CHAPITRE V TESTS ET RESULTATS EXPERIMENTAUX
V.1. Images artificielles d'empreintes
V.1.1. Intérêt
Lors de l'évaluation des performances d'un système de reconnaissance d'empreintes il est nécessaire de disposer d'une base de données d'empreintes représentatives du système d'acquisition.
Malheureusement ces données ne sont pas toujours disponibles immédiatement, dans notre cas les premières images obtenues au moyen du capteur n'ont été disponibles qu'à partir de la fin de la deuxième année de thèse. Il a donc fallu trouver un autre moyen de tester les algorithmes.
Il est possible d'obtenir auprès du National Institute of Standards and Technology ([1]) des bases de plusieurs milliers d'empreintes. Ces images ont été scannées à partir d'empreintes de papiers d'identité obtenues par la méthode classique de l'encre, elles sont de très mauvaise qualité et ne correspondent pas du tout aux caractéristiques de notre capteur. Afin de pouvoir comparer différentes méthodes de traitement entre elles, une compétition a été organisée pour évaluer les performances des algorithmes à partir des mêmes images (FVC2004, [2]). Les bases de données utilisées sont en libre accès et proviennent de trois capteurs différents du commerce. Néanmoins elles ne sont pas utilisables dans notre cas car les systèmes d'acquisition utilisés permettent une rotation du doigt d'un angle quelconque. Or ce n'est pas le cas dans notre système du fait du principe de mesure par balayage de notre capteur (supposition de l'existence d'un système de guidage, chapitre IV).
Pour pallier à ces problèmes de disponibilité de bases de données l'idéal serait de pouvoir simuler l'information biométrique à l'entrée du système ([3]). Des recherches ont permis de développer des modèles de génération d'empreintes totalement artificielles ([4]-[6]). L'avantage de ces modèles est de pouvoir générer très rapidement de grosses bases de données en évitant la perte importante de temps
Chapitre V: Tests et résultats expérimentaux.
permet de simuler des situations extrêmes (vitesse de déplacement du doigt totalement irrégulière, translation maximale du centre de l'image, nombre de poutres cassées ) et d'évaluer ainsi facilement les limites du système d'acquisition.
L'utilisation d'images générées artificiellement ne permet pas d'évaluer efficacement les performances d'un système biométrique car il est impossible de modéliser avec exactitude les images réellement obtenues, mais elle permet tout de même d'en avoir une idée globale.
V.1.2. Générateur d'empreinte synthétiques
Nous avons utilisé le logiciel "Fingerprint Creator" de la société Optel ([7]) car il est gratuit et très souple d'utilisation. Ce logiciel fournit en sortie des images binaires carrées de 256 256 pixels (Figure V-1) et permet de régler différents paramètres:
Le type de l'empreinte: on a le choix entre les quatre classes principales d'empreinte (arche, spire, boucle à gauche, boucle à droite)
Le nombre de stries présentes
Le nombre de minuties (entre 0 et 40) L'épaisseur des stries
Le décalage du centre de l'image en X et en Y La rotation de l'axe centrale de l'image L'ajout de bruit
Figure V-1: Le logiciel de génération d'empreintes synthétiques ([7]).
V.1.3. Modélisation des spécificités du capteur
L'image I0 produite par le logiciel est binaire et carrée. Telle quelle cette image ne correspond pas du tout à nos besoins, on lui fait donc subir une suite de traitements pour se rapprocher le plus possible de ce que fournirait notre capteur:
1. L'image binaire I0 est convertie en image I1 à 256 niveaux de gris par l'opération suivante:
Chapitre V: Tests et résultats expérimentaux.
0 1
0 1
0 1
, 1 , 255
, 0 ,
n b
I I
I x y I x y irand M
I x y I x y irand M
(Equ. 1)
La fonction x irand x renvoie un nombre entier aléatoire compris entre 0 et x, et permet de contrôler la plage de variations des niveaux de gris par le réglage de Mn et Mb.
2. L'image est redimensionnée verticalement par un facteur d'échelle KH pour prendre en compte la vitesse globale moyenne de déplacement du doigt lors de l'acquisition.
3. Les bords de l'image sont effacés (il est effet très rare que le doigt recouvre entièrement le capteur en largeur).
4. Le centre de l'image est translatée verticalement et horizontalement d'un vecteur aléatoire t tx, y
tel que ..
M M
x x x
t T T et ..
M M
x y y
t T T .
