Đề tài Thiết kế hệ thống nhận dạng vân tay từ ảnh số

ĐỀ TÀI

“Thiết kế hệ thống nhận dạng vân tay

từ ảnh số”

Mục lục

Mục lục...............................................................................................................i

Danh mục các hình vẽ...................................................................................... iv

Danh mục một số thuật ngữ thường dùng....................................................... vi

Lời nói đầu ...................................................................................................... vii

1. Giới thiệu....................................................................................................... 1

2. Vân tay trong sinh trắc học ........................................................................... 4

2.1. Vị trí của nhận dạng vân tay trong sinh trắc học ................................................................ 4

2.2. Uniqe là một thuộc tính của vân tay..................................................................................... 5

2.3. Hình thức thể hiện và các đặc tả của vân tay....................................................................... 5

2.4. Khó khăn gặp phải khi nhận dạng vân tay.......................................................................... 7

3. Đại cương về ảnh số và xử lý ảnh trong Matlab........................................... 8

3.1. Đại cương về ảnh số.............................................................................................................. 8

3.1.1. Biểu diễn ảnh số............................................................................................................................8

3.1.2. Cơ sở về màu................................................................................................................................9

3.1.3. Chuyển đổi màu..........................................................................................................................12

3.2. Xử lý ảnh số trong Matlab.................................................................................................. 13

3.2.1. Histogram...................................................................................................................................13

3.2.2. Phân ngưỡng cục bộ....................................................................................................................14

3.2.3. Biến đổi Fourier-2D rời rạc .........................................................................................................15

3.2.4. Lọc ảnh Sobel .............................................................................................................................16

3.2.5. Phát hiện biên bằng toán tử gradient ............................................................................................18

3.2.6. Loang rộng và thu nhỏ đối tượng.................................................................................................20

4. Sơ đồ khối thiết kế hệ thống nhận dạng vân tay......................................... 22

4.1. Các nguyên lý nhận dạng vân tay ...................................................................................... 22

4.2. Hệ thống nhận dạng vân tay............................................................................................... 23

4.3. Xây dựng hệ thống nhận dạng vân tay bằng ảnh số.......................................................... 24

i

5. Tập mẫu ảnh vân tay................................................................................... 26

6. Trích chọn minutiae cho đối sánh vân tay.................................................. 28

6.1. Chuẩn hóa ảnh đầu vào...................................................................................................... 29

6.1.1. Chuẩn hóa kích thước ảnh ...........................................................................................................29

6.1.2. Cân bằng cường độ sáng của ảnh.................................................................................................29

6.2. Tăng cường ảnh chất lượng ảnh......................................................................................... 30

6.2.1. Tăng cường ảnh bằng cân bằng histogram ...................................................................................30

6.2.2. Tăng cường ảnh bằng biến đổi Fourier-2D...................................................................................31

6.3. Ước lượng orientation image và khoanh vùng ảnh vân tay............................................... 32

6.3.1. Ước lượng orientation image.......................................................................................................32

6.3.2. Khoanh vùng ảnh vân tay............................................................................................................34

6.4. Trích chọn minutiae ........................................................................................................... 35

6.4.1. Nhị phân hóa và làm mảnh đường vân.........................................................................................36

6.4.2. Phát hiện minutiae.......................................................................................................................37

6.4.3. Ước lượng khoảng cách đường vân..............................................................................................39

6.4. Hiệu chỉnh đường vân và lọc minutiae sai ......................................................................... 39

6.4.1. Hiệu chỉnh đường vân và lọc minutiae sai cấp một.......................................................................39

6.4.2. Lọc minutiae sai cấp hai và tạo mã từ minutiae............................................................................41

7. Phân loại kiểu vân tay................................................................................. 43

7.1. Trích chọn đặc tính............................................................................................................. 44

7.2. Tạo vec-tơ đặc tính ............................................................................................................. 45

7.3. Khâu phân loại kiểu vân tay............................................................................................... 46

8. Đối chiếu vân tay để định danh mẫu.......................................................... 48

8.1. Khớp mẫu hai mẫu vân tay ................................................................................................ 49

8.2. Đối sánh vân tay.................................................................................................................. 50

9. Tổng kết và hướng phát triển...................................................................... 52

9.1. Kết quả của đồ án............................................................................................................... 52

9.2. Những kiến thức bản thân thu được .................................................................................. 53

9.3. Những hạn chế của đồ án ................................................................................................... 53

9.4. Hướng phát triển ................................................................................................................ 53

Tài liệu tham khảo .......................................................................................... 55

ii

Phụ lục ............................................................................................................ 56

Danh sách các script file khác trong đồ án............................................................................... 56

