa và làm mphân hóa và làm mảảnhnh đườ đườ ng vân...36ng vân...36 6.4.2. Phát hi

6.4.2. Phát hiệện n minuminutiae...37tiae...37 6.4.3.

6.4.3. Ướ Ướ c lc lượ ượ ng khong khoảảng cáchng cách đườ đườ ng vân...39ng vân...39 6.4. Hi

6.4. Hiệệu chu chỉỉnhnhđườ đườ ng vân và lng vân và lọọc minc minutiae utiae saisai ... 3939 6.4.1. Hi

6.4.1. Hiệệu chu chỉỉnhnh đườ đườ ng vân và lng vân và lọọc minutiae sai cc minutiae sai cấấ p m p mộột...39t...39 6.4.2. L

6.4.2. Lọọc minutiae sai cc minutiae sai cấấ p hai và t p hai và tạạo mã to mã từừ minutiae...41minutiae...41 7. Phân lo

7. Phân loạại ki i ki ể ể u u vân vân taytay ... 4343 7.1. Trích ch

7.1. Trích chọọnnđặđặc c tính...tính... 4444 7.2. T

7.2. Tạạo vec-to vec-tơ ơ đặđặc c tínhtính ... 4545 7.3. Khâu phân lo

7.3. Khâu phân loạại kii kiểểu vân tay...u vân tay... 4646 8.

8.  Đố  Đố i chi i chi ế ế u vân tayu vân tay để để đị đị nh danh mnh danh mẫ ẫ u...u... 4848 8.1. Kh

8.1. Khớ ớ p mp mẫẫu hai mu hai mẫẫu vân u vân taytay ... 4949 8.2. 8.2. ĐốĐối i sánh vân tay...sánh vân tay... 5050 9. T  9. T ổ ổ ng k ng k ế ế t và ht và hướ ướ ng phát tri ng phát tri ể ể nn ... 5252 9.1. K  9.1. K ếết qut quảảccủủaađồđồánán ... 5252 9.2. Nh 9.2. Nhữ ữ ng king kiếến thn thứ ứ c bc bảản thân thun thân thuđượ đượ cc ... 5353 9.3. Nh 9.3. Nhữ ữ ng hng hạạn chn chếếccủủaađồđồánán ... 5353 9.4. H 9.4. Hướ ướ ng phát tring phát triểểnn ... 5353

5. T 

5. T ậậ p m p mẫ ẫ uu ảảnh nh vân vân taytay... 26 26  6. Trích ch

6. Trích chọọn minutiae chon minutiae cho đố đố i i sánh vân sánh vân taytay... 2828 6.1. Chu

6.1. Chuẩẩn hóan hóaảảnhnhđầđầu vàu vàoo ... 2929 6.1.1. Chu

6.1.1. Chuẩẩn hóa kích thn hóa kích thướ ướ cc ảảnhnh ...29...29 6.1.2. Cân b

6.1.2. Cân bằằng cng cườ ườ ngng độđộ sáng csáng củủaa ảảnh...29nh...29 6.2. T

6.2. Tăăng cng cườ ườ ngngảảnh chnh chấất lt lượ ượ ngngảảnh...nh... 3030 6.2.1. T

6.2.1. Tăăng cng cườ ườ ngng ảảnh bnh bằằng cân bng cân bằằng hng histoistogramgram ...30...30 6.2.2. T

6.2.2. Tăăng cng cườ ườ ngng ảảnh bnh bằằng bing biếếnn đổđổi i FouFourier-rier-2D...2D... 3131 6.3.

6.3.Ướ Ướ c lc lượ ượ ng orientation image và khoanh vùngng orientation image và khoanh vùngảảnh vânh vân tay...n tay... 3232 6.3.1.

6.3.1. Ướ Ướ c lc lượ ượ ng ng oorientrientatioation n imagimagee...32...32 6.3.2. Khoanh vùng

6.3.2. Khoanh vùng ảảnh vnh vân tân tayay ...34...34 6.4. Trích ch

6.4. Trích chọọn n minuminutiaetiae ... 3535 6.4.1. Nh

6.4.1. Nhịị phân hóa và làm mphân hóa và làm mảảnhnh đườ đườ ng vân...36ng vân...36 6.4.2. Phát hi

6.4.2. Phát hiệện n minuminutiae...37tiae...37 6.4.3.

6.4.3. Ướ Ướ c lc lượ ượ ng khong khoảảng cáchng cách đườ đườ ng vân...39ng vân...39 6.4. Hi

6.4. Hiệệu chu chỉỉnhnhđườ đườ ng vân và lng vân và lọọc minc minutiae utiae saisai ... 3939 6.4.1. Hi

6.4.1. Hiệệu chu chỉỉnhnh đườ đườ ng vân và lng vân và lọọc minutiae sai cc minutiae sai cấấ p m p mộột...39t...39 6.4.2. L

6.4.2. Lọọc minutiae sai cc minutiae sai cấấ p hai và t p hai và tạạo mã to mã từừ minutiae...41minutiae...41 7. Phân lo

7. Phân loạại ki i ki ể ể u u vân vân taytay ... 4343 7.1. Trích ch

7.1. Trích chọọnnđặđặc c tính...tính... 4444 7.2. T

7.2. Tạạo vec-to vec-tơ ơ đặđặc c tínhtính ... 4545 7.3. Khâu phân lo

7.3. Khâu phân loạại kii kiểểu vân tay...u vân tay... 4646 8.

8.  Đố  Đố i chi i chi ế ế u vân tayu vân tay để để đị đị nh danh mnh danh mẫ ẫ u...u... 4848 8.1. Kh

8.1. Khớ ớ p mp mẫẫu hai mu hai mẫẫu vân u vân taytay ... 4949 8.2. 8.2. ĐốĐối i sánh vân tay...sánh vân tay... 5050 9. T  9. T ổ ổ ng k ng k ế ế t và ht và hướ ướ ng phát tri ng phát tri ể ể nn ... 5252 9.1. K  9.1. K ếết qut quảảccủủaađồđồánán ... 5252 9.2. Nh 9.2. Nhữ ữ ng king kiếến thn thứ ứ c bc bảản thân thun thân thuđượ đượ cc ... 5353 9.3. Nh 9.3. Nhữ ữ ng hng hạạn chn chếếccủủaađồđồánán ... 5353 9.4. H 9.4. Hướ ướ ng phát tring phát triểểnn ... 5353

 Ph

 Phụụ l l ụụcc ... 56 56  Danh sách các script file khác trong

Danh sách các script file khác trongđồđồ ánán ... 5656 Các b

Danh m

ụ

c các hình v

ẽ

Hình-1. Một số tín hiệu sinh tr ắc học cơ bản ... 4

Hình-2. Đóng góp của các ngành trong sinh tr ắc học... 4

Hình-3. Vân tay thể hiện ở cấ p độ very-fine...5

Hình-4. Vân tay thể hiện trong cấ p độ global ... 6

Hình-5. Hai dạng minutiae quan tr ọng...7

Hình-6. Biểu diễn ảnh số ...8

Hình-7. Cảm nhận của các tế bào nhạy sáng trong võng mạc mắt ... 9

Hình-8. Tổ hợ  p màu. ... 10

Hình-9. Hệ tọa độ màu ... 11

Hình-10. Phân tích lượ c đồ xám... 14

Hình-11. Giá tr ị ngưỡ ng tối ưu... 15

Hình-12. Các bướ c thực hiện lọc ảnh trong miền tần số ... 16

Hình-13. Các bướ c lọc ảnh bằng toán tử không gian ... 17

Hình-14. Biểu diễn mask... 18

Hình-15. Loang r ộng đối tượ ng... 20

Hình-16. Thu nhỏ đối tượ ng... 21

Hình-17. Tạo mã vân tay... 22

Hình-18. Sơ đồ khối hệ thống nhận dạng vân tay ... 24

Hình-19. Các loại vân tay... 26

Hình-20. Thuật toán trích chọn minutiae ... 28

Hình-21. Tăng cườ ng ảnh... 30

Hình-22. Ướ c lượ ng orientation image... 33

Hình-23. Khoanh vùng ảnh vân tay ... 35

Hình-24. Thông số của hai dạng minutiae quan tr ọng... 36

Hình-27. Số minutiae phát hiện đượ c ... 40

Hình-28. Lọc các minutiae ... 40

Hình-29. Các minutiae đượ c trích chọn cuối để tạo mã ... 41

Hình-30. Năm kiểu vân tay trong thực tế... 43

Hình-31. Sơ đồ khối mô tả thuật toán phân loại vân tay ... 44

Hình-32. Phươ ng pháp chỉ số Poincaré... 44

Hình-33. Lấy đặc tính cho phân loại... 46

Hình-34. K ết quả cây quyết định của bài toán phân loại kiểu vân... 46

Hình-35. Đườ ng cong sai số học và kiểm tra... 47

Hình-36. Đối chiếu vân tay dựa trên cơ sở minutiae... 48

Hình-37. Khớ  p mẫu từng đối tượ ng... 49

Hình-38. Thực hiện matching... 50

Hình-39. K ết quả nhận dạng... 51

Hình-40. Cửa sổ giao diện... 57

Hình-41. Mở một file ảnh... 57

Hình-42. Cân bằng lượ c đồ xám... 58

Hình-43. Biến đổi Fourier r ờ i r ạc và cân bằng cườ ng độ sáng. ... 58

Hình-44. Nhị phân hóa ảnh... 59 Hình-45. Tr ườ ng định hướ ng. ... 59 Hình-46. Segmentation... 60 Hình-47. Phát hiện core... 60 Hình-47. Làm mảnh đườ ng vân... 61 Hình-48. Lọc minutiae. ... 61 Hình-49. Hiển thị minutiae... 62 Hình-50. Đối sánh vân tay... 62

vi

Danh mục một số thuật ngữ thường dùng trong nhận dạng vân tay

·  _{Ridge: Đườ ng vân tay trên ngón tay ng ườ i.} · _{Vallay: Đườ ng rãnh xen k ẽ hai đườ ng vân tay.}

·  _{Singular : Điể m k  ỳ d ị của vân tay trên ngón tay ng ườ i, mang đặ c đ iể m}  phân loại.

