Фізико-механічний інститут ім.Г.В.Карпенка

Остап Володимир Петрович

УДК  004.932.72’1

Методи Опису та розпізнавання

дактилоскопічних зображень

для створення інформаційно-вимірювальних систем

05.11.16 – Інформаційно-вимірювальні системи

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

Львів - 2003

Дисертацією є рукопис.

Робота виконана у Фізико-механічному інституті ім.Г.В.Карпенка НАН України

Науковий керівник: доктор технічних наук, старший науковий співробітник

Русин Богдан Павлович,

завідувач відділу “Методи і системи обробки,

аналізу та ідентифікації зображень”

Фізико-механічного інституту ім.Г.В.Карпенка

НАН України

Офіційні опоненти: доктор технічних наук, професор

Поджаренко Володимир Олександрович,

завідувач кафедри метрології і промислової автоматики

Вінницького національного технічного університету

Міністерства освіти і науки України, м.Вінниця

доктор технічних наук, старший науковий співробітник

Муравський Леонід Ігорович,

завідувач відділу “Оптико-електронні інформаційні

системи” Фізико-механічного інституту ім.Г.В.Карпенка

НАН України, м.Львів

Провідна установа: Національний технічний університет України

“Київський політехнічний інститут”

Захист відбудеться “11” грудня 2003 р. о 10 годині на засіданні спеціалізованої вченої ради Д .052.10 у Фізико-механічному інституті ім.Г.В.Карпенка НАН України: 79601, м. Львів, вул. Наукова, 5.

З дисертацією можна ознайомитися у бібліотеці Фізико-механічного інституту ім.Г.В.Карпенка НАН України за адресою: 79601, м. Львів, вул. Наукова, 5.

Автореферат розісланий “8” листопада 2003 р.

Вчений секретар

спеціалізованої вченої ради Погребенник В.Д.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. З розвитком обчислювальної техніки все більше уваги приділяється створенню нових методів обробки та розпізнавання зображень в інформаційно-вимірювальних системах (ІВС). Як приклад, констатуємо той факт, що ще донедавна розпізнавання відбитків пальців було прерогативою криміналістів, а сьогодні ці методи знаходять застосування в різноманітних сферах діяльності людини. З’явилися нові ІВС розпізнавання об’єктів такі, як біометричні ідентифікаційні системи (БІС), а в криміналістиці - автоматизовані дактилоскопічні ідентифікаційні системи (АДІС). На жаль, до сьогодні в Україні немає загальнонаціональної АДІС, а використовуються російські системи “Сонда” і “Папілон” або білоруська “ДАКТО-2000”. З українських систем існують: “УкрДекс” (експлуатується в Державному науково-дослідному експертно-криміналістичному центрі (ДНДЕКЦ) м.Києва), яка вичерпала свої можливості, тому роботи над її удосконаленням припинені, та “Калина” (установлена в Науково-дослідному експертно-криміналістичному центрі (НДЕКЦ) м.Львова) – розробка Фізико-механічного інституту ім. Г.В.Карпенка НАН України на основі результатів представленої дисертаційної роботи. Система розроблялася згідно указу Президента України №1376/2000 „Про комплексну програму профілактики злочинності на 2001-2005 роки”, „ ...Створити: ... державну автоматизовану уніфіковану пошукову систему „Калина”...”. В галузі біометричних систем ситуація ще гірша, оскільки лише одна українська фірма “ЧЕЗАР” (Чернігів) випускає одиничними екземплярами БІС криптографічного захисту інформації в електронно-обчислювальних машинах. Світовий же ринок таких систем розвивається високими темпами і пропонує різноманітні системи захисту, починаючи від дверних замків і закінчуючи захистом банківських рахунків.

Хоча й існує велика кількість публікацій, більшість із них зосереджено на методах опису та розпізнавання дактилоскопічних зображень за особистими ознаками. Такі ознаки й методи розпізнавання відображають процес порівняння відбитків, що проводиться експертами-криміналістами. На жаль, ці ознаки є суб’єктивними і не повністю описують наявну на зображенні інформацію. Як результат, системи ідентифікації не працюють із фрагментами папілярних узорів відбитків, на яких є мало особистих ознак. Інші ж методи, які повністю порівнюють зображення відбитків з еталонним, не забезпечують необхідних експлуатаційних параметрів.

Відомі алгоритми й методи попередньої обробки дактилоскопічних зображень розроблені на емпіричних засадах та не використовують для його обробки усієї наявної на зображенні інформації. Жодним із дослідників не проведено аналізу й математичного моделювання спотворень таких зображень.

Розвинуті в роботі положення базуються на доробкові багатьох учених, зокрема Г.Василенка, Ф.Гальтона, Ту Дж, Р.Воробля, Б.Русина, Р.Гонсалеса, У.Претта, Б.Голда, Т.Павлідіса, А.Джейна, С.Панканті, С.Пребхеке, Л.Оґормана, Л.Хонга, Н.Раза, Д.Маріо, Д.Мальтоні.