Các bước chạy phần mềm mô phỏng........................................................................................ 57

iii

Danh mục các hình vẽ

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

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

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

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

Hình-5. Hai dạng minutiae quan trọng................................................................ 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 hợp màu. ........................................................................................ 10

Hình-9. Hệ tọa độ màu ..................................................................................... 11

Hình-10. Phân tích lược đồ xám....................................................................... 14

Hình-11. Giá trị ngưỡng tối ưu......................................................................... 15

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

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

Hình-14. Biểu diễn mask.................................................................................. 18

Hình-15. Loang rộng đối tượng........................................................................ 20

Hình-16. Thu nhỏ đối tượng............................................................................. 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 cường ảnh................................................................................. 30

Hình-22. Ước lượng orientation image............................................................. 33

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

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

Hình-25. Nhị phân hóa và làm mảnh đường vân .............................................. 36

Hình-26. Phát hiện minutiae............................................................................. 38

iv

Hình-27. Số minutiae phát hiện được ............................................................... 40

Hình-28. Lọc các minutiae ............................................................................... 40

Hình-29. Các minutiae được 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. Phương pháp chỉ số Poincaré............................................................. 44

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

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

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

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

Hình-37. Khớp mẫu từng đối tượng.................................................................. 49

Hình-38. Thực hiện matching........................................................................... 50

Hình-39. Kết quả nhận dạng............................................................................. 51

Hình-40. Cửa sổ giao diện................................................................................ 57

Hình-41. Mở một file ảnh................................................................................. 57

Hình-42. Cân bằng lược đồ xám....................................................................... 58

Hình-43. Biến đổi Fourier rời rạc và cân bằng cường độ sáng.......................... 58

Hình-44. Nhị phân hóa ảnh............................................................................... 59

Hình-45. Trường định hướng. .......................................................................... 59

Hình-46. Segmentation..................................................................................... 60

Hình-47. Phát hiện core.................................................................................... 60

Hình-47. Làm mảnh đường vân........................................................................ 61

Hình-48. Lọc minutiae. .................................................................................... 61

Hình-49. Hiển thị minutiae............................................................................... 62

Hình-50. Đối sánh vân tay................................................................................ 62

v

Danh mục một số thuật ngữ thường dùng

trong nhận dạng vân tay

• Ridge: Đường vân tay trên ngón tay người.

• Vallay: Đường rãnh xen kẽ hai đường vân tay.

• Singular: Điểm kỳ dị của vân tay trên ngón tay người, mang đặc điểm

phân loại.

• Core: Điểm “tâm” của vân tay, là một trong những điểm singular.

• Minutia: Điểm đặc trưng của vân tay trên ngón tay con người.

• Termination: Điểm kết thúc của đường vân, một loại minutia quan trọng.

• Bifurcation: Điểm trẽ ba của đường vân, là một loại minutia quan trong.

• Sweat pores: Vòng xuyến xếp liên tiếp tạo thành đường vân (thường quan

sát được khi ảnh vân tay ở độ phân giải cao: > 1000dpi).

• Orientation Image: Hình ảnh thể hiện các định hướng cục bộ của các

đường vân tay, bao gồm nhiều phần tử θ ∈ 0, π tại các điểm [i,j].

[

]

ij

• Direction Image: Tương tự như Orientation Image nhưng θ ∈ 0, 2π .

[

]

ij

• Segmentation: Phân định giữa vùng ảnh thể hiện đường vân và vùng ảnh

nền.

• Varance field: Một các thể hiện vùng ảnh thể hiện đường vân còn thô.

• Crossing number: Một phương pháp dùng để phát hiện minutiae.

• Poincaré: Một phương pháp dùng để phát hiện core theo trường vec-tơ

và đường bao.

• Ridge map: Ảnh đen trắng chỉ thể hiện các đường vân màu trắng nhưng

không nhất thiết các đường vân có độ rộng đồng đều.

• Thinned ridge map: Ảnh đen trắng thể hiện các đường vân màu trắng

nhưng nhất thiết các đường vân có độ rộng đồng đều 1pixel

vi

Lời nói đầu

Hiện nay, việc thu thập, xử lý thông tin qua ảnh để nhận biết đối tượng đang

được quan tâm và ứng dụng rộng rãi. Với phương pháp nay, chúng ta có thể thu

nhận được nhiều thông tin từ đối tượng mà lại không cần tác động nhiều đến đối

tượng nghiên cứu.

Một trong những nhóm ứng dụng hay gặp 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 kế 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 với ảnh vân tay).

Do đề tài có tính chất mới, trong quá trình làm đồ án em đã gặp rất nhiều khó

khăn. Được sự giúp đỡ, chỉ bảo tận tình của TSKH. TRẦN HOÀI LINH em đã

dần dần tiếp cận được tới lĩnh vực này và bước đầu đã đạt được một số các kết

quả (phân loại được hơn 90% các kiểu vân tay và định danh được vân tay).