· _{Core: Điể m “tâm” của vân tay, là một trong nhữ ng đ iể m singular.} ·  _{Minutia: Điể m đặ c tr ư ng của vân tay trên ngón tay con ng ườ i.}

· _{Termination: Điể m k ế t thúc của đườ ng vân, một loại minutia quan tr ọng.} ·  _Bifurcation: Điể m tr ẽ ba của đườ ng vân, là một loại minutia quan trong. ·  _{Sweat pores: Vòng xuy}ế n xế  p liên tiế  p t ạo thành đườ ng vân (thườ ng quan

 sát đượ c khi ảnh vân tayở độ phân giải cao: > 1000dpi).

· _{Orientation Image: Hình ả}nh thể hiện các định hướ ng cục bộ của các

đườ ng vân tay, bao g ồm nhiề u phần t ử q _ijÎ_[ 0,p _] t ại các đ iể m [i,j].

·  _{Direction Image}: T ươ ng t ự như Orientation Image như ng q _ijÎ_[ 0, 2p _].

·  _{Segmentation: Phân định giữ a vùng ảnh thể hiện đườ ng vân và vùng ảnh} nề n.

· _{Varance field : M ột các thể hiện vùng ảnh thể hiện đườ ng vân còn thô.} · _{Crossing number : M ột phươ ng pháp dùng để phát hiện minutiae.}

·  _{Poincaré : M ột phươ ng pháp dùng để phát hiện core theo tr ườ ng vec-t ơ}  và đườ ng bao.

·  _{Ridge map: Ả nh đ en tr ắ ng chỉ thể hiện các đườ ng vân màu tr ắ ng như ng}  không nhấ t thiế t các đườ ng vân có độ r ộng đồng đề u.

· _{Thinned ridge map: Ả nh đ en tr ắ ng thể hiện các đườ ng vân màu tr ắ ng}  như ng nhấ t thiế t các đườ ng vân có độ r ộng đồng đề u 1pixel 

L

ờ

i nói

đầ

u

Hiện nay, việc thu thậ  p, xử lý thông tin qua ảnh để nhận biết đối tượ ng đang đượ c quan tâm và ứng dụng r ộng rãi. Vớ i phươ ng pháp nay, chúng ta có thể thu nhận đượ c nhiều thông tin từ đối tượ ng mà lại không cần tác động nhiều đến đối tượ ng nghiên cứu.

Một trong những nhóm ứng dụng hay gặ  p trong xử lý thông tin bằng hình ảnh là xác minh hoặc định danh mẫu. Nhận dạng vân tay là một bài toán cụ thể mà cần phải giải quyết một trong hai vấn đề nêu trên: xác minh vân tay ( fingerprint verification) hoặc định danh vân tay ( fingerprint identification). Qua

tìm hiểu thực tế em chọn đề tài: “Thiết k ế hệ thống nhận dạng vân tay từ ảnh số”. Đề tài này có nội dung bao trùm lên cả các hệ thống có kiểu nhận nhận dạng verification (cần mã PIN cộng vớ i ảnh vân tay).

Do đề tài có tính chất mớ i, trong quá trình làm đồ án em đã gặ p r ất nhiều khó khăn. Đượ c sự giúp đỡ , chỉ bảo tận tình của TSKH. TR Ầ N HOÀI LINH em đã dần dần tiế p cận đượ c tớ i l ĩ nh vực này và bướ c đầu đã đạt đượ c một số các k ết quả (phân loại đượ c hơ n 90% các kiểu vân tay và định danh đượ c vân tay).

Sau thờ i gian 15 tuần khẩn tr ươ ng thực hiện đồ án tốt nghiệ p, đề tài đã đượ c hoàn thành đúng k ế hoạch. Em mong những thiếu sót của em trong đồ án sẽ nhận đượ c những ý kiến đóng góp quý báu của các thầy, cô cùng các bạn sinh viên.

Em xin chân thành cảm ơ n TSKH.TR Ầ N HOÀI LINH. Thầy đã tận tình chỉ  bảo em r ất nhiều. Các thầy cô giáo tr ườ ng Đại Học Bách Khoa, bộ môn K ỹ thuật đo và Tin học công nghiệ p đã cho em những kiến thức, kinh nghiệm, cùng những bài học giúp tr ưở ng thành hơ n trong quá trình học tậ p ở tr ườ ng.

Xin cảm ơ n bạn bè, ngườ i thân, gia đình đã động viên, giúp đỡ và là chỗ dựa vững chắc cho em trong quá trình học tậ p, làm đồ án.

Xin cảm ơ n Công ty TNHH Tin học và Điện tử Thăng Long cùng chú VŨ QUANG THÀNH đã tạo điều kiện giúp đỡ , cho em nhiều lờ i khuyên bổ ích trong quá trình thực tậ p tốt nghiệ p và làm đồ án.

Hà Nội, ngày 20 tháng 5 năm 2007 Sinh viên thực hiện

1. GI_ỚI THI_ỆU

1. Gi

ớ

i thi

ệ

u

 Nhận dạng vân tay là một bộ phận của nhận dạng sinh học. Khoa học nhận dạng vân tay cũng đã hình thành từ khá lâu. Nhưng tớ i thờ i gian gần đây, cùng vớ i sự ra đờ i của máy tính nó mớ i đạt đượ c nhiều k ết quả quan tr ọng và tr ở thành một trong những phươ ng pháp sinh tr ắc có độ tin cậy nhất.

Ảnh vân tay dùng để nhận dạng thườ ng bị ảnh hưở ng nhiều bở i điều kiện thu thậ p số liệu (hình ảnh vân tay không tr ọn vẹn, bị xoay góc, méo hay có nhiều nhiễu…) nên việc so sánh tr ực tiế p hai mẫu vân tay sẽ r ất phức tạ p và khó khăn. Do đó vân tay cần lọc nhiễu, sau đó tạo mã từ một số các đặc tính của nó (có thể  phân biệt vớ i vân tay khác) nhằm mục đích giải quyết vấn xử lý, lưu tr ữ vân tay

vớ i số lượ ng lớ n mà vẫn đảm bảo chính xác.

Các k ỹ thuật thực nhận dạng vân tay cũng có khá nhiều. Tựu trung, quá trình này tr ải qua ba công đoạn chính: thu nhận vân tay (i); trích chọn đặ c tính vân tay (ii); đố i sánh vân tay (iii) [1]. Bở i vì ngay trong từng công đoạn này lại có

nhiều biện pháp khác nhau, tùy vào ngữ cảnh và vùng ứng dụng các khâu này sẽ thực hiện theo cách cụ thể.

Công nghệ nhận dạng vân tay ngày nay đã đạt tớ i độ chính xác r ất cao. Tuy vây, các hệ thống nhận dạng AFIS (  Automated Fingerprint Identification Systems) vẫn còn nhiều mặt hạn chế. Chẳng hạn như IAFIS của FBI có cơ sở dữ

liệu lớ n tớ i hàng tr ăm triệu vân tay, thờ i gian tìm kiếm tính bằng phút cho một mẫu, độ tin cậy cao… nhưng đó là một hệ thống đồ sộ gồm nhiều máy tính xử lý song song và giớ i hạn trong giám định hình sự. Trong ứng dụng dân sư, các hệ thống nhận dạng thườ ng đượ c giớ i hạn ở  một mức độ ít phức tạ p hơ n: số mẫu không lớ n (khoảng vài nghìn), cấu trúc hệ thống kiểu nối tiế p, ảnh đầu vào không có quá nhiều nhiễu (nhằm giảm bớ t gánh nặng xử lý tính toán),… có vậy mớ i giải quyết đượ c vấn đề chi phí đồng thờ i vẫn đảm bảo độ tin cây.

Đồ án này sẽ thực hiện nhận dạng vân tay bàng ảnh số theo hướ ng có thể triển khai trong dân sư. Chính vì vây phươ ng pháp nhận dạng là dựa trên cơ sở 

1. GI_ỚI THI_ỆU

 phươ ng pháp thứ hai trong ba phươ ng pháp nhận dạng đượ c áp dụng nhiều hiện nay [1], ch. 4. Hệ thống AFIS nói chung cũng sử dụng phươ ng pháp này [11].