Отже, особливо актуальною проблемою при створенні систем ідентифікації є розробка нових інформативних ознак і методів попередньої обробки, які б повніше використовували наявну на зображенні інформацію.

Слід наголосити, що тільки детальний аналіз і математичне моделювання спотворень, що виникають під час формування дактилоскопічних зображень, дозволить розробити методи попередньої обробки, які б максимально покращили якість відбитка папілярного узору. Розробка ж систем інформативних ознак, що не включають суб’єктивного фактора і максимально описують наявну на зображенні інформацію, дозволить усунути недоліки існуючих систем, а саме дозволить проводити ідентифікацію за зображеннями з малою площею папілярного узору (в БІС) і робити пошук злочинців за малорозмірними слідами (в АДІС).

Зв’язок роботи з науковими програмами, планами, темами. Задачі, які розглядаються в даній дисертаційній роботі, є складовою частиною наукових проектів, які здійснюються у відділі “Методи і системи обробки, аналізу та ідентифікації зображень” Фізико-механічного інституту ім.Г.В.Карпенка НАН України та на кафедрі радіоелектронних пристроїв та систем Національного університету "Львівська політехніка".

Дослідження, висвітлені в дисертаційній роботі, проводилися згідно з планом науково-дослідних робіт Фізико-механічного інституту ім.Г.В.Карпенка НАН України в рамках госпдоговору №2884 від 01.07.2000 „Розробка програмно-математичного забезпечення дактилоскопічної ідентифікації автоматизованої дактилоскопічної інформаційно-пошукової системи UkrDacto” та держбюджетної теми „Розробка методів та алгоритмів підвищення якості оптичних зображень стосовно до задач діагностики матеріалів та елементів конструкцій” (номер держ. реєстрації 0100V004859) та Національного університету "Львівська політехніка" у рамках держбюджетних тем ДБ “МОПОЗ” (номер держ. реєстрації 0100U000485) та ДБ "Зондування" (номер держ. реєстрації 0102U001180), де автор брав участь як виконавець.

Дослідження й роботи проводилися в тісній співпраці з ДНДЕКЦ м.Києва і НДЕКЦ м.Львова.

Мета й задачі дослідження. Метою дослідження є розробка методів опису та розпізнавання дактилоскопічних зображень для створення інформаційно-вимірювальних систем ідентифікації. Для досягнення цієї мети в роботі поставлено та вирішено такі задачі:

·

·

·

·

·

·

·

Об'єктом дослідження є дактилоскопічні зображення відбитків пальців.

Предметом дослідження є системи інформативних ознак та методи порівняння дактилоскопічних зображень відбитків пальців.

Методи дослідження. У роботі використано методології числового моделювання та аналітичного обґрунтування. Вирішення поставлених задач здійснено на основі положень та методів теорії побудови ІВС, розпізнавання об’єктів і зображень, обробки зображень, теорії ймовірності, статистичної теорії оцінювання, числового аналізу та комп'ютерного моделювання.

Наукова новизна одержаних результатів складається з таких положень:

·

·

·

·

·

·

·

·

Практичне значення одержаних результатів.

·

·

·

·

Реалізація та впровадження результатів роботи. Теоретичні положення, розроблені в дисертації, є певним внеском у систему знань про процеси формування, обробки та розпізнавання зображень в ІВС. Прикладні програми моделювання методів обробки та розпізнавання зображень використовуються в навчальному процесі Національного університету "Львівська політехніка" при викладанні дисциплін “Цифрове телебачення”, “Системи розпізнавання”, “Цифрова обробка сигналів”.

На основі розробок, блок-схем та рекомендацій до побудови АДІС Фізико-механічним інститутом (ФМІ) НАН України в співпраці з НДЕКЦ м.Львова було розроблено програмний комплекс АДІС “Калина”. Розроблені методи успішно використані для обробки зображень мікроструктури металів і виділення на них тріщин для їх подальшої автоматичної обробки. Розробки, блок-схеми та рекомендації до побудови БІС були використані відділом алгоритмів розпізнавання відбитків пальців фірми “Тестеч” (“Testech”, Seoul, Korea) для розробки БІС контролю доступу до електронно-обчислювальних машин і приміщень. Практичну цінність отриманих результатів підтверджують акти впровадження, отримані у ФМІ НАН України, фірмі “Тестеч”, Державному науково-дослідному підприємстві "Конекс", Львівському центрі космічних досліджень НАН України та НКА України, Національному університеті "Львівська політехніка".

Особистий внесок здобувача. Автором самостійно виконано основну частину теоретичних досліджень. Створено програми та проведено тестування методів обробки зображень, генерування векторів ознак та їх порівняння. Проведено тестування на реальних тестових масивах АДІС та БІС, побудованих на основі даної роботи. У публікаціях, написаних у співавторстві, автору належать: огляд систем інформативних ознак [1], аналіз та математичне моделювання спотворень, які виникають у процесі формування зображень [2], квазіоптимальний частотно-селективний фільтр з адаптивною смугою пропускання [3], методи оцінки зображень локальної орієнтації та локального періоду [4-7], система інформативних ознак [8-9,11] та метод їх порівняння [8-11], багатоетапна процедура ідентифікації та критерії настройки її етапів [11]. Отримано імовірнісні характеристики систем та проведено їх порівняння з існуючими [8,11].

