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

 tiếp theo là làm phù hợp giữa T và I. 
Đầu tiên sẽ thực hiện quay toàn bộ các minutiae của template theo điểm tham 
chiếu đã chọn được ở bước khớp mẫu. Toán tử quay RA định nghĩa như sau: 
os sin 0
sin os 0
0 0 1
c
RA c
q q
q q
æ ö
ç ÷= -ç ÷
ç ÷
è ø
Tiếp theo, sẽ đếm các cặp minutiae thỏa mãn sai lệch về vị trí và góc trong giới 
hạn e . Để đánh giá mức độ giống nhau sẽ dùng thang điểm cf
NS q= , với cN là 
số cặp điểm minutiae thỏa mãn lân cân e ; q là tổng số minutiae của input 
a) b) 
Hình-38. Thực hiện matching: a) khớp các minutiae; b) ngưỡng lân cận để tính điểm (score). 
Hàm thực hiện phát hiện đối sánh vân tay là matimafv. 
score = matimafv(f,g,e ), 
trong đó: 
 f : mẫu input-image, 
 g : mẫu template-image, 
 e : giá trị lân cận, 
 score : điểm kết quả của đối sánh hai mẫu. 
8. ĐỐI CHIẾU VÂN TAY 
 51 
 Thử nghiệm với hai ảnh đầu của mỗi bộ mẫu (xx_1.tif và xx_2.tif) với tất cả 
các mẫu còn lại của bộ dự liệu (gồm 125 ảnh đánh số xx_3.tif đến xx_7. tif, tổng 
cộng có 6250 phép thử nghiệm) nếu lấy kết quả so sánh có score cao nhất thì 
chính xác đạt 100%. Tuy nhiên bộ số liệu này còn có khả năng mở rộng thêm 
nên hình thức thể hiện kết quả minh bạch hơn là một dải kết quả chính xác từ 
cao đến thấp. Việc hiển thị 1, 2, 5 hay nhiều kết quả đều có thể thực hiện không 
khó khăn. Trong đồ án thể hiện ra bốn kết quả sát với ảnh đầu vào nhất. 
 Ví dụ: Hình-39 cho thấy khi nhận dạng ảnh 7_2 (của người 7, mẫu số 2) thì 
cả bốn mẫu gần nhất đều của người 7, trong đó mẫu 5 giống 100%. 
7_5.tif 
100score » 
7_6.tif 
86,67score » 
7_7.tif 
71,11score » 
7_3.tif 
71,11score » 
7_2.tif 
a) b) 
Hình-39. Kết quả nhận dạng: b) vân tay đầu vào; a) các vân tay được nhận dạng theo (b). 
Các chương trình chạy trong Matlab phiên bản 7.0; cấu hình phần cứng: CPU 
Pentium IV 1,8Ghz, RAM 512MB, FSB 333Mhz. 
Thời gian tạo cơ sở dữ liệu: cho tất cả đầu vào gồm 175 ảnh cần thời gian 
khoảng 10 phút. Nên thời gian trung bình tạo một template khoảng 3,4 giây. 
Thời gian thực hiện đối sánh: thử nghiệm với 6250 lần đối sánh ( 25 2´ mẫu 
kiểm tra với 25 5´ mẫu còn lại) thì mất khoảng 2,5 giờ. Nên thời gian trung bình 
một lần thực hiện đối sánh khoảng 1,4 giây. 
9.TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN 
 52 
9. Tổng kết và hướng phát triển 
Nhận dạng vân tay là một trong những lĩnh vực nghiên cứu chuyên sâu. Các 
tài liệu, thuật toán, mô-đun chương trình rất hạn chế vì bản quyền tác giả. Kết 
thúc đồ án, đã xây dựng được phần mềm mô phỏng các bước thực hiện nhận 
dạng trong hệ thống nhận dạng vân tay. Các mô-đun chương trình cần thiết cũng 
đã được hoàn thành. 
Sau đây là phần tổng kết chi tiết và hướng phát triển mở rộng của đồ án. 
9.1. Kết quả của đồ án 
· Đã thực hiện nhận dạng được ảnh số vân tay đầu vào với độ chính xác 
cao. Nếu chỉ lấy một giá trị có điểm đánh giá cao nhất trong các kết quả 
so sánh thì nhận dạng dược 100%. Tuy nhiên con số này còn bị giới hạn 
bởi số lượng mẫu khảo sát còn ít. 
· Hệ thống xây dựng theo như kiểu dự kiến ban đầu, đó là nhận dạng 
identification (1:N), chính vì vậy kết quả nhận dạng thể hiện minh bạch 
bằng một dải giá trị sắp xếp theo tiêu chí: giống với mầu đầu vào nhiều 
cho tới ít 
· Thực hiện phân loại kiểu vân tay có độ chính xác khá cao, đạt 90,86%. 