· _{Phươ ng pháp thứ nhất, sử dụng đặc tr ưng tươ ng quan của hai mẫu vân}

tay. Xế  p chồng tr ực tiế  p hai mẫu này và dựa vào tươ ng quan giữa các  pixel để tính toán sự khác nhau giữa hai mẫu. Phươ ng pháp này không thích hợ  p vớ i đồ án vì đòi hỏi khối lượ ng tính toán lớ n mà chất lượ ng ảnh  phải đảm tốt.

· _{Phươ ng pháp thứ ba, sử dụng các đặc tr ưng về đườ ng vân. Đườ ng vân của}

các mẫu đượ c trích ra khỏi ảnh ban đầu r ồi so sánh giữa chúng. Phươ ng  pháp này không thích hợ  p vớ i đồ án vì nó chỉ thích hợ  p vớ i các mẫu có chất lượ ng xấu (chẳng hạn như vân tay tội phạm để lại hiện tr ườ ng sau vụ án).

Đồ án sẽ sử dụng bộ mẫu chuẩn các vân tay đã đượ c chuẩn bị tr ướ c. Đó là các ảnh số vân tay lấy trong FVC200 (một bộ dữ liệu chuẩn quốc tế xây dựng  bở i phòng thí nghiêm hệ thống sinh tr ắc, đại học Bologna).

Trong tâm của đồ án t ậ p trung vào hai phần:

· _{Tạo vec-tơ đặc tính cho mục đích phân loại kiểu vân tay và cho đối sánh}

vân tay ( feature extraction).

· _{Sử dụng các điểm minutea đã trích chọn bướ c tr ướ c để đối sánh nhận}

dạng vân tay (minutiae matching ).

 Đồ án trình bày theo cấ u trúc:

· _{Chươ ng 1: Giớ i thiệu chung.}

· Chươ ng 2: Vân tay trong sinh tr ắc học. Đề cậ p một số bộ phận của sinh

tr ắc học (trong đó có nhận dạng vân tay) và những tính chất gì quyết định vân tay đượ c ứng dụng nhiều nhất trong sinh tr ắc học.

· Chươ ng 3: Đại cươ ng về ảnh và xử lý ảnh trong Matlab, trình bày khái

quát về ảnh số và một số thuật toán xử lý ảnh trong Matlab sử dụng trong đồ án.

1. GI_ỚI THI_ỆU

· _{Chươ ng 4 : Sơ đồ khối thiết k ế hệ thống. Đề cậ p một số mô hình hệ thống}

nhận dạng vân tay và xây dựng sơ  đồ khối hệ thống nhận dạng vân tay  bằng ảnh số.

· _{Chươ ng 5: Bộ dữ liệu ảnh sử dụng trong đồ án. Đây là bộ dữ liệu ảnh vân}

tay trích ra từ FVC2000 (cơ sở dữ liệu ảnh vân tay chuẩn, hiện nay đượ c nhiều nhà khoa học chọn để nghiên cứu và kiểm nghiệm k ết quả).

· _{Chươ ng 6 : Trích chọn đặc tính vân tay và đối sánh vân tay. Đây một}

trong những công đoạn quan tr ọng nhất của đồ án. Giai đoạn này áp dụng các thuật toán xử lý ảnh để tạo mã vân tay.

· _{Chươ ng 7 : Đối sánh vân tay. Mẫu vân tay đượ c tạo mã từ minutiae ở} 

công đoạn tr ướ c đượ c đối sánh trong công đoạn này.

· _{Chươ ng 8: Phân loại kiểu vân tay. Trình bày về vấn đề tạo vec-tơ đặc tính}

cho khâu phân loại kiểu vân tay và thực hiện phân loại kiểu vân tay.

· _{Chươ ng 9: Tổng k ết và hướ ng phát triển. Trình bày những k ết quả của đồ}

án, những kiến thức bản thân thu đượ c, các hạn chế và hướ ng phát triển đề tài.

· _{Tài li ệ u tham khảo. Liệt kê một số tài liệu dùng tham khảo chính trong}

đồ án.

·  Phụ l ục. Bao gồm danh sách các  script filecủa phân mềm mô phỏng và

2. VÂN TAY TRONG SINH TR_ẮC H_ỌC

2. Vân tay trong sinh tr 

ắ

c h

ọ

c

Trong phần này sẽ trình bày những tiế p cận khở i đầu, như: vị trí của nhận dạng vân tay trong sinh tr ắc học; những tính chất của vân tay để tr ở thành đối tượ ng cơ bản của sinh tr ắc học; hình thức thể hiện và đặc tả của một mẫu vân tay và những khó khăn gặ p phải khi nhận dạng vân tay.

a)  b) c)

Hình-1. Một số tín hiệu sinh tr ắc học cơ bản: a) giọng nói; b) đồng tử; c) chữ ký. 2.1. V  ị trí c ủa nhận d ạng vân tay trong sinh tr ắ c học 

Dựa vào tiêu chuẩn physiological sinh tr ắc học có: dạng vân tay, mặt, đồng tử,

giọng nói… Còn dựa vào tiêu chuẩn behavioral sinh tr ắc học có: nhận dạng chữ

viết, chữ ký… Dướ i đây là biểu đồ tươ ng quan ứng dụng sinh tr ắc (số liệu thống kê của International Biometric Group, 2002).

Hình-2. Đóng góp của các ngành trong sinh tr ắc học. (vân tay đứng vị trí hàng đầu trong các ứng dụng nhận dạng)

2. VÂN TAY TRONG SINH TR_ẮC H_ỌC

2.2. Uniqe là một thuộc tính c ủa vân tay 

Cho tớ i nay, vẫn chưa có bằng chứng xác thực 100% vân tay trên các ngón tay tuyệt đối mang tính cá nhân và không hề lặ p lại. Câu tr ả lờ i chính xác chỉ có đượ c khi đem so sánh từng mẫu vân tay của mườ i đầu ngón ngườ i vớ i hơ n sáu tỉ ngườ i còn lại. Tuy nhiên khi không xét tớ i phần nhỏ lẻ ấy có thể rút ra một số tính chất cơ bản của vân tay để nó tr ở thành phổ biến trong ứng dụng nhận dạng và định danh con ngườ i [2, 11]:

· _{Tính “phổ thông”, mọi ngườ i đều có.}

· _{Tính cá nhân và không lặ p lại. Xác suất trùng khớ  p vớ i ngườ i khác gần}

 bằng không.

· Tính “bất biến”. Hình dạng tổng thể của vân tay trên các ngón tay của con ngườ i không thay đổi theo thờ i gian. Ngay cả tr ườ ng hợ  p bị chấn thưong nhẹ, dấu vân tay vẫn có khả năng khôi phục lại.

2.3. Hình thứ c thể hi ện và các đặc t ả c ủa vân tay 

 Nhằm mục đích mô tả ngườ i ta đã định ngh ĩ a một số hình thức thể hiện vân tay. Mỗi một tr ườ ng hợ  p thể hiện thì sẽ có hình thức trích chọn đặc tả vân tay tươ ng ứng. Vì vậy, căn cứ vào ảnh vân tay đầu vào chúng ta có thể lựa chọn đượ c đặc tính cần trích chọn và dự kiến phươ ng án nhận dạng.

Hình-3. Vân tay thể hiện ở cấ p độ very-fine: các sweat pores đượ c khoanh tròn, điểm vân chẽ ba (bifurcation) và vân cụt (termination) đánh dấu hình tròn.

2. VÂN TAY TRONG SINH TR_ẮC H_ỌC

Hình thức thể hiện vân tay đượ c chia thành ba cấ p độ: global (thể hiện tổng

thể vân tay) , local (thể hiện vân tay bở i một số nút đặc tr ưng khi đườ ng vân làm

mảnh đến một pixel ) , very-fine(thể hiện bở i các vòng xuyến tạo hình nên đườ ng

vân - sweat pores) [1], tr. 28-31, 83-85.

Đối vớ i cấ p độ very-fine thì đòi hỏi các phươ ng tiện xử lý tốn kém cũng như

các yêu cầu đặc biệt khác mà khó có thể ứng dụng trong dân sự. Chẳng hạn để trích đượ c các pores, ảnh cần có độ phân giải tối thiểu 1000dpi. Sau đây sẽ tìm

hiểu sâu hơ n các đặc tr ưng vân tay ở hai cấ p độ đầu.

a) b) c)

d) e)

Hình-4. Vân tay thể hiện trong cấ p độ global: a) arch; b) whorl; c) tented arch; d) left loop; e) right loop; hình vuông đánh dấu điểm loop, hình tam giác đánh dấu điểm delta.