Апробація результатів дисертації. Результати дисертаційної роботи представлено на 4 науково-технічних конференціях, а саме: Шістнадцята відкрита науково-технічна конференція молодих науковців і спеціалістів Фізико-механічного інституту ім. Г.В.Карпенка НАН України (КМН-2001), Львів, 2001 рік; Міжнародна науково-технічна конференція “Досвід розробки та застосування приладо-технологічних САПР мікроелектроніки (CADSM)”, Славсько-Львів, 2001 рік; Міжнародна науково-технічна конференція “Сучасні проблеми засобів телекомунікації, комп’ютерної інженерії та підготовки спеціалістів (TCSET)”, Славсько-Львів, 2002 рік; Шоста всеукраїнська міжнародна конференція “Оброблення сигналів і зображень та розпізнавання образів (УкрОБРАЗ’2002)”, Київ, 2002 рік.

Публікації. Основні результати дисертації опубліковані в 11 роботах, 4 з яких - статті у фахових виданнях із переліку, затвердженого ВАК України, 1 патент із двома способами розпізнавання зображень.

Структура й обсяг дисертаційної роботи. Дисертація складається із вступу, чотирьох розділів, висновків, списку використаної літератури та додатків, що викладені на 168 сторінках. Дисертація містить 52 ілюстрації обсягом 16 стор., шість додатків на 13 стор. і список використаних джерел з 106 назв на 11 стор.

ОСНОВНИЙ ЗМІСТ ДИСЕРТАЦІЙНОЇ РОБОТИ

У вступі обґрунтовано актуальність проблеми створення ефективних систем інформативних ознак, методів обробки та розпізнавання дактилоскопічних зображень, показано її зв'язок із науковими програмами, сформульовано мету та задачі досліджень, наукову новизну і практичне значення отриманих результатів. Наведено дані про впровадження результатів роботи, особистий внесок автора та публікації.

У першому розділі “Огляд методів формування, обробки та розпізнавання зображень відбитків пальців в інформаційно-вимірювальних системах” здійснено аналіз властивостей об’єкта дослідження, виділено його особливості, як носія інформації про людину. Проведено огляд існуючих ідентифікаційних систем, принципів їх роботи, проаналізовано біометричні характеристики людини, що використовуються для ідентифікації. Проаналізовано способи формування зображень відбитків пальців, алгоритми та методи їх обробки. На основі аналізу виділено недоліки та переваги кожного методу, намічено структуру попередньої обробки і необхідних у ній етапів. Проведено детальний аналіз та класифікацію існуючих систем інформативних ознак, методів їх порівняння. Окремо розглянуто кореляційні та комбіновані методи порівняння зображень. На основі вивчення властивостей об’єкта дослідження та методів їх порівняння виділено основні недоліки, що дозволило намітити шляхи подальших досліджень і напрям роботи.

Результати проведеного аналізу існуючих методів обробки свідчать про їх емпіричний характер, оскільки більшість розробників базуються на власному досвіді, а не на математичній моделі процесу формування зображення. Наголошено, що існуючі методи обробки не повністю використовують наявну на зображеннях інформацію для подальшої їх обробки з метою покращення структури папілярних ліній. Проведено аналіз та класифікацію існуючих систем інформативних ознак та методів їх порівняння, які використовуються для таких зображень, що вказує на їх суб’єктивність і те, що вони описують лише певні особливі точки папілярного узору, залишаючи поза увагою іншу наявну на зображенні інформацію.

Обґрунтовано необхідність розробки нових та удосконалення існуючих методів обробки, формування нової структури попередньої обробки з включенням у неї додаткових етапів. Наголошено на необхідності розробки нових систем інформативних ознак для повнішого використання інформації на зображеннях, методів їх порівняння та багатоетапної процедури ідентифікації.

У другому розділі “Моделювання спотворень і методи обробки дактилоскопічних зображень” проведено аналіз та математичне моделювання спотворень зображень, що виникають на етапі їх формування. Виділено особливості зображень папілярного узору, на основі яких будуються методи обробки. Описано методи, які включені в попередню обробку зображень (ПОЗ), а саме: удосконалений метод сегментації, розроблений квазіоптимальний частотно-селективний фільтр з адаптивною смугою пропускання, удосконалений метод оцінки зображення локальної орієнтації, удосконалений метод локальної нормалізації, спрямований фільтр Габора, запропоновано використовувати перетворення гістограми. Наведені висновки зроблено на основі проведених у розділі досліджень.

На основі вивчення літератури та аналізу процесу формування, виділено такі типи спотворень:

- Невідповідний контакт папілярного узору і слідонесучої поверхні, ефект “губки” – змодемодельовано геометричними нелінійними перетвореннями відносно ідеального неспотвореного зображення.

