Методи опису та розпізнавання дактилоскопічних зображень для створення інформаційно-вимірювальних систем

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Вступ

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.

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).

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:

дослідження процесів формування зображень у системах ідентифікації, аналіз спотворень, характеристик та методів обробки дактилоскопічних зображень;

дослідження існуючих систем інформативних ознак та методів їх порівняння, що використовуються в ІВС розпізнавання об'єктів;

розробка математичної моделі спотворень зображень, що виникають на етапі формування двовимірного зображення з тривимірного об'єкта;

розробка нових і удосконалення існуючих методів обробки таких зображень;

розробка нових систем інформативних ознак та методів їх порівняння;

розробка критеріїв комбінування методів порівняння векторів ознак у системах ідентифікації;

порівняльний аналіз ефективності та практичне тестування розробок на тестових масивах зображень.

1. 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.

2. 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” - змодельоване геометричними нелінійними перетвореннями відносно ідеального неспотвореного зображення.

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

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

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

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.

· 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 зображення.

· 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

· 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 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.

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 .

3. 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.

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.

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.

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 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.

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

4. 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.

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.

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 0,5є 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 й ітераційним адаптивним порогом, формування списку кандидатів, сортування (БІС) у напрямку збільшення різниці (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 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.

3. Корекція координат центра узору за координатами піка кореляційної функції, генерування набору векторів, , обчислення міри подібності їх з еталонними, 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.

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 0.8 сек в БІС і 10сек в АДІС, середній час ідентифікації у БІС 1,5 сек і порівняння в АДІС 6 хв.

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

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.

дактилоскопічний ідентифікація тривимірний

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”.

Отримані 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.

Література

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 ім. Г.В. Карпенка. - 2002. - №92. - С.87-91.

3. Русин Б., Остап В. Попередня фільтрація при розпізнаванні зображень. // Комп'ютерні технології друкарства. - Львів: Українська академія друкарства. - 2000. - №4. - С.295-300.

4. Остап В.П. Обробка дактилоскопічних зображень спрямованими фільтрами. // Матеріали XVI Відкритої науково-технічної конференції молодих науковців і спеціалістів Фізико-механічного інституту ім. Г.В. Карпенка НАН України (КМН-2001). - Львів: Фізико-механічний інститут ім. Г.В. Карпенка НАН України. - 2001. - С.205-208.

5. Ostap V.P. The Fingerprint Image Processing by Directional Filtration. // Abstracts XVI Open Scientific and Technical Conference of Young Scientifics and Specialist of the Karpenko Physico-Mechanical Institute of NAS of Ukraine. - Lviv: Karpenko Physico-Mechanical Institute of NAS of Ukraine. - 2001. - P.57.

6. Rusyn B., Prudyus I., Ostap V. Fingerprint Image Enhancement Algorithm. // Proc. VI-th International Conf. “The Experience of Designing and Application of CAD Systems in Microelectronics” (CADSM 2001). - Lviv-Slavsko: Lviv Politechnic National University. - 2001. - P.193-194.

Размещено на Allbest.ru