Ở cấ p độ global , đặc tr ưng vân tay liên quan nhiều đến sự tạo hình của

đườ ng vân và các điểm k ỳ dị ( singular ), chúng bao gồm: loop (đườ ng vân tạo

vòng xoáy hở ) , delta(đườ ng vân tạo hình tam giác). Điểm k ỳ dị có vai trò quan

2. VÂN TAY TRONG SINH TR_ẮC H_ỌC

Ở mức độ cục bộ, các đặc tr ưng của vân tay đượ c gọi là minutiae. Ngườ i ta

đã thống kê có tớ i 150 đặc tr ưng loại này. Hai đặc tr ưng cơ bản và nổi tr ội hơ n cả là ride temination và ridge bifurcation (cũng đượ c gọi tắt là minutiae)

a)  b)

Hình-5. Hai dạng minutiae quan tr ọng: a) ridge termination; b) ridge bifurcation.

2.4. Khó khăn g ặ p phải khi nhận d ạng vân tay 

Do điều kiện thu nhận ảnh quyết định nhiều đến chất lượ ng ảnh thu thậ p nên nhiều khi các chi tiết trên mẫu vân tay không thể hiện rõ ràng. Có thể liệt kê một số tr ườ ng hợ  p dướ i đây:

·  _{Dry finger (vân tay thu nhận trong điều kiện “khô”): ảnh thu nhận sẽ có}

nhiều chỗ đườ ng vân bị mờ đi, đườ ng vân bị lẫn vớ i nền ảnh. Lực ấn của tay nhẹ hoặc mực in không đủ (vớ i vân tay lăn trên giấy) là các nguyên nhân chính làm giảm chất lượ ng ảnh thu thậ p.

· _{Wet finger (vân tay thu nhận trong điều kiện “ướ t”): ảnh thu nhận sẽ có}

nhiều chỗ đườ ng vân bị dính liền. Lực ấn của ngón tay quá lớ n hoặc mực in quá nhiều (vớ i vân tay lăn trên giấy) là các nguyên nhân chính tạo nhiễu trong tr ườ ng hợ  p này.

· Vân tay thu nhận trong điều kiện bị biến dạng: ảnh thu nhận đượ c có thể thể hiện rõ nét nhưng các đườ ng vân lại bị bóp méo không còn giống vớ i mẫu thực. Lực ấn, kéo và xê dịch tay là các nguyên nhân chính.

· Vân tay thu thậ  p không đầy đủ: ảnh thu thậ p đượ c chỉ có một phần vân tay trên ngón tay. Nguyên nhân chính là do ngón tay đặt không đúng vị trí chuẩn thu thậ p.

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

3.

Đạ

i c

ươ

ng v

ề ả

nh s

ố

và x

ử

lý

ả

nh trong Matlab

Đồ án này không xây dựng bộ thu thậ p mẫu vân tay mà sử dụng bộ mẫu chuẩn quốc tế FVC2000 do phòng thí nghiệm hệ thống sinh tr ắc, đại học Bologna tạo ra. Trong cơ sở dữ liệu ấy, các mẫu đượ c lưu dữ dướ i dạng ảnh số. Bở i vậy, quá trình xử lý tính toán thực hiện đồ án phải làm việc chính vớ i dạng số liệu đó. Cho nên, trong phần này sẽ trình bày tóm tắt về ảnh số và một số thuật toán xử lý ảnh số trong Matlab.

3.1. Đại c ươ ng v ề ảnh số

Ảnh có thể biểu diễn dướ i dạng tín hiệu tươ ng tự hoặc số. Trong phần sẽ tậ p trung vào biểu diễn ảnh số, cơ sở về mầu và việc chuyển đổi màu.

3.1.1. Biểu diễn ảnh số

Ảnh xám cũng như các ảnh số khác là tậ p hợ  p các phần tử ảnh hay còn gọi là các pixel, [ , ]i j . Ảnh đượ c biểu diễn như một ma-tr ận hai chiều cỡ  W H´ , hai

thông số này cho biết thông tin về độ r ộng và chiều cao ảnh. Giá tr ị của mỗi  phần tử của ma-tr ận I i j[ , ] biểu diễn cho mức xám hay cườ ng độ ảnh tại vị trí

của phần tử đó. é ù ê ú ê ú = ê ú ê ú ë û f(1,1) f(1,2) f(1,N) f(2,1) f(2,2) f(2,N) f f(M,1) f(M,2) f(M,N) L L M M M L a) b)

Hình-6. Biểu diễn ảnh số: a) hệ tr ục tọa độ trong Image Processing Toolbox;  b) ma-tr ận biểu diễn ảnh số

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

Tùy theo yêu cầu lưu tr ữ, các pixel sẽ đượ c mã hóa bằng 8-bit, 16-bit,…

tươ ng ứng vớ i ảnh xám 256, 65536 mức.

Vớ i ảnh đen tr ắng, các pixel này đượ c lưu tr ữ bằng 1-bit. Cườ ng độ ảnh I chỉ

có thể là một trong hai giá tr ị, I i j[ , ]Î_{[ ]}0,1 . Ứ ng vớ i giá tr ị 0 đó là các điểm đen, còn vớ i giá tr ị 1 đó là điểm tr ắng.

Vớ i ảnh màu, cách biểu diễn cũng tươ ng tự như vớ i ảnh xám, chỉ khác là các giá tr ị tại mỗi phần tử của ma-tr ận biểu diễn ba màu riêng biệt gồm: đỏ ( Red-R),

lục (Green-G) và lam ( Blue-B). Để biểu diễn cho ba màu riêng r ẽ cần bit,

24- bit này đượ c chia thành ba khoảng 8-bit. Mỗi khoảng này biểu diễn cho cườ ng độ sáng của một trong các màu chính.

3.1.2. Cơ sở về màu

Ánh sáng màu là tổ hợ  p các ánh sáng đơ n sắc. Mắt ngườ i có thể cảm nhận đượ c một số màu nhất định nhưng lại có thể phân biệt đượ c r ất nhiều màu (trong vùng quang nhìn thấy, có dải bướ c sóng 400nm¸750nm). Cảm nhận màu của con

ngườ i phụ thuộc vào ba thuộc tính B, H, S.

 B (brightness): độ chói,  H (hue): sắc lượ ng, S (saturation): độ bão hòa.

Hình-7. Cảm nhận của các tế bào nhạy sáng trong võng mạc mắt vớ i các màu ánh sáng phụ thuộc vào chiều dài bướ c sóng ánh sáng.

3

3.. _Đ ĐẠẠI I CC_ƯƠƯƠNNG G VV_{ỀỀ ẢẢ}NH VÀ XNH VÀ X_ỬỬ LLÝÝ_ẢẢNNHH

Trong võng m

Trong võng mạạc c mmắắt t ngngườ ườ i có các ti có các tếế bào cbào cảảm m ththụụ hình nón nhhình nón nhạạy y vvớ ớ i ánhi ánh sáng. Có kho

sáng. Có khoảảng ng 66¸¸7 tri7 triệệu tu tếế bào lobào loạại này trong mi này trong mắắt, t, chúng chúng chia chia làm làm ba nhba nhóómm

nh

nhạạy y vvớ ớ i ba màu ánh sáng khác nhau: 65% ti ba màu ánh sáng khác nhau: 65% tếế bào nhbào nhạạy y vvớ ớ i ánh sángi ánh sáng đỏđỏ ((red red ),),

32% t

32% tếế bào nhbào nhạạy vy vớ ớ i ánh sáng xanh li ánh sáng xanh lụục (c ( green green) và 2% còn l) và 2% còn lạại nhi nhạạy vy vớ ớ i ánh sángi ánh sáng

xanh l

xanh lơ ơ ((blueblue).).

T

Tổổ hhợ ợ  p B, H, S p B, H, S đốđối i vvớ ớ i i ttừừng ánh sáng màu trong ba màu này giúp mng ánh sáng màu trong ba màu này giúp mắắt cont con ng

ngườ ườ i có thi có thểể phân biphân biệệtt đượ đượ c hàng ngàn màu. R, G, B cònc hàng ngàn màu. R, G, B còn đượ đượ c gc gọọi là các màu ci là các màu cơ ơ  ssở ở ..

Phân b

Phân bổổ phphổổ nnăăng lng lượ ượ ng cng củủa ma mộột ngut nguồồn sáng màu có bn sáng màu có bướ ướ c sóngc sóng ll ký hiký hiệệu làu là

(( ))

C 

C  ll và vivà việệc c ttổổ hhợ ợ  p màu theo ba màu c p màu theo ba màu cơ ơ ssở ở (có các(có các đườ đườ ng cong cng cong cảảm m nhnhậậnn S S ₁₁,,

22

S 

S  ,, S S ₃₃) mô t) mô tảả bbằằng sng sơ ơ đồđồ khkhốối sau:i sau:

Hình-8. T

Hình-8. Tổổ hhợ ợ  p màu. p màu. Đ

Đápáp ứứng phng phổổ aa_ii

_{( ( ))}

C C  ssẽẽ đượ đượ c tính nhc tính nhưư sau trong dsau trong dảải bi bướ ướ c sóngc sóng

( ( ))

max max min min ( ) ( ) ( ) ( ) ii CC SSii cc dd    l l l l a a ==

ò ò 

ll ll l l,, ii==11,,33.. V

Vớ ớ i phân phi phân phốối xác xui xác xuấất ct củủa ba màua ba màu  p xx p_k k 

_{( ( ))}

,, k k ==11,,33 nên có:nên có:

max max min min (( )) 11  x  x k  k   x  x xx ddxx ==

ò ò 

..