- Нерівномірний контакт – змодемодельовано кривою зміни локального контрасту з обмеженнями яскравості в області локалізації спотворення та мультиплікативним шумом.

- Пошкодження папілярних ліній – як і для першого типу, змодемодельовано геометричними нелінійними перетвореннями, але у функціях перетворення з'являються точки розриву.

- Спотворення, викликані способом отримання дактилоскопічних зображень – враховано введенням адитивного та мультиплікативного шуму.

Запропонована математична модель процесу формування зображення в області дії спотворень матиме такий вигляд:

, (1)

де – ідеальне та спотворене зображення, – функції геометричних перетворень, , – екстремальні значення яскравості вихідного зображення, , – границі обмеження яскравості, – мультиплікативний шум, – адитивний шум. Наголошуємо, що області дії спотворення можуть перекриватися.

На основі зіставлення ідеального зображення папілярного узору та спотвореної дифракційної ґратки виділено такі особливості об’єкта досліджень:

- колова анізотропія спектра повного зображення та точкова анізотропія фрагмента потоку папілярних ліній;

- ідеальне зображення папілярного узору локально нормалізоване за яскравістю;

- гістограма яскравості описується параболічною кривою.

На основі моделювання спотворень та наведених особливостей ідеального зображення вибрано методи попередньої обробки, удосконалено існуючі або розроблено нові, а саме:

· Удосконалений метод сегментації, який на відміну від існуючих блочних, проводить попіксельну сегментацію, простіший та гнучкіший у виконанні. Метою його застосування в ПОЗ є виділення інформативної області зображення, де присутній папілярний узор. Сегментація включає обчислення градієнта яскравості зображення за допомогою операторів Кірша, обчислення норми градієнта, подальшу медіанну фільтрацію, порогову бінаризацію результуючого зображення та перемноження його з вхідним. Використання медіанної фільтрації зумовлене необхідністю формування згладженої картини градієнта, на якій були б усунуті імпульсні шуми від фонових об’єктів, що еквівалентно усуненню із зображення неінформативних фонових об’єктів на етапі сегментації.

· Розроблений квазіоптимальний частотно-селективної фільтр з адаптивною смугою пропускання, який, на відміну від просторового квазіоптимального фільтра, не має просторової селективності та додана адаптивна смуга пропускання. Цей метод не вимагає додаткових оцінок параметрів як спрямовані фільтри, тому може використовуватися перед оцінкою локальних характеристик зображення, чим і підвищить точність цих етапів ПОЗ.

Визначення амплітудно-частотної характеристики (АЧХ) фільтра передбачає інтегральну оцінку проекції й визначення за нею верхньої та нижньої частоти пропускання (рис.1).

АЧХ у циліндричній системі координат такого фільтра описується формулами:

, (2)

, (3)

де - координати в циліндричній системі координат, - спектр зображення, - частота, яка відповідає локальному пікові проекції спектра і глобальній частоті папілярних ліній, що обернено пропорційна до глобального періоду, - нижня частота смуги пропускання фільтра, визначається, як локальний мінімум проекції, - верхня частота, визначається за точкою перетину кривої (значення визначається експериментально), - енергія ВЧ шумів.

· Удосконалений метод блочної середньоквадратичної оцінки зображення локальної орієнтації за кутом градієнтів яскравості. Для цього дискретне зображення розбивається на блоки розміром 44 точки, в межах яких орієнтація приймається постійною і для них оцінюється орієнтація папілярних ліній у блоках розміром 2424 точки і які є центрованими відносно (,- розмір зображення).

Оцінка проводиться за формулами:

(4)

, (5)

де - масиви значень елементів градієнтів яскравості зображення. Використання блоків, що перекриваються, для оцінки локальної орієнтації дозволило збільшити точність оцінки, особливо в областях із локальними спотвореннями (шрам, рана, зморшка тощо), відмовитись від подальшого проведення згладження зображення локальної орієнтації, не проводити ітераційної оцінки, як це роблять в існуючих методах. Зображення локальної орієнтації , яке оцінюється цим методом, необхідне для адаптації АЧХ спрямованого фільтра Габора.

· Удосконалений метод локальної блочної нормалізації яскравості, який базується на другій і третій особливості об’єкта дослідження. Існуючі методи базуються на тому, що зображення має нормальний закон розподілу яскравості, що не відповідає дійсності. Точно оцінити параметри нормального розподілу в малому околі точки нормування неможливо (а тому локальна нормалізація буде мати збої), але можна точно оцінити величини максимальної й мінімальної яскравості околу, які є параметрами параболічного закону розподілу. Оцінка й нормалізація проводиться блочним методом аналогічно до оцінки зображення локальної нормалізації

, (6)

де, - мінімальна й максимальна яскравості в межах блоків, - нормалізоване зображення. Локальна нормалізація дозволяє частково усувати спотворення нерівномірного контакту.