Sau thời gian 15 tuần khẩn trương thực hiện đồ án tốt nghiệp, đề tài đã được

hoàn thành đúng kế hoạch. Em mong những thiếu sót của em trong đồ án sẽ

nhận được những ý kiến đóng góp quý báu của các thầy, cô cùng các bạn sinh

viên.

Em xin chân thành cảm ơn TSKH.TRẦN HOÀI LINH. Thầy đã tận tình chỉ

bảo em rất nhiều. Các thầy cô giáo trường Đại Học Bách Khoa, bộ môn Kỹ thuật

đo và Tin học công nghiệp đã cho em những kiến thức, kinh nghiệm, cùng

những bài học giúp trưởng thành hơn trong quá trình học tập ở trường.

Xin cảm ơn bạn bè, người thân, gia đình đã động viên, giúp đỡ và là chỗ dựa

vững chắc cho em trong quá trình học tập, làm đồ án.

vii

Xin cảm ơn Công ty TNHH Tin học và Điện tử Thăng Long cùng chú VŨ

QUANG THÀNH đã tạo điều kiện giúp đỡ, cho em nhiều lời khuyên bổ ích

trong quá trình thực tập tốt nghiệp và làm đồ án.

Hà Nội, ngày 20 tháng 5 năm 2007

Sinh viên thực hiện

Ngô Hồng Việt

viii

1. GIỚI THIỆU

1. Giới thiệu

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 tới thời gian gần đây, cùng với sự

ra đời của máy tính nó mới đạt được nhiều kết quả quan trọng và trở thành một

trong những phương pháp sinh trắc có độ tin cậy nhất.

Ảnh vân tay dùng để nhận dạng thường bị ảnh hưởng nhiều bởi điều kiện thu

thập số liệu (hình ảnh vân tay không trọn vẹn, bị xoay góc, méo hay có nhiều

nhiễu…) nên việc so sánh trực tiếp hai mẫu vân tay sẽ rất phức tạp 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 với vân tay khác) nhằm mục đích giải quyết vấn xử lý, lưu trữ vân tay

với số lượng lớn mà vẫn đảm bảo chính xác.

Các kỹ thuật thực nhận dạng vân tay cũng có khá nhiều. Tựu trung, quá trình

này trải qua ba công đoạn chính: thu nhận vân tay (i); trích chọn đặc tính vân

tay (ii); đối sánh vân tay (iii) [1]. Bởi 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 tới độ chính xác rất 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 lớn tới hàng trăm triệu vân tay, thời 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 giới hạn trong giám định hình sự. Trong ứng dụng dân sư, các hệ

thống nhận dạng thường được giới hạn ở một mức độ ít phức tạp hơn: số mẫu

không lớn (khoảng vài nghìn), cấu trúc hệ thống kiểu nối tiếp, ảnh đầu vào

không có quá nhiều nhiễu (nhằm giảm bớt gánh nặng xử lý tính toán),… có vậy

mới giải quyết được vấn đề chi phí đồng thời vẫn đảm bảo độ tin cây.

Đồ án này sẽ thực hiện nhận dạng vân tay bàng ảnh số theo hướng có thể

triển khai trong dân sư. Chính vì vây phương pháp nhận dạng là dựa trên cơ sở

phát hiện và sử dụng các điểm nút đặc trưng (gọi là minutiae) [2]. Đây là

1

1. GIỚI THIỆU

phương pháp thứ hai trong ba phương pháp nhận dạng được áp dụng nhiều hiện

nay [1], ch. 4. Hệ thống AFIS nói chung cũng sử dụng phương pháp này [11].

• Phương pháp thứ nhất, sử dụng đặc trưng tương quan của hai mẫu vân

tay. Xếp chồng trực tiếp hai mẫu này và dựa vào tương quan giữa các

pixel để tính toán sự khác nhau giữa hai mẫu. Phương pháp này không

thích hợp với đồ án vì đòi hỏi khối lượng tính toán lớn mà chất lượng ảnh

phải đảm tốt.

• Phương pháp thứ ba, sử dụng các đặc trưng về đường vân. Đường vân của

các mẫu được trích ra khỏi ảnh ban đầu rồi so sánh giữa chúng. Phương

pháp này không thích hợp với đồ án vì nó chỉ thích hợp với các mẫu có

chất lượng xấu (chẳng hạn như vân tay tội phạm để lại hiện trường sau vụ

án).

Đồ án sẽ sử dụng bộ mẫu chuẩn các vân tay đã được chuẩn bị trước. Đó là

các ảnh số vân tay lấy trong FVC200 (một bộ dữ liệu chuẩn quốc tế xây dựng

bởi phòng thí nghiêm hệ thống sinh trắc, đại học Bologna).