3

3.. _Đ ĐẠẠI I CC_ƯƠƯƠNNG G VV_{ỀỀ ẢẢ}NH VÀ XNH VÀ X_ỬỬ LLÝÝ_ẢẢNNHH

Gi

Giảả ssửử ba màu cba màu cơ ơ bbảảnn đượ đượ c tc tổổ hhợ ợ  p theo t p theo tỉỉ llệệb b lk k ( ( ))l ,, ii ==11,,33.. ĐểĐể ttạạo ra mo ra mộột màut màu

có phân b có phân bốố phphổổ nnăăng lng lượ ượ ngng C C  l_{( ( ))}l ssẽẽ bbằằngng 33 11 (( )) (( )) kk k k  k  k   p  p xx b b ll = =

å

å

.. Thay giá tr 

Thay giá tr ịị vào phvào phươ ươ ng trình vng trình vềề đđápáp ứứng phng phổổ::

m maaxx _{33 33} mmaaxx ₃₃ ,, 11 11 11 m miinn mmiinn (( )) (( )) (( )) (( )) (( )) (( )) (( )) (( )) ii ii kk kk kk ii kk kk ii kk    kk kk k k  cc SS xx pp xx ddxx xx SS pp xx ddxx xx aa l l ll l l ll a a ll b b bb ll bb    = = = = == æ æ öö = = _{ç ç ÷÷} = = == è è

å

å

øø

å

å

å

å

ò ò

ò ò 

trong

trong đđó:ó: _{i,i, k k}  maxmax

min min (( )) (( )) ii k k  S S pp xx ddxx l l l l a a ==

ò ò 

ll ..  Nh

 Nhưư vvậậy có thy có thểể ttổổ hhợ ợ  p màu theo phép c p màu theo phép cộộng màu vng màu vớ ớ ii aa_ii là hlà hệệ ssốố ttổổ hhợ ợ  p theo công p theo công

th

thứức tc tổổng quát sau:ng quát sau:

11 22 33

X

X = = a a RR + + a a GG ++aa BB

T

Tổổ chchứức quc quốốc tc tếế vvềề chchẩẩn hóa màu CIEn hóa màu CIE đđãã đưđưa ra ma ra mộột st sốố không gian màu nhkhông gian màu nhưư:: RGB, CMY, CMYK, HIS,… Trong

RGB, CMY, CMYK, HIS,… Trong đđó mô hình RGB có vai trò quan tr ó mô hình RGB có vai trò quan tr ọọng.ng.

 x  x rreed d  P P ggrreeeenn blue blue é é ùù ê ê úú = = ê ê úú ê ê úú ë ë ûû a) b) a) b) Hình-9. H

Hình-9. Hệệ ttọọaa độđộ màu: a) mô hình màu RGB;màu: a) mô hình màu RGB;  b) bi

3

3.. _Đ ĐẠẠI I CC_ƯƠƯƠNNG G VV_{ỀỀ ẢẢ}NH VÀ XNH VÀ X_ỬỬ LLÝÝ_ẢẢNNHH

3.1.3. Chuy

3.1.3. Chuyểểnn đổđổi màui màu

H

Hệệ ttọọaa độđộ màu do CIE quymàu do CIE quy địđịnh nhnh nhưư mmộột t hhệệ quy chiquy chiếếu và trên thu và trên thựực c ttếế khôngkhông th

thểể bibiểểu diu diễễn hn hếết các màu. Tùy thut các màu. Tùy thuộộc vào cácc vào các ứứng dng dụụng khác nhau ngng khác nhau ngườ ườ i tai ta đưđưaa ra thêm m

ra thêm mộột t ssốố hhệệ ttọọaa độđộ khác nhkhác nhưư NTSC, CMY, YIQ... phù hNTSC, CMY, YIQ... phù hợ ợ  p  p vvớ ớ i yêu ci yêu cầầuu hi

hiểển thn thịị màu smàu sắắc. Vic. Việệc chuyc chuyểểnn đổđổi gii giữữa các không gian bia các không gian biểểu du diiễễn màu thn màu thựực c hihiệệnn theo nguyên t

theo nguyên tắắc sau:c sau:

 x  x xx P P = = ´AA´ P  P  **,, trong trong đđó:ó:  x  x  P 

 P :: không gian bikhông gian biểểu diu diễễn màu bann màu ban đầđầu,u,

 x  x

 P 

 P **:: không gian bikhông gian biểểu diu diễễn màu mn màu mớ ớ i,i,

 A

 A:: ma-tr ma-tr ậận phép bin phép biếếnn đổđổi.i.

Ả

Ảnh dùng trongnh dùng trong đồđồ án này làán này là ảảnh xám. Mnh xám. Mứức xám là k c xám là k ếết t ququảả ccủủa a ssựự mã hóamã hóa ttươ ươ ngng ứứng ng mmộột t ccườ ườ ngng độđộ sáng csáng củủaa đđiiểểmm ảảnh nh vvớ ớ i i mmộột t tr tr ịị ssốố. Giá tr . Giá tr ịị ccủủa nó pha nó phụụ thu

thuộộc vào mc vào mứứcc độđộ llượ ượ ng tng tửử hóahóa ảảnh, nhnh, nhưư cáccác ảảnh dùng làm cnh dùng làm cơ ơ ssở ở ddữữ liliệệuu đđã ã llấấyy 8-bit

8-bit đểđể mã hóamã hóa ảảnh nh ((ứứng ng vvớ ớ i 256 mi 256 mứức xám, trongc xám, trong đđó ó mmứức xám 0 là màuc xám 0 là màu đđen,en, m

mứức xám 255 là màu tr c xám 255 là màu tr ắắng).ng). Khi chuy

Khi chuyểểnn đổđổi ti từừ ảảnh màu RGB sangnh màu RGB sang ảảnh xám có thnh xám có thểể dùng công thdùng công thứức sau:c sau:

11 22 33

g

grraayyssccaallee = = a a RR+ + a a GG++aa BB,,

các h

các hệệ ssốố aa_ii llầần ln lượ ượ t nht nhưư ddướ ướ ii đđây [6].ây [6].

11 00,,22998899;; 22 00,,55887700;; 33 00,,11114400

a

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

3.2. X ử lý ảnh số trong Matlab

Đứng về mặt xử lý tín hiệu nói chung và xử lý ảnh nói riêng, Matlab là công cụ r ất mạnh. Hầu hết các thuật toán về ảnh và xử lý ảnh đều đã đượ c thể hiện trong các hàm của Matlab như các hàm đọc, ghi ảnh, chuyển đổi giữa các hệ màu của ảnh, các thuật toán phát hiện biên, tách đối tượ ng, khớ  p mẫu, các phép biến đổi ảnh như xoay ảnh, chuẩn kích thướ c, tịnh tiến,... Các thư viện ngày càng đượ c mở r ộng, các hàm ứng dụng có thể đượ c lậ p bở i ngườ i sử dụng. Ứ ng dụng phần mềm Matlab trong xử lý ảnh sẽ có đượ c nhiều tiện ích và tr ợ giúp.

Câu lệnh Matlab đượ c gần vớ i các thuật ngữ mô tả k ỹ thuật, câu lệnh ngắn gọn và có thể tra cứu nhanh trong chức năng Help.

Trong Matlab có nhiều Toolbox hỗ tr ợ  các ứng dụng chuyên sâu. Vớ i bài toán nhận dạng hình ảnh, các Toolbox thườ ng đượ c sử dụng gồm:

· _{Image Processing Toolbox} · _{Image Acqusition Toolbox} · _{Wavelet Toolbox}

· _{Signal Processing} · _{Statistics Toolbox}

·  Neural Network Toobox

Các thuật toán xử lý trong đồ án đều đượ c viết bằng ngôn ngữ lậ p trình phần mềm Matlab. Các chươ ng trình có sử dụng một một số thư viện của Matlab (chủ yếu trong Image Processing Toolbox, Statistics Toolbox). Sau đây là một số công cụ xử lý và thuật toán xử lý ảnh chính đượ c ứng dụng trong đồ án.

3.2.1. Histogram

 Histogram (lượ c đồ xám) thể hiện tần suất xuất hiện mỗi mức xám trong ảnh.

Lượ c đồ xám biểu diễn trong hệ tọa độ Oxy: tr ục hoành biểu diễn N mức xám

(tùy theo số bit mã hóa pixel ), tr ục tung biểu diễn số điểm ảnh một mức xám

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

Lượ c đồ xám cung cấ p thông tin về phân bố mức xám của ảnh. Nó cho phép   phân tích trong khoảng nào đó phân bố phần lớ n mức xám của ảnh. Nếu ảnh sáng thì lượ c đồ xám lệch về phía bên trái, nếu ảnh tối thì lượ c đồ xám lệch về  bên phải so vớ i điểm quy chiếu (giữa mức xám N).

a) b)

c) d)

Hình-10. Phân tích lượ c đồ xám: a) ảnh sáng và b) lượ c đồ xám của (a) lệch phải; c) ảnh tối và d) lượ c đồ xám của (c) lệch trái.