· Розроблений метод частотної блочної оцінки зображення локального періоду, який базується на першій особливості об’єкта. Вхідне зображення розбивається на блоки розміром 3232, , в межах яких період вважається постійною величиною. Оцінюється частота папілярних ліній у межах блоків розміром 128128 точки, які центровані відносно (аналогічно до оцінки зображення локальної орієнтації). Для цього обчислюється спектр блоку , визначається розподіл частот папілярних ліній у блоці , за проекцію (3) спектра находиться координата її піка в СЧ області і записується в масив зображення локального періоду . Задачею такого етапу в ПОЗ є оцінка локальних характеристик зображення для адаптації фільтра Габора.

· Обробка спрямованим фільтром Габора, який адаптується до точкової анізотропії фрагмента потоку папілярних ліній, що описується частотою та орієнтацією, котрі відповідають локальній частоті й орієнтації папілярних ліній. Отже, адаптувавши параметри фільтра Габора до параметрів точкової анізотропії, отримуємо адаптований до параметрів папілярних ліній квазіоптимальний частотно та просторово-селективний фільтр, який пропускає без змін гармонічні складові, що відповідають центру анізотропії і подавляє інші. Оскільки параметри папілярних ліній змінюються, то адаптація АЧХ фільтра проводиться для кожної точки зображення згідно із зображеннями локальної орієнтації та періоду . Оскільки імпульсна характеристика (ІХ) є локалізована, то розмір її обмежується й проводиться пряма згортка зображення з адаптацією ІХ для кожної його точки:

, (7)

, (8)

, , ,

, - оброблене й вхідне зображення, - розмір масиву ІХ, - ширина ІХ.

Фільтр Габора дозволяє максимально відфільтрувати шуми, усуває НЧ і ВЧ та СЧ шуми, які характеризуються спектральними складовими, що не збігаються із локальним напрямком та періодом папілярних ліній, на які налаштована його ІХ.

· Перетворення гістограми, яке передбачає приведення гістограми кінцевого зображення до гістограми ідеального (див. третю особливість об’єкта дослідження).

Методи, які запропоновано для ПОЗ, забезпечують максимальне наближення параметрів реального зображення до ідеального, усунення шумів та спотворень, відновлення папілярних ліній. І, в першу чергу, забезпечує необхідні для розпізнавання параметри зображення, а саме рівність енергії яскравості будь-яких однорозмірних фрагментів зображення з області .

У третьому розділі “Системи інформативних ознак і методи їх порівняння” розроблено критерії доцільності вибору етапів у багатоетапному процесі ідентифікації, розроблено систему інформативних ознак зображення локальної орієнтації, які описують потоки папілярних ліній, систему спектральних ознак для повного опису зображень, методи їх порівняння та адаптивні до якості вхідного зображення ітераційний та лінійні пороги ідентифікації для кожного етапу.

Концепція застосування багатоетапної процедури ідентифікації в роботі полягає у взаємній компенсації недоліків різних ознак. Розроблений процес ідентифікації базується на точності кореляційних і швидкості структурних методів порівняння зображень. Для того, щоб побудувати багатоетапну ідентифікацію, яка представлена в наступному розділі, розглядається двоетапний метод.

Для того, щоб вибрати та налаштувати перший етап ідентифікації, розроблені два критерії доцільності та налаштовування, а саме:

, (9)

, (10)

де, , - імовірності неправильної неідентифікації, неправильної та правильної ідентифікації першим етапом, , - час порівняння першим та другим етапами ідентифікації.

Забезпечення першого критерію не дозволить погіршити загальні імовірнісні характеристики, а другого – зменшити часові затрати на ідентифікацію, які будуть рівні часу порівняння вхідного зображення першим етапом.

На першому етапі ідентифікації запропоновано описувати зображення локальної орієнтації, яке описує потоки папілярних ліній, що є стійкими до спотворень формуваннями. Для цього визначаються координати центра узору і навколо нього описуються чотири концентричних кола радіусами ( - середній період папілярних ліній, - номер кола,80 (рис.2).

Вектор інформативних ознак локальної орієнтації є масивом розміром 4360 і описується так:

, (11)

де - значення локальної орієнтації папілярних ліній -ї точки -го кола.

Такий вектор ознак є інваріантним до зсуву, а інваріантність до повороту забезпечується циклічним зсувом одного з векторів під час обчислення різниці між векторами:

, (12)

де - кількість елементів вектора ознак, - межа інваріантності за кутом, - вектор ознак вхідного зображення, - вектор ознак еталона з бази даних (БД). Значення зсуву , для якого різниця між та циклічно зсунутим є найменшою, відповідає орієнтації вхідного зображення відносно еталонного.

Для другого етапу ідентифікації розроблено систему спектральних ознак у сукупності з кореляційним методом порівняння. Можливість опису зображення обмеженою кількістю спектральних складових випливає з першої особливості об’єкта дослідження, а тому спектр зображення розбивається на інформативну й неінформативні області (рис.3). Далі вектор ознак формується зі спектральних складових інформативної області А (рис.3) і запишеться так:

,

, (13)

де - дискретні відліки осей просторових частот спектра обробленого зображення.