Trong tâm của đồ án tập 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 bước trước để đối sánh nhận

dạng vân tay (minutiae matching).

Đồ án trình bày theo cấu trúc:

• Chương 1: Giới thiệu chung.

• Chương 2: Vân tay trong sinh trắc học. Đề cập một số bộ phận của sinh

trắc học (trong đó có nhận dạng vân tay) và những tính chất gì quyết định

vân tay được ứng dụng nhiều nhất trong sinh trắc học.

• Chương 3: Đại cương 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.

2

1. GIỚI THIỆU

• Chương 4: Sơ đồ khối thiết kế hệ thống. Đề cập 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.

• Chương 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 được

nhiều nhà khoa học chọn để nghiên cứu và kiểm nghiệm kết quả).

• Chương 6: Trích chọn đặc tính vân tay và đối sánh vân tay. Đây một

trong những công đoạn quan trọng nhất của đồ án. Giai đoạn này áp dụng

các thuật toán xử lý ảnh để tạo mã vân tay.

• Chương 7: Đối sánh vân tay. Mẫu vân tay được tạo mã từ minutiae ở

công đoạn trước được đối sánh trong công đoạn này.

• Chương 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.

• Chương 9: Tổng kết và hướng phát triển. Trình bày những kết quả của đồ

án, những kiến thức bản thân thu được, các hạn chế và hướng phát triển

đề tài.

• Tài liệu tham khảo. Liệt kê một số tài liệu dùng tham khảo chính trong

đồ án.

• Phụ lục. Bao gồm danh sách các script file của phân mềm mô phỏng và

các bước thực hiện chạy phần mềm mô phỏng nhận dạng vân tay.

3

2. VÂN TAY TRONG SINH TRẮC HỌC

2. Vân tay trong sinh trắc học

Trong phần này sẽ trình bày những tiếp cận khởi đầu, như: vị trí của nhận dạng

vân tay trong sinh trắc học; những tính chất của vân tay để trở thành đối tượng

cơ bản của sinh trắc học; hình thức thể hiện và đặc tả của một mẫu vân tay và

những khó khăn gặp phải khi nhận dạng vân tay.

a)

b)

c)

Hình-1. Một số tín hiệu sinh trắc học cơ bản: a) giọng nói; b) đồng tử; c) chữ ký.

2.1. Vị trí của nhận dạng vân tay trong sinh trắc học

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

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

viết, chữ ký… Dưới đây là biểu đồ tương quan ứng dụng sinh trắc (số liệu thống

kê của International Biometric Group, 2002).

Hình-2. Đóng góp của các ngành trong sinh trắc học.

(vân tay đứng vị trí hàng đầu trong các ứng dụng nhận dạng)

4

2. VÂN TAY TRONG SINH TRẮC HỌC

2.2. Uniqe là một thuộc tính của vân tay

Cho tới nay, vẫn chưa có bằng chứng xác thực 100% vân tay trên các ngón tay

tuyệt đối mang tính cá nhân và không hề lặp lại. Câu trả lời chính xác chỉ có

được khi đem so sánh từng mẫu vân tay của mười đầu ngón người với hơn sáu tỉ

người còn lại. Tuy nhiên khi không xét tới phần nhỏ lẻ ấy có thể rút ra một số

tính chất cơ bản của vân tay để nó trở thành phổ biến trong ứng dụng nhận dạng

và định danh con người [2, 11]:

• Tính “phổ thông”, mọi người đều có.

• Tính cá nhân và không lặp lại. Xác suất trùng khớp với người khác gần

bằng không.

• Tính “bất biến”. Hình dạng tổng thể của vân tay trên các ngón tay của con

người không thay đổi theo thời gian. Ngay cả trường hợp bị chấn thưong

nhẹ, dấu vân tay vẫn có khả năng khôi phục lại.

2.3. Hình thức thể hiện và các đặc tả của vân tay

Nhằm mục đích mô tả người ta đã định nghĩa một số hình thức thể hiện vân tay.

Mỗi một trường hợp thể hiện thì sẽ có hình thức trích chọn đặc tả vân tay tương

ứng. Vì vậy, căn cứ vào ảnh vân tay đầu vào chúng ta có thể lựa chọn được đặc

tính cần trích chọn và dự kiến phương án nhận dạng.

Hình-3. Vân tay thể hiện ở cấp độ very-fine: các sweat pores được khoanh tròn,

điểm vân chẽ ba (bifurcation) và vân cụt (termination) đánh dấu hình tròn.

