تحقیق در مورد بهبود بخشیدن کیفیت تصویر اثر انگشت

word قابل ویرایش
23 صفحه
8700 تومان
87,000 ریال – خرید و دانلود

این مقاله دارای تصاویر است که در سایت قابل نمایش نیست
________________________________________________

خلاصه مقاله

در این گزارش، تعریفی برای کیفیت تصویراثرانگشت بیان می کنیم والگوریتم‌هایی کلی که به واسطه

آنها کیفیت تصویر را براى آثار انگشت اندازه میگیریم ارائه می نمایم . همچنین یکسری روشهایی کلی و

کاربردی برای رفع ابهام عینى اثر انگشت ارائه کرده ام. این مبحث همواره یکی از موارد مورد پژوهش

محققان بوده چرا که همآهنگ کننده با تصویر اثرانگشتی با کیفیت خوب،به اجراء قویی از همآهنگی منتج

می شود ، و بالعکس ، همآهنگ کننده تصویر اثر انگشت براى کیفیت ضعیف به طورضعیف عمل خواهد

نمود.

بهبود بخشیدن تصویر اثرانگشت
_________________________________________________

مقدمه

همانطور که می دانیم یک تصویر اثر انگشت همیشه از کیفیت مناسبی به منظور پردازش توسط ماشین

برخوردار نمی باشد،از جمله عوامل به وجود آورنده خرابی در تصویر می توان وجود لکه ،پوسیدگی در

اثر مرور زمان،نا مناسب بودن جهت قرار گرفته شده انگشت و مواردی از این قبیل نام برد.

الگوریتم هایی برای بازیابی و بهبود این خرابی ها موجود است که اگر چه هیچگاه نمی توان به کامل

بودن آنها اطمینان داشت و همیشه این روشها در حال بهبود و نو به نو شدن می باشند اما در دهه حاظر،

به عنوان الگوهایی پر کاربرد ازآنها استفاده می شود.دراین تحقیق یکی ازاین روشها را به طوری کوتاه

و خلاصه بیان کرده ایم.

بهبود بخشیدن تصویر اثرانگشت
_________________________________________________

بهبود بخشیدن اثرانگشت

کارایی الگوریتم هایی که در حال حاضر برای استخراج اثر انگشت موجود است، شدیداً وابسته به کیفیت

تصویرمی باشد. اگر اثر انگشتی با کیفیت ایده آل داشته باشیم، به سادگی می توان لبه ها را از شیارها متمایز

کرد و سپس با نازک سازی محل دقیق پایان لبه و دوشاخه را مشخص کرد . شکل ۱ – ۲ تصویر یک اثر

انگشت ایده آل را نشان می دهد که با استفاده از نرم افزار شبیه ساز اثر انگشت تولید شده است.

شکل ۱-۲ :نرم افزار شبیه ساز اثر انگشت

با توجه به دلایلی که در مقدمه بدان اشاره شد ، یک اثر انگشت همواره از کیفیت مطلوب و ایدآلی برخوردار

نیست.در یک اثرانگشت، به خصوص زمانی که ازکیفیت پایینی برخورداراست ساختارلبه ها درتصویربه خوبی

مشخص نبوده و ازاین رو بطور کامل ومطلوب قابل استخراج نیست. عدم استخراج صحیح لبه ها مشکلات زیر

را به همواه خواهد داشت:

۱- تعداد زیادی ریزه کاذب استخراج می شود.
بهبود بخشیدن تصویر اثرانگشت
________________________________________________

۲- تعداد ریزه واقعی حذف می شود.

۳- در استخراج ویژگیهای یک ریزه مانند موقعیت مکانی،جهت و نوع آن دچار خطا می شویم.

شکل ۲ – ۲ نمایانگر دو اثر انگشت با کیفیت پایین است.

شکل ۲-۲ :دو اثر انگشت با کیفیت پایین

بدیهی است که استخراج ریزه های صحیح ازاثرانگشت با کیفیت پایین حتی برای یک فردخبره نیزدشوار

و در اغلب موارد غیر ممکن است.