Điều này khẳng định sự khả thi mở rộng cở sở dữ liệu ảnh. Phân loại kiểu 
vân tay tốt đồng nghĩa với việc hạn chế tìm kiếm so sánh vân tay ở một 
nhóm template (thay vì toàn bộ) mà vân đảm bảo chính xác. 
· Chương trình xử lý thuật toán trong đồ án thiết kế theo mô-đun và có thể 
tận dụng cho các khâu khác cùng hệ thống. 
· Hệ thống thiết kế có tính mở. Có khả năng thay thế các mô-đun thực hiện 
thuật toán. Cơ sở dữ liệu ảnh có thể bổ sung thêm dễ dàng. 
Những kết quả trên cho thây hệ thống nhận dạng trong đồ án có thể triển khai 
vào thực tế. 
9.TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN 
 53 
9.2. Những kiến thức bản thân thu được 
· Đã nắm được đại cương về xử lý ảnh, biết được các thuật toán cơ bản của 
xử lý ảnh. 
· Biết cách phân tích và trích chọn các đặc tính của đối tượng thông các 
thuật toán về xử lý ảnh. 
· Các chương trình thực hiện các thuật toán xử lý hầu hết do bản thân viết 
trong Matlab, các thư viện chuẩn và các script file hỗ trợ người sử dụng 
chỉ mang ý nghĩa tham khảo. 
9.3. Những hạn chế của đồ án 
· Về bộ mẫu: các ảnh dùng làm cơ sở dữ liệu còn ít, được trích ra từ Db-2a 
và Db-2b của FVC2000. Các ảnh trong mẫu này có chất lượng tương đối 
tốt, các mẫu chất lượng xấu vẫn còn là khó khăn với đồ án này. 
· Các thuật toán xử lý: với hạn chế về kiến thức, tài liệu cũng như hạn chế 
về thời gian và phương tiện xử lý nên còn có các thuật toán (được tác giả 
nghiên cứu lâu năm trong lĩnh vực này đánh giá tốt, đồng thời cũng khó 
khăn trong triển khai) chưa được áp dụng trong đồ án. Như trong khâu 
tăng cường ảnh và tạo ridge-map thuật toán biến đổi Fourier tỏ ra kém 
hiệu quả với các ảnh vân tay bị đứt gãy liên tục. Quá trình post-processing 
dừng lại ở việc loại bỏ được một số dạng minutiae sai thường có nhưng 
không được tất cả. 
9.4. Hướng phát triển 
· Tiếp cận với thuật toán xử ảnh bằng công cụ lọc Gabor nhằm giải quyết 
vấn đề xử lý các ảnh vân tay bị đứt gãy liên tục. Tuy nhiên đi với điều này 
sẽ phải giải quyết khó khăn về việc ước lượng chính xác tần số vân tay và 
định hướng cục bộ vân tay. 
· Giảm thời gian xử lý xuống thấp hơn nữa bằng cách tối ưu một số chương 
trình thực hiện thuật toán xử lý ảnh. 
9.TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN 
 54 
· Tiếp cận với thuật toán nhận dạng đường vân để phân loại chính xác hơn 
các dạng vân tay. 
· Các chương trình được thiết kế theo mô-đun, tính mở của hệ thống là 
xuyên suốt do đó không gặp khó khăn nhiều trong việc mở rộng cơ sở dữ 
liệu. Điều này cũng có nghĩa là bộ số liệu học có thể tăng thêm dễ dàng, 
góp phần cải thiện độ chính xác nhận dạng. Và cả việc thay thế nâng cấp 
các mô-đun chương trình cũng sẽ không gặp nhiều khó khăn. 
· Đóng gói thành sản phẩm hoàn thiện. 
PHỤ LỤC 
 55 
Tài liệu tham khảo 
[1] Maltoni D., Maio D., Jain A. K., Prabhakar S., Handbook of Fingerprint 
Recognition, Springer, 2003. 
[2] Hoover J. E., The Science of Fingerprints Classification and Uses, United 
States Department of Justice, 2006. 
[3] Hong L., Automatic Personal Identification using Fingerprints, Michigan 
State Univesity, 1998. 
[4] Ratha N. K., Chen S., Jain A. K., Adaptiveow orientation based feature 
extraction in Fingerprint Recognition, Michigan State Univesity, 1995. 
[5] Gonzalez R C., Woods R. E., Digital Image Processing, 2nd Edition, 
Prentice Hall 2002. 