3.2.2. Phân ngưỡng cục bộ

Phân ngưỡ ng vớ i mục đích làm tăng độ tươ ng phản các đối tượ ng cần quan tâm đông thờ i loại bớ t nhiễu. Nếu phân ngưỡ ng toàn bộ ảnh nhiều khi tỏ ra không hiệu quả, nhất là khi cườ ng độ sáng của ảnh không đồng đều. Phân ngưỡ ng cục  bộ cũng giống như phân ngưỡ ng nhưng chỉ khác ở  điểm: ngưỡ ng đượ c chọn thích nghi vớ i từng vùng cục bộ của ảnh. Điều này r ất có ý ngh ĩ a trong khâu nhị   phân hóa ảnh vân tay. Vùng cục bộ thườ ng dùng có thể là các block dạng hình

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

Ảnh xám khi phân ngưỡ ng thì k ết quả phân ngưỡ ng đi đôi vớ i nhị phân hóa ảnh. Một điểm bất k ỳ (x, y) thuộc ảnh f  khi có f x y( , )³T  thì đượ c gọi là object 

 point (điểm trên nền), tr ườ ng hợ  p còn lại gọi là background point (điểm nền).

Đối tượ ng ưu tiên trích chọn từ phân ngưỡ ng không quan tr ọng là

bachground point hay object point . Đấy chỉ là các tên gọi quy ướ c và chúng có

thể chuyển đổi dễ dàng cho nhau nhờ biến đổi âm bản.

Hình-11. Giá tr ị ngưỡ ng tối ưu.

K ết quả phân ngưỡ ng đượ c ảnh g x y( , ) thì nó đượ c định ngh ĩ a liên hệ

( , ) 1 : ( , ) 0 : ( , ) f x y T   g x y f x y T   ³ ì = í < î 3.2.3. Biến đổi Fourier-2D r ời r ạc

Biến đồi Fourier r ờ i r ạc trong xử lý ảnh số nhằm mục đích lọc lấy các thành  phần tín hiệu ảnh có tần số tr ội. Vớ i ảnh vân tay vùng ảnh co các đườ ng vân

đóng vai trò làm tín hiệu có tần số tr ội.

Có f x y( , ), vớ i  x= 0,M -1 và  y = 0,N -1 là một ảnh số cỡ  M ´N . Biến đổi

Fourier r ờ i r ạc của  f  là F u v( , ).

( ) 1 1 2 / / ( , ) M N  ( , ) ux M vy N   F u v f x y e p  - -- + =

åå

, u = _0,M -₁, v = 0,N -1.

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

Biến đổi ngượ c Fourier r ờ i r ạc định ngh ĩ a bở i công thức:

( ) 1 1 2 / / 0 0 ( , ) M N  ( , ) j ux M vy N   u v f x y F u v e p  - -- + = = =

åå

, x= _0,M -₁,  y= 0,N -1.

Biến đổi Fourier r ờ i r ạc của ảnh  f  còn đượ c viết dướ i dạng:

( ),

( , ) ( , ) u v

F u v = F u v e- f  ,

trong đó f ( )u v, là góc pha, F u v( , ) là phổ Fourier.

Các bướ c thực hiện lọc ảnh trong miền tần số bằng biến đổi Fourier r ờ i r ạc có thể mô tả bở i sơ đồ dướ i đây.

Hình-12. Các bướ c thực hiện lọc ảnh trong miền tần số.

3.2.4. Lọc ảnh Sobel

Lọc Sobel là một tr ườ ng hợ  p của lọc số tuyến tính. Ngh ĩ a là bộ lọc dùng một

convolution-mask (cửa sổ dùng để nhân chậ p, gọi tắt mask ), r ồi lấy tổng có tr ọng

số các điểm lân cận vớ i điểm ở chính giữa trong mask đó. Di chuyển mask trên

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

Tổng quát, lọc tuyến tính của ảnh số f cỡ  M ´N  vớ i convolution-mask có cỡ  m n´ định bở i như sau ( ) ( ) ( , ) a b , , s a t b g x y w s t f x s y t   =-=

å å

+ + _, trong đó: a = ₍ m-1 / 2₎ , b = ( n-1 / 2) và x= 0,M -1,  y = 0,N -1. Hình-13. Các bướ c lọc ảnh bằng toán tử không gian.

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

Đáp ứng lọc số tại từng điểm (x,y) là R, đối vớ i lọc Sobel sẽ là

( ) ( ) 9 7 8 9 1 3 4 1 2 2 x xi i i R w z z z z z z z   = =

å

= + + - + + _, ( ) ( ) 9 3 6 9 1 4 7 1 2 2 y yi i i R w z z z z z z z   = =

å

= + + - + + , trong đó  z _i là mức xám của ảnh. a) b)

Hình-14. Biểu diễn mask: a) các hệ số của mask cỡ  3 3´ _;

 b) các hệ số của cặ p mask dùng cho lọc Sobel

3.2.5. Phát hiện biên bằng toán tử gradient

Sử dụng toán tử gradient trong miền 2D là một trong các phươ ng pháp dùng để  phát hiện biên. Toán tử định ngh ĩ a như là một vec-tơ hai thành phần

 x  y G  f x G  f y é ù ¶ ¶é ù Ñ = _{ê ú ê} = _ú ¶ ¶ ë û ë û f 

Toán tử xác định mô-đun và góc của gradient lần lượ t như sau

( ) ( ) ( ) ( )

(

)

1/ 2 2 2 1/ 2 2 2 / / , , .  x y  x y f mag G G f x f y x y arctg G G a é ù Ñ = Ñ = _ë + _û é ù = ¶ ¶ + ¶ ¶_{ë û} = f 

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

Thông thườ ng thành phần mô-đun chỉ cần tính xấ p xỉ là đã đạt yêu cầu độ chính xác của bài toán đặt ra. Hai công thức gần đùng hay sử dụng là tổng các  bình phươ ng 2 2

 x y

f G G

Ñ » + _{và tổng các giá tr ị tuyệt đối}

 x y

f G G

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

3.2.6. Loang r ộng và thu nhỏ đối tượng

Loang r ộng (dilation) và thu nhỏ (erosion) đối tượ ng là hai toán tử cơ của nhóm

thuật toán xử lý morphology. Cả hai toán tử này chỉ áp dụng cho các ảnh nhị

 phân và mô tả toán học của morphology là các phép toán tậ p hợ  p [3]. Đồ án sẽ

vận dụng nhiều hai thuật toán trong công đoạn: khoanh vùng ảnh, làm mảnh  biên, và hiệu chỉnh đườ ng vân.

a) c)

  b) d)

Hình-15. Loang r ộng đối tượ ng. a) ảnh ban đầu vớ i đối tượ ng hình chữ nhật;  b) strel có ba pixel xế p thành dạng đoạn thẳng, chéo 450 so vớ i phươ ng ngang;

c) strel di chuyển khắ p ảnh và các điểm bị tác động; d) ảnh k ết quả.

Phần tử cơ  bản để thực hiện loang r ộng hay thu hẹ p gọi là  structuring  element (viết tắt là strel ). Căn cứ vào ảnh gốc cộng vớ i độ lớ n và hình dạng của

3. _ĐẠI C_ƯƠNG V_{Ề Ả}NH VÀ X_Ử LÝ_ẢNH

 strel , đối tượ ng bị cắt bớ t hoặc thêm vào từng điểm ảnh (phù hợ  p vớ i khuôn

hình của strel )

Tr ườ ng hợ  p đặc biệt, áp dụng toán tử thu hẹ p liên tiế p đủ số lần thì có quá trình làm mảnh đối tượ ng tớ i một pixel .

a) c)

  b) d)

Hình-16. Thu nhỏ đối tượ ng. a) ảnh ban đầu vớ i đối tượ ng hình chữ nhật;  b) strel có ba pixel xế p thành dạng đoạn thẳng vuông góc vớ i phươ ng ngang;

4. THI_ẾT K_ẾS_Ơ ĐỒ KH_ỐI H_Ệ TH_ỐNG

4. S

ơ đồ

kh

ố

i thi

ế

t k

ế

h

ệ

th

ố

ng nh

ậ

n d

ạ

ng vân tay

Trong phần nay sẽ giớ i thiệu một số phươ ng pháp nhận dạng vân tay. Tiế p theo là các hình hệ thống nhận dạng đa năng. Ở mỗi phần, sẽ lựa chọn ra phươ ng án thực hiện trong đồ án. Đây là hai tiền đề xây dựng nên sơ đồ hệ thống nhận dạng vân tay cho đồ án này.

4.1. Các nguyên lý nhận d ạng vân tay 

Các nguyên lý nhận dạng vân tay thì liên quan chặt chẽ đến cách thức tìm ra sự tươ ng đồng giữa ảnh vân tay đầu vào vớ i một template trong cơ sở dữ liệu vân

tay. Dướ i đây là ba phươ ng pháp chính lần lượ t dựa trên các cơ sở là đối sánh

minutiae, correlation và ridge feature [1], ch. 4.