به منظور افزیش قابلیت اعتماد الگوریتم های استخراج ریزه نیاز داریم تا با انجام یکسری عملیات پیش

پردازش روی تصویر اثر انگشت ، تا حدی کیفیت آن را بهبود بخشیم.بدین منظورازیکسری الگوریتم های

بهبود دهنده اثر انگشت استفاده می شود تا بتوان وضوح تصویر راافزایش داده واختلاف بین لبه ها وشیارها

را زیاد کرد.

درحالت ایده آل ساختار لبه ها در یک اثر انگشت به خوبی تعریف شده است.هر لبه توسط دوشیارموازی

و هر شیار توسط دو لبه موازی احاطه گردیده است . ریزه ها هم در مکانهایی وجود دارند که این نظم به هم

می ریزد مثلأامتداد یک لبه پایان می یابد یا اینکه به دوشاخه تقسیم می شود.دریک اثرانگشت که به دلایلی با

اعوجاج مواجه شده دیگر ساختار لبه ها از چنین وضوحی برخوردار نیست . با این وجود علیرغم اعجوجاج

بهبود بخشیدن تصویر اثرانگشت
__________________________________________________

موجود ، یک فرد متخصص قادر است تا با بکارگیری بعضی نشان ها مانند جهت محلی امتدد یک لبه،جهت

لبه های موجود در همسایگی یک لبه و … ریزه ها را بطور صحیح استخراج کند . در فرایند خودکار سازی

تشخیص اثر انگشت نیز،باید الگوریتمهایی طراحی کرد تا بتوان با بکارگیری چنین نشان هایی وضوح ساختار

لبه ها و شیارها را افزایش داد. اگربه چنین موفقیتی نآیل آییم،عملأ توانسته ایم کارایی الگوریتمهای استخراج

ریزه را افزایش داد. در حالت کلی نواحی زیر در یک اثر انگشت قابل تعریف و بررسی است.

۱- نواحی خوش تعریف : یعنی جاهایی که لبه ها و شیارها بطور واضح از هم کارایی متمایز هستند و

الگوریتم های استخراج ریزه در نواحی مطلوب است.

۲- نواحی اعوجاجی قابل ترمیم: یعنی جاهایی که ساختار لبه ها وشیارها به میزان کمی به هم ریخته است،

اما هنوز در همسایگی آنها نواحی وجود دارد که با استخراج ویژگیهایی از آن نواحی می توان قسمت های

به هم ریخته را ترمیم کرد.

۳- نواحی اعوجاجی غیرقابل ترمیم: یعنی جاهایی که میزان به هم ریختگی لبه ها وشیارها آنقدرزیاداست

که دیگر اطلاعاتی موجود در همسایگی این نواحی برای ترمیم آنها کافی نیست.

درحالات کلی دو مورداول را نواحی قابل ترمیم ومورد آخررا ناحیه غیرقابل ترمیم می نامیم.ترمیم ساختار

لبه ها و شیارهادرنواحی غیرقابل ترمیم ممکن نیست و هرگونه تلاشی برای استخراج لبه ها و شیارها دراین

نواحی بی فایده است.بنابرین هدف نهایی الگوریتمهای بهبوددهنده درترمیم نواحی قابل ترمیم خلاصه می شود

طی این فرآیند، نواحی غیر قابل ترمیم نیز مشخص شده و با کنار گذاشتن این نواحی از استخراج ریزه های

کاذب جلوگیری به عمل می آید.نکته قابل توجه این است که یک الگوریتم بهبوددهنده نباید سختارلبه ها را به

گونه ای تغییر دهد که باعث تغییر ویژگیهای ریزه شود.

الگوریتمهای بهبود دهنده را می توان برای هر یک از دو تصویر الف)دو سطحی شده ب) تصویر با سطوح

بهبود بخشیدن تصویر اثرانگشت

خاکستری طراحی کرد.بااستفاده از این خصوصیت موازی بودن لبه ها می توان قوانینی را برای تمایز قائل

شدن بین ساختارلبه های کاذب ازحقیقی بیان کرد.دو سطحی سازی تصویرقبل ازبهبود آن باعث می شود تا

یکسری اطلاعات رادرموردساختارلبه هاازدست بدیم.بنابرین بهتراست تاابتداتصویررا بهبوددهیم وسپس به

دو سطحی سازی آن بپردازیم.الگوریتمهای متعددی برای بهبود تصویرسطح خاکستری اثرانگشت ارائه شده

در اکثراین تکنیکهااز ویژگیهای ساختارمحلی لبه ها برای بهبود دادن کیفیت تصویرورودی استفاده می شود

ودراغلب این موارد فرض شده است که جهت لبه ها و شیارهارامی توان بطورقابل اعتماد ازتصویرورودی

استخرج کرد.در عمل چنین فرضی برای اثر انگشت هایی صادقاست که ازکیفیت متوسطی برخوردارباشند.