Розроблено кореляційний метод порівняння вхідного зображення з еталонним, який передбачає порівняння зображень на основі кореляційної функції, обчисленої за векторами спектральних ознак та:

, , (14)

, , (15)

, , (16)

, , (17)

де , - масиви кореляційної функції в просторовій і частотній областях, - кількість елементів у векторах ознак, - добуток елементів векторів та , - масиви координат спектральних складових, які записані у вектори ознак, - обернене дискретне перетворення Фур’є, - енергії спектральних складових векторів та , - нормований пік кореляційної функції зображень, що порівнюються.

Мірою подібності двох зображень є величина . Нормування її до меншої енергії забезпечує можливість ідентифікувати фрагмент узору з його повним відбитком. При цьому пік буде рівний одиниці з точністю забезпечення ПОЗ рівності їх енергій (похибка не більша 10%). Координати піка відповідають зсуву вхідного зображення відносно еталонного.

Отже, поєднання спектральних ознак та кореляційного методу порівняння за ними дозволило усунути суттєвий недолік таких методів, а саме: необхідність збереження в базі даних повного зображення еталона. Використання для обчислення значення спектральних складових з області А (рис.3) дозволило усунути з процесу розпізнавання висококорельовані НЧ і низькокорельовані ВЧ складові зображення і, тим самим, збільшити точність ідентифікації. Нормування піка кореляційної функції за меншою енергією (17) дозволило проводити ідентифікацію узору за його фрагментом із точністю ідентифікації двох повністю відображених відбитків одного пальця. Кореляційний метод є інваріантним до зсуву, а інваріантність до повороту буде забезпечена процесом багатоетапної ідентифікації.

Для комбінування багатоетапної процедури ідентифікації запропоновано використовувати адаптивні до якості вхідного зображення пороги ідентифікації. Для цього якість вхідного зображення визначена, як потужність спектральних складових інформативної області спектра центральної зони узору:

, (18)

- спектр центральної зони узору, - інформативна область спектра . На основі дедуктивного методу аналізу, аналітичного виведення і, враховуючи статистичну взаємозалежність орієнтації потоків папілярних ліній, доведено, що два відбитки одного пальця без геометричних спотворень будуть мати мінімальну різницю (12). На основі цього розроблено ітераційний адаптивний до якості поріг ідентифікації за векторами ознак зображення локальної орієнтації:

, (19)

де - мінімальна різниця (12) отримана на першому етапі, , - параметри, які визначаються під час навчання системи на тестовому масиві зображень і відповідають за налаштовування порогу до геометричних спотворень та збоїв в оцінці орієнтації. Оскільки значення змінюється в процесі порівняння вхідного зображення з еталонними, то і значення порога буде ітераційно змінюватися.

Такий поріг дозволяє максимально зменшити кількість кандидатів, що необхідно порівнювати кореляційним методом, що еквівалентно зменшенню часозатрат і забезпеченню критерію (10). Налаштовування ж параметрів цього порога за тестовим масивом дозволить забезпечити критерій (9).

Отже, комплексно застосувавши розроблені ознаки й методи у двоетапній процедурі ідентифікації, досягаємо взаємокомпенсації їх недоліків із збереженням їх переваг.

Четвертий розділ “Реалізація попередньої обробки та розпізнавання дактилоскопічних зображень у системах ідентифікації” присвячений створенню блок-схем етапів попередньої обробки та ідентифікації, розробці рекомендацій практичного застосування методів та систем інформативних ознак, формуванню багатоетапної процедури ідентифікації, практичному тестуванню програмно створених на базі роботи АДІС “Калина” та БІС.

На основі методів, представлених у розділі 2, розроблено блок-схему ПОЗ для БІС та АДІС, які відрізняються методами оцінки зображення локальної орієнтації. Блок-схему складнішої ПОЗ для АДІС подано на рис. 4.

Далі, для подальшого пришвидшення роботи та точності системи ідентифікації запропоновано ввести надлишковість опису й формувати два вектори спектральних ознак в АДІС і один у БІС. А саме, описувати спектральними ознаками центральну зону узору, яка є найінформативнішою, оскільки густина розподілу точок аномальної поведінки папілярних ліній, що визначають її унікальність у цій зоні є найбільшою. Додатково слід зазначити, що ця зона є завжди присутньою на зображеннях у БІС, що є важливим для ідентифікації. Для формування спектральних ознак центральної зони узору вирізаємо окіл центра діаметром 100 точок для вхідного зображення та 120 точок для еталонних. Використання околів різних розмірів забезпечує нечутливість кореляційного методу до неточності визначення центра узору в межах ±10 точок.

Розроблено критерій для покращення результатів ідентифікації за спектральними ознаками, який виражається у максимізації віддалі між еталонами в просторі ознак, що відповідає максимальній різниці векторів ознак. Для цього необхідно максимізувати різницю між коефіцієнтами кореляції двох відбитків одного узору і двох різних узорів , змінюючи значення (рис.3).