5

2. VÂN TAY TRONG SINH TRẮC HỌC

Hình thức thể hiện vân tay được chia thành ba cấp độ: global (thể hiện tổng

thể vân tay), local (thể hiện vân tay bởi một số nút đặc trưng khi đường vân làm

mảnh đến một pixel), very-fine (thể hiện bởi các vòng xuyến tạo hình nên đường

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

Đối với cấp độ very-fine thì đòi hỏi các phương 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 được các pores, ảnh cần có độ phân giải tối thiểu 1000dpi. Sau đây sẽ tìm

hiểu sâu hơn các đặc trưng vân tay ở hai cấp độ đầu.

a)

b)

c)

d)

e)

Hình-4. Vân tay thể hiện trong cấp 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 cấp độ global, đặc trưng vân tay liên quan nhiều đến sự tạo hình của

đường vân và các điểm kỳ dị (singular), chúng bao gồm: loop (đường vân tạo

vòng xoáy hở), delta (đường vân tạo hình tam giác). Điểm kỳ dị có vai trò quan

trọng trong việc thực hiện phân loại vân tay và tổ chức, xây dựng cơ sở dữ liệu.

6

2. VÂN TAY TRONG SINH TRẮC HỌC

Ở mức độ cục bộ, các đặc trưng của vân tay được gọi là minutiae. Người ta

đã thống kê có tới 150 đặc trưng loại này. Hai đặc trưng cơ bản và nổi trội hơn

cả là ride temination và ridge bifurcation (cũng được gọi tắt là minutiae)

a)

b)

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

2.4. Khó khăn gặp phải khi nhận dạng vân tay

Do điều kiện thu nhận ảnh quyết định nhiều đến chất lượng ảnh thu thập nên

nhiều khi các chi tiết trên mẫu vân tay không thể hiện rõ ràng. Có thể liệt kê một

số trường hợp dưới đây:

• Dry finger (vân tay thu nhận trong điều kiện “khô”): ảnh thu nhận sẽ có

nhiều chỗ đường vân bị mờ đi, đường vân bị lẫn với nền ảnh. Lực ấn của

tay nhẹ hoặc mực in không đủ (với vân tay lăn trên giấy) là các nguyên

nhân chính làm giảm chất lượng ảnh thu thập.

• Wet finger (vân tay thu nhận trong điều kiện “ướt”): ảnh thu nhận sẽ có

nhiều chỗ đường vân bị dính liền. Lực ấn của ngón tay quá lớn hoặc mực

in quá nhiều (với vân tay lăn trên giấy) là các nguyên nhân chính tạo

nhiễu trong trường hợp này.

• Vân tay thu nhận trong điều kiện bị biến dạng: ảnh thu nhận được có thể

thể hiện rõ nét nhưng các đường vân lại bị bóp méo không còn giống với

mẫu thực. Lực ấn, kéo và xê dịch tay là các nguyên nhân chính.

• Vân tay thu thập không đầy đủ: ảnh thu thập được chỉ có một phần vân

tay trên ngón tay. Nguyên nhân chính là do ngón tay đặt không đúng vị trí

chuẩn thu thập.

Tuy vậy trong thực tế cũng có nhiều mẫu vân tay thu thập trong điều kiện tốt

nên có chất lượng cao

7

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

3. Đại cương về ảnh số và xử lý ảnh trong Matlab

Đồ án này không xây dựng bộ thu thập mẫu vân tay mà sử dụng bộ mẫu chuẩn

quốc tế FVC2000 do phòng thí nghiệm hệ thống sinh trắc, đại học Bologna tạo

ra. Trong cơ sở dữ liệu ấy, các mẫu được lưu dữ dưới dạng ảnh số. Bởi vậy, quá

trình xử lý tính toán thực hiện đồ án phải làm việc chính với 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 cương về ảnh số

Ảnh có thể biểu diễn dưới dạng tín hiệu tương tự hoặc số. Trong phần sẽ tập

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 tập hợp các phần tử ảnh hay còn gọi là

các pixel, [i, j] . Ảnh được biểu diễn như một ma-trận hai chiều cỡ

, hai

W× H

thông số này cho biết thông tin về độ rộng và chiều cao ảnh. Giá trị của mỗi

phần tử của ma-trận I[i, j] biểu diễn cho mức xám hay cường độ ảnh tại vị trí

của phần tử đó.

f(1,1) f(1,2)L f(1,N)









f(2,1) f(2,2)L f(2,N)



f =

M

f(M,1) f(M,2)L f(M,N)





a)

b)

Hình-6. Biểu diễn ảnh số: a) hệ trục tọa độ trong Image Processing Toolbox;

b) ma-trận biểu diễn ảnh số

8

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

Tùy theo yêu cầu lưu trữ, các pixel sẽ được mã hóa bằng 8-bit, 16-bit,…

tương ứng với ảnh xám 256, 65536 mức.