برای یک اثر انگشت باکیفیت پایین چنین فرضی به دلیل وجود اعوجاج،لکه،شکستگی درلبه ها و…صحیح

نمی باشد. شکل ۳ – ۲ نشان می دهد که چگونه جهت محلی تخمین زده شده برای لبه ها و شیارها در اثر

انگشت با کیفیت پایین دارای خطا است.

تخمین میدان جهتی برای اثر انگشت با کیفیت پایین: شکل ۳-۲

بنابرین برای طراحی یک الگوریتم بهبود دهنده خوب نباید فرض کرد که می توان جهت محلی لبه ها و

شیارها را بطور مناسب استخراج کرد و در عوض باید روی تخمین صحیح میدان جهتی متمرکز شد.در این

مقاله سعی می شود تا ابتدا نواحی غیر قابل ترمیم مشخص شود و سپس با کنار گذاشتن این نواحی الگوریتم

بهبود دهنده را روی دیگر نواحی اعمال می کنیم.

بهبود بخشیدن تصویر اثرانگشت
_________________________________________________

۲-۲ پیاده سازی الگوریتم بهبود دهنده

یک الگوریتم بهبود دهنده اثر انگشت،یک تصویرانگشت را به عنوان ورودی دریافت می کند و با انجام

یکسری پردازش هاروی آن،یک تصویربهبود یافته به عنوان خروجی تولیدمی کند.درادامه به توصیف چنین

الگوریتمی می پردازیم.

۱-۲-۲ نشان گزاری

ام j ستون ام وiشدت سطح خاکستری در سطر بیانگر I (i,j) بوده و NN یک ماتریس I فرض کنید

باشد میانگین و واریانس برای تصویر سطح خاکستری اثر انگشت اینگونه محاسبه می شود:

را برابر با ۱۶اختیارکردیم.wتقسیم می کنیم که مارا در اینجا ww درپیاده سازی تصویررابه بلاکهای

درفصلO یعنی جهت و غالب لبه ها وشیارها را برای هر بلاک بدست می آوریم.چگونگی محاسبه Oسپس

قبل بیان شده است.

فرکانس محلی لبه ها f(i,j) که است NN نشان می دهیم یک ماتریس f فرکانس تصویری که آن را با

می باشد.منظورازفرکانس برای یک نقطه عکس فاصله بین لبه ها وشیارها درهمسایگی آن نقطه و درجهت

عمود برجهت غالب لبه ها و شیارها است.باید توجه داشت،عموماً در محلهایی که ریزه وجود دارد و یا نقاط

تکین درآنجاهستند،فرکانس به خوبی تعریف نشده وقابل محاسبه نیست،چراکه می دانیم ساختارموازی لبه ها

وشیارها درچنین نواحی به هم می ریزند.درچنین مواردی برای محاسبه فرکانس این نقاط ازبلاکهای همسایه

کمک می گیریم وبا معدل گیری روی آنها فرکانس این نقاط رامشخص می کنیم.مانند محاسبه میدان(i,j)بلاک

جهتی فرکانس به ازای هربلاک محاسبه می گردد و مقدارمحاسبه شده برای همه نقاط آن تعمیم داده می شود.

بهبود بخشیدن تصویر اثرانگشت
__________________________________________________

یکی R(i,j)و بودهNNکه دارای ابعاد تعریف می کنیمRegion Mask ماتریس را با نام Rماتریس

ازدو مقدار زیر را خواهد داشت:

صفر- برای نقاطی که لبه ها و شیارها در آن نقاط غیر قابل ترمیم است.

یک – برای نقاطی که لبه ها و شیارها در آن نقاط قابل ترمیم است.