[6] Gonzalez R C., Woods R. E., Eddins S. L., Digital Image Processing 
using MATLAB, Prentice Hall 2004. 
[7] Neto H. V., Borges L. D.,Fingerprint Classification with Neural 
Networks. 
[8] Park H. C., Park H., Fingerprint Classification using Fast Fourier 
Transform and Nonlinear Discriminant Analysis, University of 
Minnesota. 
[9] Chickkerur S., Wu C., Govindaraju V., Cartwright A. N., Fingerprint 
Image Enhancement Using STFT Analysis. University at Buffalo. 
[10] Chickkerur S., Wu C., Govindaraju V., A systemmatic approach for 
feature extraction fingerprint images, University at Buffalo. 
[11] Komarinski P., Automated Fingerprint Identification Systems (AFIS), 
Elsevier, 2005. 
[12] Trần Hoài Linh. Bài giảng “Mạng nơ-ron nhân tạo và ứng dụng trong xử 
lý tín hiệu”. 
[13] Wuzhili, Fingerprint Recognition, Hong Kong Baptist University, 2002. 
PHỤ LỤC 
 56 
Phụ lục 
Danh sách các script file khác trong đồ án 
STT Tên hàm Chức năng
1 angbiffv Tính góc định hướng của bifurcation minutiae
2 angterfv Tính góc định hướng của termination minutiae
3 arecarfv Khoanh vùng để tính chỉ số Poincaré
4 briequfv Cân bằng cường độ sáng
5 cronumfv Tính crosssing number
6 delboufv Xóa nhiễu ở ngoài đường bao tao ra bởi segmentation
7 delshofv Xóa các đoạn vân ngắn
8 fincorfv Tìm điểm core
9 finshofv Tìm đoạn vân ngắn
10 inpcatfv Lấy catogory
11 inpimafv Lấy input
12 leasqufv Ước lượng bình phương cực tiểu
13 loaimafv Load ảnh vào để xử lý
14 mearidfv Ước lượng khoảng cách trung bình của các đường vân
15 norsizfv Hiệu chỉnh kích thước ảnh
16 plominfv Hiển thị các minutiae
17 rotallfv Xoay tất các đối tượng để tìm cặp minutiae
18 rotridfv Xoay các đối tượng để khớp mẫu
19 genvecfv Tạo vector dữ liệu để phân loại
20 sortttfv Sắp xêp kết quả
21 thirid1fv Làm mảnh đường vân cấp một
22 thirid2fv Làm mảnh đường vân cấp hai
PHỤ LỤC 
 57 
Các bước chạy phần mềm mô phỏng 
Bước 1: Chuyển thư mục hiện hành tới thư mục Finger. Sử dụng lệnh: 
>> myGuifv 
để có cửa sổ giao diện trong Hình-40 
Hình-40. Cửa sổ giao diện. 
Bước 2: Click vào nút Open, chon một file ảnh vân tay để bắt đầu trích chọn đặc 
tính. 
Hình-41. Mở một file ảnh. 
PHỤ LỤC 
 58 
Bước 3: Click vào nút HE Enhancement để thực hiện tăng cường ảnh bằng cân 
bằng lược đồ xám. 
Hình-42. Cân bằng lược đồ xám. 
Bước 4: Click vào nút FB Enhancement để thực hiện tăng cường ảnh bằng biên 
đổi Fourier rời rạc và cân bằng cường độ sáng của ảnh. 
Hình-43. Biến đổi Fourier rời rạc và cân bằng cường độ sáng. 
PHỤ LỤC 
 59 
Bước 5: Click vào nút Binarization để thực hiện phân ngưỡng cục bộ-nhị phân 
hóa ảnh. 
Hình-44. Nhị phân hóa ảnh. 
Bước 6: Click vào nút Orientation Image để ước lượng trường định hướng. 
Hình-45. Trường định hướng. 
PHỤ LỤC 
 60 
Bước 7: Click vào nút Segmentation để khoanh lây vùng ảnh vân tay. 
Hình-46. Segmentation. 
Bước 8: Click vào nút Detection Core để tìm điểm core. 
Hình-47. Phát hiện core. 
PHỤ LỤC 
 61 
Bước 9: Click vào nút Thinning để làm mảnh đường vân. 
Hình-47. Làm mảnh đường vân. 
Bước 10: Click vào nút Post-processing để lọc các minutiae. 
Hình-48. Lọc minutiae. 
PHỤ LỤC 
 62 
Bước 11: Click vào nút Display Minutiae để hiện thị các minutiae sẽ tạo mã. 
Hình-49. Hiển thị minutiae. 
Bước 12: Click vào nút Matching để đối sánh vân tay. 
Hình-50. Đối sánh vân tay.