Оскільки спектральні ознаки й кореляційний метод їх порівняння не є інваріантним до повороту, то запропоновано формувати на етапі ідентифікації набір векторів спектральних ознак для набору кутів із діапазону інваріантності . Досліджено, що при повороті на 0,5? коефіцієнт кореляції зменшується на 9%, що є несуттєвим. Тому, формуємо набір спектральних ознак центральної зони та всього зображення, для кожного градуса.

В загальному чотириетапна процедура ідентифікації для АДІС та триетапна для БІС передбачає такі блоки (дужками позначені дії або блоки притаманні лише конкретному типові системи):

1. Ідентифікація за вектором, що передбачає порівняння вхідного зображення з усіма еталонними за формулою (12) й ітераційним адаптивним порогом (13), формування списку кандидатів, сортування (БІС) у напрямку збільшення різниці між (12) (найподібніший еталон буде порівнюватися першим на наступному етапі). Результатом є список і кут повороту вхідного зображення відносно еталонного. Етап не передбачає видачі рішення про ідентифікацію.

2. Ідентифікація за набором векторів методом, описаним формулами (14-17) і лінійним адаптивним порогом для переходу на наступний етап або загальним порогом ідентифікації для видачі рішення про ідентифікацію (БІС). Результатом етапу є розріджений список (АДІС), уточнений кут , координати піку кореляційної функції (16).

3. Корекція координат центра узору за координатами піка кореляційної функції, генерування набору векторів, , обчислення міри подібності їх з еталонними за (14-17), порівняння її з лінійним адаптивним порогом (АДІС) або загальним порогом ідентифікації (БІС). Результатом є рішення про неідентифікацію або ідентифікацію (БІС), розріджений список кандидатів (АДІС), уточнений кут (АДІС), міра подібності (АДІС).

4. Порівняння за набором спектральних ознак (АДІС). Результатом є список кандидатів із мірами подібності, зсувом і кутом між вхідним й еталонним зображенням.

Така багатоетапна процедура ідентифікації дозволила зменшити часозатрати і збільшити точність ідентифікації. Наприклад, час ідентифікації для БІС визначається першим етапом, який є дуже швидким.

Проведено налаштовування адаптивних порогів ідентифікації етапів за критеріями (9-10) на тестовому масиві зображень, яке проводилося за експериментальною залежністю міри подібності (16) або різниці (12) від якості зображення (19).

Тестування характеристик АДІС та БІС проводилося на ЕОМ із процесором Pentium III – 600МГц. Програми виконані в Visual C++ 6.5, код не оптимізований. Тестова база для БІС складається з 1000 зображень 256 градацій сірого (100 пальців із 10-ма відбитками кожного) розміром 400300 точок. Оцифровування проводилася біосенсором фірми Testech. Для АДІС тестова база складається з 5000 еталонних зображень 256 градацій сірого, розміром 512512 точок, оцифрованих із дактилокарт прикладною відеосистемою ELMO та 40 зображень слідів такого ж формату. Часові показники роботи систем такі: час попередньої обробки 0.8сек в БІС і 10сек в АДІС, середній час ідентифікації у БІС 1,5сек і порівняння в АДІС 6хв.

Імовірнісну характеристику АДІС представляє розподіл місць еталона в списку кандидатів, який відповідає вхідному зображенню (рис.5), а БІС – залежність ймовірностей неправильної ідентифікації (ІНІ) та неідентифікації (ІНН) від загального порогу (рис.6).

Порівняти імовірнісні показники АДІС з існуючими немає можливості оскільки такі дані не публікуються, але можемо наголосити, що пошук злочинця в АДІС вважається успішним, якщо його еталонний відбиток знаходиться в списку з 30-ти кандидатів. Отже, в АДІС проведена 100% ідентифікація злочинців. Розроблена АДІС повністю автоматизована (на відміну від Дакто-2000, Сонда 7, в яких оператори повинні коректувати скелети), не вимагає наявності особистих ознак на відбитку (як в існуючих системах), що дозволяє здійснювати пошук за слідами малого розміру (чого не роблять існуючі АДІС).

Імовірнісні показники БІС є кращі або рівні існуючим, але розмір області, за якою проводиться ідентифікація, рівний ?100100 точок. Для більшості відбитків із таким розміром інформативної області існуючі алгоритми видаватимуть повідомлення про малу кількість ознак для опису без подальшої ідентифікації. Імовірнісні характеристики й можливості розроблених систем підтверджують досягнення мети роботи.

ВИСНОВКИ

У дисертаційній роботі розроблено нові системи інформативних ознак зображень папілярних узорів і методи їх порівняння. Найбільшу увагу звернено на спектральні ознаки, які будуються за допомогою перетворення Фур’є та багатоетапну процедуру ідентифікації. Оскільки результати розпізнавання прямо залежать від якості зображень, за якими проводиться ідентифікація, то розроблено нові або удосконалено існуючі методи попередньої обробки. Нижче перераховані основні результати отримані в роботі:

1. Проведено порівняльний аналіз і класифікацію відомих алгоритмів і методів попередньої обробки, а також систем інформативних ознак папілярних узорів і методів їх порівняння. Встановлено, що існуючі методи попередньої обробки таких зображень базуються на емпіричних засадах і не використовують усіх можливих засобів для їх покращення. Більшість існуючих систем інформативних ознак папілярних узорів не описують усієї наявної на зображенні інформації, а системи, які використовують повні зображення для порівняння, не забезпечують необхідних експлуатаційних параметрів.