شکل ۴-۲ :نمودار کلی یک سیستم بهبود دهنده اثر انگشت

الگوریتم بهبود دهنده ۲-۲-۲

نموداریک سیستم بهبود دهنده تصویراثرانگشت را در شکل ۴-۴ مشاهده می کنید.در زیربه توصیف هر

:یک از مراحل این الگوریتم می پردازیم

۱- نرمال سازی:ابتدا تصویر ورودی اثرانگشت را نرمال می کنیم،بگونه ای که میانگین وواریانس درآن

مقدار مشخصی گردد.

۲- محاسبه میدان جهتی:میدان جهتی را برای تصویر نرمال شده بدست می آوریم.

۳- تخمین فرکانس محلی:فرکانس محلی را میتوان با استفاده از تصویر نرمال شده و میدان جهتی بدست

.آورد

ابتدا مشخص می کنیم که هربلاک قابل ترمیم است یا خیرو با مشخص شدن:Region Mask4- تخمین

نیز مشخص می شود.Region Maskاین موضوع

بهبود بخشیدن تصویر اثرانگشت
__________________________________________________

را به همراه پارامتر های آن( فرکانس و میدان جهتی)، به نقاط یک بلاک Gabor filterاعمال فیلتر: -۵

اعمال می کنیم و با اینکار تصویر نرمال شده بهبود می یابد.

(ب)

الف) تصویر ورودی اثر انگشت (ب) تصویر نرمال شده اثر انگشت)شکل: ۲-۵

که یک فیلتر با تقارن زوج می باشد،به صورت زیر است:Gabor filterفرم کلی

نمایش داده شده است. Gaborدر شکل ۵ دو نمونه از فیلتر

f=1.0 , 0=0.0 با Gabor filter: (ب f=0.1 , 0=0.0 با Gabor (شکل ۶-۲ : الف

بهبود بخشیدن تصویر اثرانگشت
__________________________________________________

در راستای Gaussian فرکنس شکل موج سینوسی است. و نیز ثابت های f در اینجا جهت فیلتر و

برای این فیلتر را می توان به صورت زیر MTF((Modulation Transfer Function)). هستند y,x

نشان داد:

برای اعمال فیلتر به اثر انگشت سه پارامتر زیر را محاسبه می کنیم:

فرکانس شکل موج سینوسی شیارها f -1

۲- جهت شیارها

.δyوδx 3-

نشان داده شده است. Gabor Filter در شکل ۷-۲ نمونه ای از یک تصویر اثر انگشت فیلتر شده با

Gabor Filterشکل ۷ – ۲ الف) یک نمونه تصویراثرانگشت ب)فیلتر شده آن بوسیله یک

۳-۲-۲نرمالسازی

بهبود بخشیدن تصویر اثرانگشت
__________________________________________________

را برای تصویر(VAR)و واریانس (M)باشد.میانگین(i,j)بیانگرسطح خاکستری نقطه I(i,j)فرض کنید

قابل محاسبه است. (i,j) یعنی سطح خاکستری نرمال شده درنقطه G(i,j)محاسبه می کنیم آنگاه I

به ترتیب بیانگر میانگین و وارینس مورد نظر هستند. نرمالسازی به ازای هر نقطه صورت VARو Mکه

می گیردوباعث تغییروضوح ساختارلبه ها و شیارها نمی شوند بلکه با قراردادن ستوه خاکستری دریک بازه

خاص آن را برای پردازش های بعدی آماده می کند.در شکل۵-۲ یک اثر انگشت و نرمال شده آن را مشاهده

.می کنیم

۲-۲ محاسبه میدان جهتی-۳

باتوجه به اینکه طریقه محاسبه میدان جهتی به خودی خود بحثی جداگانه می طلبد دراینجا به چگونگی

محاسبه آن نمی پردازیم و تنها بیان می کنم که میدان جهتی را برای تصویر نرمال شده بدست می آوریم.

-۲ تخمین فرکانس محلی برای لبه ها۲-۴

دریک همسایگی محلی که ریزه ونقطه تکین وجودندارد می توان سطوح خاکستری لبه ها وشیارها را در

جهت عمود بر میدان جهتی به صورت یک موج سینوسی در نظر گرفت(شکل ۶-۲).