Với ảnh đen trắng, các pixel này được lưu trữ bằng 1-bit. Cường độ ảnh I chỉ

có thể là một trong hai giá trị, I[i, j]∈ 0,1 . Ứng với giá trị 0 đó là các điểm đen,

[

]

còn với giá trị 1 đó là điểm trắng.

Với ảnh màu, cách biểu diễn cũng tương tự như với ảnh xám, chỉ khác là các

giá trị tại mỗi phần tử của ma-trận biểu diễn ba màu riêng biệt gồm: đỏ (Red-R),

lục (Green-G) và lam (Blue-B). Để biểu diễn cho ba màu riêng rẽ cần 24-bit, 24-

bit này được chia thành ba khoảng 8-bit. Mỗi khoảng này biểu diễn cho cường

độ sáng của một trong các màu chính.

3.1.2. Cơ sở về màu

Ánh sáng màu là tổ hợp các ánh sáng đơn sắc. Mắt người có thể cảm nhận được

một số màu nhất định nhưng lại có thể phân biệt được rất nhiều màu (trong vùng

quang nhìn thấy, có dải bước sóng

). Cảm nhận màu của con

400nm ÷750nm

người phụ thuộc vào ba thuộc tính B, H, S.

B (brightness): độ chói,

H (hue): sắc lượng,

S (saturation): độ bão hòa.

Hình-7. Cảm nhận của các tế bào nhạy sáng trong võng mạc mắt với các màu ánh sáng phụ

thuộc vào chiều dài bước sóng ánh sáng.

9

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

Trong võng mạc mắt người có các tế bào cảm thụ hình nón nhạy với ánh

sáng. Có khoảng 6 ÷7 triệu tế bào loại này trong mắt, chúng chia làm ba nhóm

nhạy với ba màu ánh sáng khác nhau: 65% tế bào nhạy với ánh sáng đỏ (red),

32% tế bào nhạy với ánh sáng xanh lục (green) và 2% còn lại nhạy với ánh sáng

xanh lơ (blue).

Tổ hợp B, H, S đối với từng ánh sáng màu trong ba màu này giúp mắt con

người có thể phân biệt được hàng ngàn màu. R, G, B còn được gọi là các màu cơ

sở.

Phân bổ phổ năng lượng của một nguồn sáng màu có bước sóng λ ký hiệu là

C(λ) và việc tổ hợp màu theo ba màu cơ sở (có các đường cong cảm nhận S₁,

S₂, S₃) mô tả bằng sơ đồ khối sau:

Hình-8. Tổ hợp màu.

Đáp ứng phổ α C sẽ được tính như sau trong dải bước sóng

_i

( )

λ_max

α C = S_i(λ)c(λ)dλ , i =1,3.

_i( )

∫

λ_min

Với phân phối xác xuất của ba màu p x , k =1,3 nên có:

_k

( )

xmax

p_k(x)dx =1.

∫

xmin

10

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

Giả sử ba màu cơ bản được tổ hợp theo tỉ lệβ λ , i =1,3. Để tạo ra một màu

_k

( )

3

có phân bố phổ năng lượng C λ sẽ bằng

β (λ)p (x) .

( )

∑

k

k=1

Thay giá trị vào phương trình về đáp ứng phổ:

λ max

3





α_i(c) =

S_i(λ)

β (x)p (x) dx = β (x)

S (λ)p (x)dx = β (x)a

∑

k

i

k

i,k







∫

k=1



λ min

λ max

trong đó:

.

α_{i, k}

=

S_i(λ)p_k(x)dx

∫

λ min

Như vậy có thể tổ hợp màu theo phép cộng màu với α_ilà hệ số tổ hợp theo công

thức tổng quát sau:

X =α₁R +α₂G +α₃B

Tổ chức quốc tế về chẩn hóa màu CIE đã đưa ra một số không gian màu như:

RGB, CMY, CMYK, HIS,… Trong đó mô hình RGB có vai trò quan trọng.

red









P_x= green







blue



a)

b)

Hình-9. Hệ tọa độ màu: a) mô hình màu RGB;

b) biểu diễn điểm ảnh trong hệ tọa độ màu RGB.

11

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

3.1.3. Chuyển đổi màu

Hệ tọa độ màu do CIE quy định như một hệ quy chiếu và trên thực tế không

thể biểu diễn hết các màu. Tùy thuộc vào các ứng dụng khác nhau người ta đưa

ra thêm một số hệ tọa độ khác như NTSC, CMY, YIQ... phù hợp với yêu cầu

hiển thị màu sắc. Việc chuyển đổi giữa các không gian biểu diễn màu thực hiện

theo nguyên tắc sau:

P_x= A × P_x^∗

,

trong đó:

không gian biểu diễn màu ban đầu,

không gian biểu diễn màu mới,

P :

x

P^∗:

x

A : ma-trận phép biến đổi.