· _{Minutiae-base matching,} · _{Correlation-base matching,} ·  _{Ridge feature-base matching.}

a) b)

Hình-17. Tạo mã vân tay: a) ảnh ban đầu; b) trích chọn minutiae quan tr ọng (các minutie đượ c đánh dấu O)

4. THI_ẾT K_ẾS_Ơ ĐỒ KH_ỐI H_Ệ TH_ỐNG

Phươ ng pháp đầu tiên phổ biến hơ n cả và đượ c ứng dụng r ất r ộng rãi. Hai vân tay sẽ đượ c so sánh bằng các điểm minutiae trích ra từ các vân tay đó. Giai đoạn thứ nhất này còn goi là tạo mã [11], các minutiae tạo thành tậ p hợ  p điểm

đặc tr ưng và đượ c lưu tr ữ trong từng mảng 2D. Giai đoạn thứ hai sẽ tìm vị trí khớ  p phù hợ  p giữa template và input-image sao cho số các minutiae tao thanh

cặ p tươ ng đồng là lớ n nhất.

Còn hai nguyên lý còn lại không phù hợ  p vớ i đồ án. Correlation-based thực

hiện bằng cách xế p chồng hai mẫu vân tay lên nhau để tìm ra tươ ng quan giữa chúng, phươ ng pháp này gặ p hạn chế khi quá trình thu nhận ảnh vân tay gặ p  phải các biến dạng méo. Còn ridge feature-base là một phươ ng pháp cao cấ p,

đòi hỏi các bướ c xử lý phức tạ p và thườ ng dùng cho ứng dụng nhận dạng vớ i các vân tay có chất lượ ng r ất xấu (chẳng hạn như vân tay latent ).

Đồ án này lựa chọn phươ ng án đầu tiên vì đó là một phươ ng pháp cơ  bản,  phù hợ  p vớ i điều kiện hiện tại cho phép và cũng hứa hẹn cho k ết quả khả quan.

4.2. H ệ thống nhận d ạng vân tay 

 Nhận dạng vân tay là một bộ phận của sinh tr ắc học. Vì thế phân loại hệ thống nhận dạng sinh tr ắc học cũng bao hàm cho hệ thống nhận dạng vân tay nói riêng. Có hai hình thức phân loại hệ thống nhận dạng vân tay: dựa trên kiến trúc của hệ thống và cách xử lý dữ liệu trong hệ thống [1], tr. 237-240.

a) Phân loại hệ thống theo kiến trúc:

· _{Hệ thống có kiến trúc song song} · Hệ thống có kiến trúc nối tiế p

· _{Hệ thống có kiến trúc thứ bậc}

 b) Phân loại hệ thống theo các xử lý dữ liêu:

· _{Hệ thống có khâu hợ  p nhất sau trích chọn đặc tính} · _{Hệ thống có khâu hợ  p nhất sau đối sánh}

· Hệ thống có khâu hợ  p nhất sau tổng hợ  p k ết quả

4. THI_ẾT K_ẾS_Ơ ĐỒ KH_ỐI H_Ệ TH_ỐNG

4.3. Xây d ự ng hệ thống nhận d ạng vân tay bằng ảnh số

Trên cơ sở các phân tích đã nêu, sau đây là đề xuất về sơ đồ khối hệ thống nhận dạng vân tay bằng ảnh số. Hệ thống này có khả năng phân loại vân tay, tạo cơ sở  dữ liệu và nhận dạng vân tay.

· Kiểu nhận dạng là identification, ngh ĩ a là một mẫu cần nhận dạng (input )

sẽ nhận k ết quả bằng cách đối sánh vớ i N mẫu khác trong cơ sở dữ liệu (template).

· Kiểu chế độ hoạt động của hệ thống hướ ng đến là online. Ngh ĩ a là hệ

thống có thể hoạt động liên tục, có khả năng ghép vớ i khâu thu thậ p số liệu sử các phươ ng pháp thu nhận ảnh live-scan (bằng máy scan,

sensor,…) và quan tr ọng hơ n có thể vừa thu thậ p số liệu vừa có thể nhận dạng.

· _{Kiến trúc hệ thống thiết k ế theo hướ ng xử lý dữ liệu nối tiế  p, gồm tám}

khâu chính trình bày trong Hình-18.

Hình-18. Sơ đồ khối hệ thống nhận dạng vân tay.

Tám khâu này có cá chức năng hoạt động như sau: 1) Khâu số 1: thực hiện thu nhận ảnh.

4. THI_ẾT K_ẾS_Ơ ĐỒ KH_ỐI H_Ệ TH_ỐNG

2) Khâu số 2: thực hiện trích chọn đặc tính vân tay để phân loại. Đặc tính trích chọn là góc định hướ ng, orientation.

3) Khâu số 3: thực hiện tạo vec-tơ đặc tính để phân loại. 4) Khâu số 4: thực hiện phân loại vân tay làm năm nhóm. 5) Khâu số 5: làm cơ sở dữ liệu, lưu tr ữ các template-image.

6) Khâu số 6: thực hiện trích chọn minutiae. Đặc tính trích chọn là miutiae. 7) Khâu số 7: thực hiện đối sánh input-image vớ i template-image.

5. T_ẬP M_ẪU_ẢNH VÂN TAY

5. T

ậ

p m

ẫ

u

ả

nh vân tay

Vân tay có thể lưu tr ữ theo hai cách: trên giấy (giấy thườ ng, giấy ảnh...) hoặc

 file ảnh. Đối vớ i cách thứ nhất vẫn còn đượ c ứng dụng trong giám định, định

danh hình sự (các bằng chứng về dấu tay tội phạm cần đượ c thể hiện bằng ảnh in trên giấy). Cách thứ hai đượ c ứng dụng phổ biến trong nhận dạng nói chung và ngày càng chiếm đượ c nhiều ưu thế (có thể lưu tr ữ, tìm kiếm thuận tiện). Đồ án này tậ p trung đến hình thức lưu tr ữ ảnh theo file.

a) b) c)

Hình-19. Các loại vân tay: a) vân tay latent; b) vân tay lăn mực; c) vân tay trong Db2b-FVC2000.

Có nhiều định dạng ảnh vân tay khác nhau, phổ biến hơ n cả là: jpeg, bmp, tif,  gif, png,... Các thông số ảnh bao gồm: độ r ộng của ảnh, độ phân giải, số bit dành

cho một pixel , độ chính xác hình học, méo,... Khi thiết k ế hệ thống nhận dạng

vân tay, các thông số ảnh thông thườ ng đượ c quy chuẩn theo giải giá tr ị nào đó sao cho phù hợ  p vớ i hệ thống. Hệ thống nhận dạng vân tay bằng ảnh số, ảnh số là đại lượ ng đầu vào nên hai thông quan tâm hơ n cả: kích thướ c và độ phân giải.  Như đã trình bày ở trên, đồ án này sử dụng dữ liệu ảnh FVC2000 để tạo cơ sở 

dữ liệu hệ thống nhận dạng và kiểm tra k ết quả nhận dạng. Các mẫu vân tay lưu theo file ảnh, có phần mở r ộng .tif , kích thướ c của ảnh 364´256 _pixel . Mỗi mẫu vân tay gồm bảy ảnh khác nhau và đượ c lưu tên theo quy ướ c xx_y. Trong đó xx

5. T_ẬP M_ẪU_ẢNH VÂN TAY

tự của ảnh trong một bộ mẫu. Bộ mẫu sẽ đươ c chia làm hai: một phần dùng để thực hiện trích chọn và tạo mã cho vân tay thông qua các thuật toán xử lý ảnh (mục đích cuối là tạo ra các template xây dựng cơ sở dữ liệu); phần còn lại dùng

6. TRÍCH CH_ỌN MINUTIAE

6. Trích ch

ọ

n minutiae cho

đố

i sánh vân tay

Đồ án này đượ c thiết k ế bằng cách chia nhỏ các công đoạn chính trên thành các mô-đun nhỏ hơ n. Hướ ng chung là chọn các phươ ng pháp mà có thể tận dụng đượ c các mô-đun chươ ng trình ở công đoạn này và áp dụng đượ c cho công đoạn khác. Nhưng các phươ ng pháp lựa chọn phải đạt yêu cầu cho bài toán nhận dạng cuối cùng. Vì vậy, tạo tính mở cho hệ thống và tiết kiệm thờ i gian thiết k ế.

Hình-20. Thuật toán trích chọn minutiae.

Vớ i sơ đồ này thấy r ằng, trích chọn minutiae thực hiện qua tám khâu.

· Khối tiền xử lý ảnh thực hiện chuẩn hóa kích thướ c ảnh.

· _{Khối tăng cườ ng chất lượ ng ảnh thực hiện làm nổi rõ đườ ng vân.} · _{Khối orientation image thực hiện ướ c lượ ng tr ườ ng định hướ ng.}

· _{Khối segmentation (khoanh vùng ảnh vân tay) thực hiện tách vùng ảnh}

cần quan tâm nhiều trong xử lý trích chọn đặc tính.