بهبود بخشیدن تصویر اثرانگشت
__________________________________________________

در تخمین فرکانس محلی برای لبه ها باید به نکات زیر توجه داشت:

۱- برای یک اثر انگشت که با درجه تفکیک مشخصی اسکن شده مقدارفرکانس محلی لبه ها وشیارها در

بازه مشخصی قرار دارد. بنابرین اگر فرکانس تخمین زده شده خارج ازاین بازه باشد ، مقدارآن را نیز

برابر ۱- قرار می دهیم تا مشخص کنیم که تخمین فرکانس در آن ناحیه با اشتباه همراه بوده است.

۲-دربلاکهایی که ریزه یا نقاط تکین موجود باشد ویا اینکه ساختارلبه ها و شیارها به هم ریخته باشد،نمی

توان به یک شکل موج سینوسی خوش تعریف و منظم دست یافت . در چنین مواردی باید فرکانس محلی

این بلاکها را با توجه به فرکانس محلی بلاکهای همسایه که خوش تعریف و منظم هستند تخمین زد.

داریم:(i,j)برای هر بلاک به مرکزیت الف-

برابر۷ می باشد که اندازه هسته را Wیک هسته گووسی با میانگین صفروواریانس ۹ است و مقدارWg

مشخص می کند.

راباهم تعویض کرده ومجدداً مرحله Ω و Ώ ب-اگرحتی یک بلاک با فرکانس۱- موجود باشد آنگاه مقادیر

الف را تکرار می کنیم.

۳-فاصله بین لبه ها در یک همسایگی محلی دارای تغییرات کمی است ، بنابراین از یک فیلتر پایین گذر

برای تعدیل فرکانس استفاده می کنیم
بهبود بخشیدن تصویر اثرانگشت
__________________________________________________

اندازه Wبوده و (Low Pass Filter With Unit Integral)یک فیلترپایین گذربا مجموع واحدWl

فیلتر را مشخص می کند.

Region Mask2-2-5

در یک اثر انگشت نواحی قابل ترمیم و غیر قابل ترمیم راRegion Maskهمانطورکه قبلاً اشاره کردیم

مشخص می کند . تقسیم بندی نقاط به نواحی قابل ترمیم وغیر قابل ترمیم را می توان بر اساس شکل موج

سینوسی که توسط لبه ها و شیار ها تشکیل می شود انجام داد. در اینجا سه ویژگی معرفی میگردد که بیانگر

)ج)واریانسα)ب)دامنه (β خصوصیات شکل موج سینوسی است. این سه ویژگی عبارتند از الف) فرکانس(

که پیشتر به آن اشاره کردیم می توان سه ویژگی بیان شده را به صورت زیرمحاسبهXبا توجه به مقادیر (γ)

نقطه مرکزی برای بلاک مورد نظر باشد آنگاه:(i,j)کرد.فرض کنید نقطه

.برابر است با متوسط ارتفاع قله ها یا متوسط عمق شیارها α -۱

متوسط تعداد نقاط بین دو قله متوالی است.T(i,j) که β= ۱/T(i,j) -2

با رده بندی ناحیه مورد نظر وبا توجه به سه مقدار بدست آمده می توان مشخص کرد که ناحیه قابل ترمیم

قرارR(i,j)=0ودرغیراین صورت R(i,j)=1قابل ترمیم باشد آنگه (i,j)است یا خیر.اگریک بلاک به مرکز

درصدی از تصویر را که قابل ترمیم است،مشخص می کنیم.Rمی دهیم.پس از مشخص شدن مقادیر

بهبود بخشیدن تصویر اثرانگشت
__________________________________________________

مقایسهrecoverable=40 یعنی درصدی ازتصویرکه قابل ترمیم است را با مقدارحد آستانه Γ سپس مقدار

کرده و اگر از آن باشد تصویر را رد می کنیم در غیر این صورت تصویراثرانگشت پذیرفته شده وبه مرحله

فیلتر کردن داده می شود.

این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، لطفا آن را خریداری نمایید
word قابل ویرایش - قیمت 8700 تومان در 23 صفحه
87,000 ریال – خرید و دانلود
سایر مقالات موجود در این موضوع
دیدگاه خود را مطرح فرمایید . وظیفه ماست که به سوالات شما پاسخ دهیم

پاسخ دیدگاه شما ایمیل خواهد شد