Ảnh dùng trong đồ án này là ảnh xám. Mức xám là kết quả của sự mã hóa

tương ứng một cường độ sáng của điểm ảnh với một trị số. Giá trị của nó phụ

thuộc vào mức độ lượng tử hóa ảnh, như các ảnh dùng làm cơ sở dữ liệu đã lấy

8-bit để mã hóa ảnh (ứng với 256 mức xám, trong đó mức xám 0 là màu đen,

mức xám 255 là màu trắng).

Khi chuyển đổi từ ảnh màu RGB sang ảnh xám có thể dùng công thức sau:

grayscale = α₁R +α₂G +α₃B ,

các hệ số α_ilần lượt như dưới đây [6].

α₁= 0,2989;α₂= 0,5870;α₃= 0,1140

12

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

3.2. Xử lý ảnh số trong Matlab

Đứng về mặt xử lý tín hiệu nói chung và xử lý ảnh nói riêng, Matlab là công cụ

rất mạnh. Hầu hết các thuật toán về ảnh và xử lý ảnh đều đã được 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 tượng, khớp mẫu, các phép biến đổi

ảnh như xoay ảnh, chuẩn kích thước, tịnh tiến,... Các thư viện ngày càng được

mở rộng, các hàm ứng dụng có thể được lập bởi người sử dụng. Ứng dụng phần

mềm Matlab trong xử lý ảnh sẽ có được nhiều tiện ích và trợ giúp.

Câu lệnh Matlab được gần với các thuật ngữ mô tả kỹ thuật, câu lệnh ngắn

gọn và có thể tra cứu nhanh trong chức năng Help.

Trong Matlab có nhiều Toolbox hỗ trợ các ứng dụng chuyên sâu. Với bài

toán nhận dạng hình ảnh, các Toolbox thường được 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 được viết bằng ngôn ngữ lập trình phần

mềm Matlab. Các chương 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 được ứng dụng trong đồ án.

3.2.1. Histogram

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

Lược đồ xám biểu diễn trong hệ tọa độ Oxy: trục hoành biểu diễn N mức xám

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

tương ứng.

13

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

Lược đồ xám cung cấp thông tin về phân bố mức xám của ảnh. Nó cho phép

phân tích trong khoảng nào đó phân bố phần lớn mức xám của ảnh. Nếu ảnh

sáng thì lược đồ xám lệch về phía bên trái, nếu ảnh tối thì lược đồ xám lệch về

bên phải so với điểm quy chiếu (giữa mức xám N).

a)

b)

c)

d)

Hình-10. Phân tích lược đồ xám: a) ảnh sáng và b) lược đồ xám của (a) lệch phải;

c) ảnh tối và d) lược đồ xám của (c) lệch trái.

3.2.2. Phân ngưỡng cục bộ

Phân ngưỡng với mục đích làm tăng độ tương phản các đối tượng cần quan tâm

đông thời loại bớt nhiễu. Nếu phân ngưỡng toàn bộ ảnh nhiều khi tỏ ra không

hiệu quả, nhất là khi cường độ sáng của ảnh không đồng đều. Phân ngưỡng cục

bộ cũng giống như phân ngưỡng nhưng chỉ khác ở điểm: ngưỡng được chọn

thích nghi với từng vùng cục bộ của ảnh. Điều này rất có ý nghĩa trong khâu nhị

phân hóa ảnh vân tay. Vùng cục bộ thường dùng có thể là các block dạng hình

vuông hay hình chữ nhật.

14

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

Ảnh xám khi phân ngưỡng thì kết quả phân ngưỡng đi đôi với nhị phân hóa

ảnh. Một điểm bất kỳ (x, y) thuộc ảnh f khi có f (x, y) ≥ T thì được gọi là object

point (điểm trên nền), trường hợp còn lại gọi là background point (điểm nền).

Đối tượng ưu tiên trích chọn từ phân ngưỡng không quan trọng là

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

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

Hình-11. Giá trị ngưỡng tối ưu.

Kết quả phân ngưỡng được ảnh g(x, y) thì nó được định nghĩa liên hệ

1 : f (x, y) ≥ T



g x, y =

(

)





0 : f (x, y) < T

3.2.3. Biến đổi Fourier-2D rời rạc

Biến đồi Fourier rời rạc trong xử lý ảnh số nhằm mục đích lọc lấy các thành

phần tín hiệu ảnh có tần số trội. Với ảnh vân tay vùng ảnh co các đường vân

đóng vai trò làm tín hiệu có tần số trội.

Có f (x, y) , với x = 0, M −1 và y = 0, N −1 là một ảnh số cỡ

Fourier rời rạc của f là F(u,v) .