· Khối tạo ridge map (ảnh nhị phân vớ i đườ ng vân có giá tr ị logic 1).

· _{Khối làm mảnh đườ ng vân. Đườ ng vân làm mảnh tớ i độ r ộng đồng}

nhất một pixel từ ridge map.

· _{Khối hiệu chỉnh đườ ng vân và lọc minutiae sai cấ p một. Đườ ng vân sẽ}

đượ c làm “tr ơ n”, minutiae sai kiểu lake (dạng hình xuyến nhỏ), dạng

điểm, chẽ ngắn, đoạn vân ngắn sẽ loại bỏ.

6. TRÍCH CH_ỌN MINUTIAE

6.1. Chuẩn hóa ảnh đầu vào

Chuẩn hóa ảnh đầu vào là bướ c cần thiết tr ướ c khi vào bướ c tiền xử lý ảnh. Do ảnh dùng cho trích tr ọn đặc tính có thể không phù hợ  p về kích thướ c cũng như  phân bố mức xám. Trong đồ án, giai đoạn này gồm: chuẩn hóa kích thướ c ảnh

và đồng đều hóa cườ ng độ sáng giữa các ảnh đầu vào khác nhau.

6.1.1. Chuẩn hóa kích thước ảnh

Ảnh chuẩn đầu vào có kích thướ c 364´256  _pixel . Các thuật toán xử lý ảnh vân tay về sau thườ ng áp dụng cho từng từng block vuông trên ảnh (thườ ng sử dụng

các block vuông cạnh 16 pixel , 32 pixel ,…). Nên kích thướ c ảnh chuẩn hóa hợ  p

lý hơ n là 352´256 _pixel . Để thực hiện điều này sẽ “cắt” đi vùng dữ liệu ảnh kích thướ c 12 256´  _pixel . Phần này cũng không ảnh hưở ng quá nhiều tớ i k ết quả nhận

dạng cuối cùng vì đối vớ i bộ dữ liệu đã chọn, các vùng ảnh ở gần khung thườ ng đóng vai trò làm background .

Hàm thực hiện chuẩn hóa kích thướ c ảnh đầu vào là norsizfv. gns = norsizfv(g, bs),

trong đó:

g : ảnh số đầu vào có kích thướ c cần đượ c chuẩn hóa,

bs : kích thướ c của block mà ảnh đầu ra sẽ đượ c làm tròn theo, gns : ảnh đầu ra có kích thướ c đã chuẩn hóa.

6.1.2. Cân bằng cường độ sáng của ảnh

Do điều kiện thu thậ p ảnh khác nhau vớ i mỗi lần lấy mẫu vân tay; do k ỹ thuật thu nhận ảnh (sử dụng  sensor, scanner ,…) khác nhau nên độ sáng ảnh vân tay

không gần nhất. Vì vậy cần làm đồng đều cườ ng độ sáng của các ảnh vân tay trong bộ dữ liệu. Phươ ng pháp thực hiện: dùng một ảnh mẫu có cườ ng độ sáng đồng đều, r ồi chuẩn hóa độ sáng của các ảnh khác theo ảnh này bằng bình  phươ ng cực tiểu. Trong đồ án sử dụng ảnh có cùng kích thướ c cườ ng độ sánh

6. TRÍCH CH_ỌN MINUTIAE

Hàm thực hiện cân bằng cườ ng độ sáng của ảnh là briequfv. gbb = briequfv(g,ref),

trong đó:

g : ảnh số đầu vào cần đượ c chuẩn hóa cườ ng độ sáng, ref : ảnh số làm mẫu

gbb : ảnh đầu ra có cườ ng độ sáng gần vớ i ảnh mẫu.

6.2. T ăng c ườ ng ảnh chấ t l ượ ng ảnh

Thu nhận ảnh không phải lúc nào cũng cho những ảnh vớ i chất lượ ng tốt. Tăng cườ ng ảnh sẽ giúp cải thiện chất lượ ng ảnh tr ướ c khi thực hiện các thuật toán xử lý ảnh tiế p theo nhằm gia tăng hiệu quả xử lý. Hai thuật toán sử dụng để tăng cườ ng ảnh chất lượ ng ảnh ở  đây là: histogram equalization (cân bằng lượ c đồ

xám) và biến đổi Fourier r ờ i r ạc [1], tr. 104-113.

a)  b) c)

Hình-21. Tăng cườ ng ảnh: a) ảnh ban đầu; b) ảnh sau cân bằng histogram; c) ảnh sau biến đổi Fourier r ờ i r ạc.

6.2.1. Tăng cường ảnh bằng cân bằng histogram

 Histogram của ảnh xám là một biểu đổ thể hiện quan hệ giữa cườ ng độ ảnh và

6. TRÍCH CH_ỌN MINUTIAE Hàm thực hiện tăng cườ ng ảnh bằng cân bằng lượ c đồ xám là hisequfv. ghe = hisequfv(g), trong đó: g : ảnh số đầu vào, ghe : ảnh đầu ra đã đượ c tằng cườ ng bằng cân bằng lượ c đồ xám. 6.2.2. Tăng cường ảnh bằng biến đổi Fourier-2D

Sử dụng lọc Gabor và biến đổi Fourier là hai nền tảng chính để thực hiện tăng cườ ng ảnh trong xử lý ảnh vân tay. Ảnh sau khi đã đượ c tăng cườ ng chất lượ ng  bằng histogram equalization, thực hiện bướ c k ế tiế  p là tăng cườ ng ảnh bằng

thuật toán biến đổi Fourier [1, 8, 9, 10].

So vớ i các phươ ng pháp trên cơ  sở  lọc Gabor, nó lợ i thế hơ n ở  chỗ không yêu cầu việc tính toán chính xác định hướ ng cục bộ của đườ ng vân và tần số vân tay phục vụ cho mục đích cuối công đoạn tạo ridge-map.

Công thức tính toán cho thuật toán tăng cườ ng ảnh bằng biến đổi Fourier r ờ i r ạc có dạng như sau:

( ) ( )

{

}

k 

enh  F   F  I  x y  F  I  x y

 I  = -1 [ , ] × [ , ] trong đó: k : hệ số mũ của phổ Fourier, [ ] ( ) F I x,y : phổ Fourier.

Đồ án thực hiện tăng cườ ng chất lượ ng ảnh bằng biến đổi Fourier r ờ i r ạc cho từng block có kích thướ c 32´32 _pixel . Theo cách này, các thành phần ảnh có tần số tr ội sẽ đượ c giữ lại, đó là các vùng ảnh thể hiện làm đườ ng vân. Ảnh sau biến đổi Fourier r ờ i r ạc có các đườ ng vân “nổi” hơ n, sự phân tách giữa các đườ ng vân cũng thể hiện rõ ràng hơ n. Đồng thờ i các vùng ảnh nhiễu sẽ loại bớ t đi.

6. TRÍCH CH_ỌN MINUTIAE

Số mũ của phổ Fourier, k  đóng vai trò làm hệ số điều chỉnh. Trong [1], khuyến nghị đặt _k =0,6 _{khi tính toán vớ i kích thướ c block như trên. Tuy nhiên,} trong quá trình thực hiện, đặt k =0,35 thì cho k ết quả tốt hơ n so vớ i việc chọn giá tr ị khác. Vì phổ Fourier đóng vai trò làm hàm lọc, do đó: k càng nhỏ hàm lọc tiến tớ i 1 (ảnh gốc và ảnh sau khi tăng cườ ng không khác nhau nhiều); vớ i k lớ n, các đoạn vân cục bộ có thể bị biến dạng không còn khả năng xử lý cho công đoạn tiế p nữa.

Hàm thực hiện tăng cườ ng ảnh bằng biến đổi Fourier r ờ i r ạc là fouenhfv. gfe = fouenhfv(g,k),

trong đó:

g : ảnh số đầu vào, k : hệ số,

gfe : ảnh đầu ra đã đượ c tăng cườ ng bằng biến đổi Fourier.

6.3. Ướ c l ượ ng orientation image và khoanh vùng ảnh vân tay 

Trong phần này sẽ trình bày các ướ c lượ ng định hướ ng vân tay cục bộ. Đây là cần thiết để chọn đượ c các thông số thích hợ  p để lọc ảnh về sau (lọc nhiễu, khoanh vùng ảnh...). Vì orientation image (tr ườ ng định hướ ng) mang tính mô tả

góc định hướ ng đườ ng vân, nên k ết quả này còn đượ c áp dụng để phân loại kiểu vân tay (quyết định bở i sự tạo hình của các đườ ng vân).

6.3.1. Ước lượng orientation image

Tr ườ ng định hươ ng thể hiện bản chất tự nhiên của đườ ng vân và các rãnh đườ ng vân. Tr ườ ng định hướ ng cung cấ p nhiều thông tin quan trong cho các bướ c xử lý tiế p theo. Phần này sẽ trình bày về ướ c lượ ng orientation image D, phần tử định

hướ ngq _ij(tươ ng ứng vớ i nó là góc định hướ ng q _ij và mô-đun định hướ ng). Có sự

 phân biệt khác nhau giữa các thuật ngữ mô tả phần tử định hướ ng orientation