5. Un modèle du bruit généré par un capteur en bon état de fonctionnement a été développé par Fabien Parrain. Il prend en compte les données relatives aux poutres et à l'amplificateur (déflection maximum, résistances d'offset, gain, fenêtre d'échantillonnage, bruit). Néanmoins il s'agit d'un modèle très idéalisé et les images obtenues sont très loin d'y correspondre.
6. La variation de vitesse au sein de l'image est ensuite simulée. Pour cela l'image est d'abord découpée en N zones horizontales (N est choisi aléatoirement entre 1 et 5) puis chacune des zones i est redimensionnée selon un facteur d'échelle kil. kil est un nombre réel aléatoire compris dans l'intervalle 1KM..KM . KM définit le facteur d'échelle local maximum que l'on s'autorise et il est choisi entre 1 et 3. Plus KM est proche de 3 et plus les variations locales de vitesse seront importantes.
7. Un masque représentant les poutres cassées et les poutres qui répondent mal est ajouté à l'image Un exemple d'images obtenues après ces différentes étapes est illustré sur la Figure V-2 et la Figure V-3.
Générateur d'empreintes (Fingerprint Creator)
paramètres
Modèle des caractéristiques
du capteur paramètres Image binaire
(256x256)
Image à 256 niveaux de gris
(256xH)
Figure V-2: Chaîne de traitement de la génération d'empreintes artificielles.
Chapitre V: Tests et résultats expérimentaux.
Comme nous allons le voir dans ce qui suit la qualité des images synthétiques ainsi obtenues reste tout de même très éloignée de ce que nous obtenons réellement. Ceci est principalement du à la méthode d'acquisition utilisée pour protéger le capteur (utilisation d'eau savonneuse et d'un film plastique).
Néanmoins elles permettent de valider globalement le système et de simuler des cas extrêmes pouvant se produire lors de l'acquisition avec des utilisateurs peu coopératifs.
V.1.4. Les bases d'images artificielles utilisées
Nous avons généré et testé cinq bases différentes d'images:
BDS0 correspond aux images qui seraient obtenues à partir d'un capteur à matrice entière (position statique du doigt). Ceci se traduirait par une vitesse globale nulle (KH 1), une vitesse locale faible (KM 1.1, cette vitesse correspondrait alors à la distorsion engendrée par l'élasticité de la peau) et un décalage vertical faible du centre de l'image ( 20
yM
T pixels). Ces images ont été utilisées pour étudier les différences entre un capteur à balayage et un capteur à matrice entière.
BDS1 correspond aux images que l'on peut supposer obtenir avec un utilisateur entraîné et coopératif, à savoir une faible variation de vitesse au sein de l'image (KM 1.2) avec un décalage vertical du centre de l'image faible ( 20
yM
T pixels).
BDS2 permet d'observer les conséquences du placement du doigt par rapport au centre de l'empreinte: KM 1.2 et 80
yM
T pixels
BDS3 permet d'observer les conséquences des variations locales de vitesse de déplacement du doigt: KM 2.0 et 20
yM
T pixels
BDS4 cumule les deux effets précédents: une variation importante de la vitesse et un déplacement vertical important du centre de l'empreinte: KM 2.0 et 80
yM
T pixels
Nous n'avons pas étudié l'effet des poutres cassées (lignes verticales noires), mais il est évident qu'à partir d'un nombre trop important de poutres cassées les performances du système vont se dégrader sensiblement (difficulté à estimer correctement les cartes fréquentielle et directionnelle, disparition de minuties lors d'un regroupement de lignes verticales noires ).
Pour représenter efficacement les performances du système la taille de l'échantillon doit être suffisamment importante ([10]), néanmoins plus le nombre d'images est grand et plus la durée des tests est longue. Pour des raisons pratiques nous nous sommes limités à une banque de 200 images comportant 20 séries de doigts différents, chaque série étant composée de 10 images correspondant à des acquisitions différentes du même doigt. La proportion du type d'empreintes est équivalente dans les 20 série: 25% d'arches, 25% de spires, 25% de boucles à gauche et 25% de boucles à droite.
Chapitre V: Tests et résultats expérimentaux.
Pour chaque base de données synthétiques BDSp p 0..4 dont nous disposons, nous notons
, , 1..10
Fi j j la jè acquisition obtenue à partir du doigt i 1..
BDSP
i N avec 20
BDSP
N .
Certaines des images utilisées sont visibles sur la Figure V-3.
3,2 2
F BDS
3,5 2
F BDS F9,1 BDS3
9,9 3
F BDS
Figure V-3: Exemples d'images obtenues synthétiquement.