. Biến đổi

M × N

M −1 N −1

f (x, y)e^{− j2π ux/ M +vy/ N}⁾, u = 0, M −1, v = 0, N −1.

(

F(u,v) =

∑∑

x=0 y=0

15

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

Biến đổi ngược Fourier rời rạc định nghĩa bởi công thức:

M −1 N −1

F(u,v)e^{− j2π ux/ M +vy/ N}⁾, x = 0, M −1, y = 0, N −1.

(

f (x, y) =

∑∑

u=0 v=0

Biến đổi Fourier rời rạc của ảnh f còn được viết dưới dạng:

F(u,v) = F(u,v) e^{− jφ u,v}

,

(

)

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

(

)

Các bước thực hiện lọc ảnh trong miền tần số bằng biến đổi Fourier rời rạc

có thể mô tả bởi sơ đồ dưới đây.

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

3.2.4. Lọc ảnh Sobel

Lọc Sobel là một trường hợp của lọc số tuyến tính. Nghĩa là bộ lọc dùng một

convolution-mask (cửa sổ dùng để nhân chập, gọi tắt mask), rồi lấy tổng có trọng

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

toàn bộ miền tín hiệu ảnh, mỗi bước một pixel, cuối cùng thu ảnh kết quả.

16

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

với convolution-mask có cỡ

Tổng quát, lọc tuyến tính của ảnh số f cỡ

m× n định bởi như sau

M × N

a

b

g(x, y) =

w s,t f x + s, y + t ,

) (

(

)

∑ ∑

s=−a t=−b

trong đó: a = m −1 / 2, b = n −1 / 2 và x = 0, M −1, y = 0, N −1.

(

)

(

)

Hình-13. Các bước lọc ảnh bằng toán tử không gian.

17

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

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

9

R = w z = z + 2z + z − z + 2z + z ,

(

₉) (

)

∑

x

xi

i

7

8

1

3

4

i=1

9

R = w z = z + 2z + z − z + 2z + z ,

(

₉) (

)

∑

y

yi

i

3

6

1

4

7

i=1

trong đó z_ilà mức xám của ảnh.

a)

b)

Hình-14. Biểu diễn mask: a) các hệ số của mask cỡ

b) các hệ số của cặp mask dùng cho lọc Sobel

;

3×3

3.2.5. Phát hiện biên bằng toán tử gradient

Sử dụng toán tử gradient trong miền 2D là một trong các phương pháp dùng để

phát hiện biên. Toán tử định nghĩa như là một vec-tơ hai thành phần

G







_x ∂f ∂x





∇f =

=











G_y

∂f ∂y



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

2

x



_y²^1/2



∇f = mag ∇f = G + G

(

)





²^{1/ 2}

2

=

∂f / ∂x + ∂f / ∂y

,

(

)

(

)





α x, y = arctg G G .

(

)

(

)

x

y

18

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

Thông thường thành phần mô-đun chỉ cần tính xấp 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 phương ∇f ≈ G_x²+ G_y²và tổng các giá trị tuyệt đối ∇f ≈ G_x+ G_y.

19

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

3.2.6. Loang rộng và thu nhỏ đối tượng

Loang rộng (dilation) và thu nhỏ (erosion) đối tượng 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 tập hợp [3]. Đồ án sẽ

vận dụng nhiều hai thuật toán trong công đoạn: khoanh vùng ảnh, làm mảnh

biên, và hiệu chỉnh đường vân.

a)

c)

b)

d)

Hình-15. Loang rộng đối tượng. a) ảnh ban đầu với đối tượng hình chữ nhật;

b) strel có ba pixel xếp thành dạng đoạn thẳng, chéo 45⁰so với phương ngang;

c) strel di chuyển khắp ảnh và các điểm bị tác động; d) ảnh kết quả.

Phần tử cơ bản để thực hiện loang rộng hay thu hẹp gọi là structuring

element (viết tắt là strel). Căn cứ vào ảnh gốc cộng với độ lớn và hình dạng của

20

3. ĐẠI CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

strel, đối tượng bị cắt bớt hoặc thêm vào từng điểm ảnh (phù hợp với khuôn

hình của strel)

Trường hợp đặc biệt, áp dụng toán tử thu hẹp liên tiếp đủ số lần thì có quá

trình làm mảnh đối tượng tới một pixel.

a)

c)

b)

d)

Hình-16. Thu nhỏ đối tượng. a) ảnh ban đầu với đối tượng hình chữ nhật;

b) strel có ba pixel xếp thành dạng đoạn thẳng vuông góc với phương ngang;

c) strel di chuyển khắp ảnh và các điểm bi tác động; d) ảnh kết quả.

21