2. Уперше проведено математичне моделювання спотворень, що виникають під час формування зображення відбитка. Описано характеристики ідеального зображення папілярного узору. Це дозволило розробити нові й удосконалити існуючі методи попередньої обробки.

3. Розроблено квазіоптимальний частотно-селективний фільтр з адаптивною смугою пропускання, що дає змогу проводити фільтрацію зображення перед оцінкою його локальних характеристик, усувати НЧ, ВЧ і зменшувати СЧ шуми, тим самим збільшити точність оцінки та якість спрямованої фільтрації.

4. Розроблено новий частотний метод оцінки локального періоду папілярних ліній, який, на відміну від існуючих просторових, дозволяє проводити коректну оцінку в пошкоджених областях і в областях із нерегулярною поведінкою потоку або високою крутизною зміни його напрямку. Це, у свою чергу, дозволяє точніше адаптувати спрямований фільтр Габора до точкової анізотропії зображення потоку папілярних ліній.

5. Удосконалено методи сегментації, оцінки локальної орієнтації папілярних ліній і нормалізації яскравості зображення, що дозволило покращити результати обробки. Запропоновано використовувати перетворення гістограми для приведення її до гістограми ідеального зображення папілярного узору і тим самим максимально наблизити параметри вихідного зображення до параметрів ідеального.

6. Розроблено нову систему інформативних ознак зображення локальної орієнтації, яке відображає потоки папілярних ліній, що є найстійкішими формуваннями узору, і метод їх порівняння, які в сукупності інваріантні до зсуву та повороту та не вимагають значних обчислювальних затрат і, на відміну від класифікаційних ознак (що використовуються для класифікації узорів за потоками), повністю позбавлені суб’єктивізму. Запропоновано використовувати їх для першого швидкого етапу ідентифікації.

7. Розроблено нову систему спектральних інформативних ознак і кореляційний метод їх порівняння. Ці ознаки дали змогу повністю описувати зображення папілярного узору, а не лише його особливі точки. Розроблений кореляційний метод дозволяє проводити порівняння зображень за їх спектральними ознаками і на відміну від існуючих методів, проводити ідентифікацію як за повним, так і за фрагментом узору. Він також не вимагає на відміну від існуючих кореляційних методів, збереження в базі даних повного зображення.

8. Розроблено критерії доцільності застосування багатоетапного методу ідентифікації, які також є критеріями налаштовування адаптивних порогів кожного етапу, що дозволило розробити багатоетапну процедуру ідентифікації з адаптивними лінійними та ітераційними порогами, за допомогою якого поєднано дві системи інформативних ознак і досягнуто взаємокомпенсації недоліків та збереження переваг кожної з них, а саме: зменшено час ідентифікації, імовірності неправильної ідентифікації та неідентифікації.

9. Проведено тестування розроблених методів. Тестування проводилося на тестовому масиві реальних зображень, отриманих біосенсором з пальців та відеосистемою з реальних дактилокарт і карток слідів злочинців. Проведено настройку адаптивних порогів етапів ідентифікації. Результати тестування показали, що для БІС часові параметри й імовірнісні характеристики є кращі або на рівні існуючих, але при цьому площа узору, за якою проводиться ідентифікація, приблизно в 10 разів менша, ніж використовується в існуючих системах. АДІС побудована на основі розроблених блок-схем відрізняється від існуючих повною автоматизацією й можливістю проведення ідентифікації за малими слідами, в яких кількість особистих ознак є мінімальна або вони повністю відсутні.

Результати тестування розроблених систем ідентифікації вказують на те, що поставлені в роботі задачі – розв’язані і досягнуто кінцевої мети, а саме більш повного опису зображень папілярних узорів, що і дозволяє цим системам досягати необхідних імовірнісних характеристик, використовуючи лише малі фрагменти узору, які не можуть бути ідентифіковані існуючими системами. Новизна такого підходу до ідентифікації підтверджується патентом України “Спосіб розпізнавання зображення”.

тримані в роботі результати можуть бути використані під час вирішення задач обробки й розпізнавання зображень із квазіперіодичною структурою. Вони також можуть використовуватися для побудови систем ідентифікації як автономно, так і в поєднанні з іншими ознаками й методами.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Русин Б., Остап В. Вибір інформативних ознак зображень відбитків пальців при розпізнаванні /Огляд/. // Вісник “Радіотехніка та телекомунікація”. – Львів: ДУ “Львівська політехніка”, – 2000. – №399. – C.56-64.

2. Русин Б.П., Прудиус І.Н., Остап В.П. Спотворення й алгоритм попередньої обробки дактилоскопічних зображень. // Відбір і обробка інформації. – Львів: НАН України Фізико-механічний інститут