Академический Документы
Профессиональный Документы
Культура Документы
Introduccin (I)
Identificacin por huella dactilar, o fingerprint en ingls, se basa en las elevaciones de la piel (crestas) formando lneas. Los espacios entre lneas se denominan valles (2-5 mm) Es un patrn biomtrico muy estudiado y desarrollado
2
Introduccin (II)
Las huellas pueden ser distinguidas basndose en las caractersticas de las crestas Son diferentes hasta en el caso de hermanos gemelos Alta universalidad, unicidad, permanencia, rendimiento y aceptabilidad
Introduccin (III)
Partes de la huella: Rasgos Locales (a) vs Rasgos Globales (b) Globales: Delta, Core Locales: Terminacin, Bifurcacin, Isla
Introduccin (IV)
La huella dactilar consta, pues, de un conjunto de crestas orientadas En funcin del patrn de flujo de las crestas se diferencian 5 grandes tipos de huellas La clasificacin ayuda a reducir el espacio de bsqueda La realidad es un poco terca: >65% son loops
Manual
Los expertos usan una combinacin de rasgos visuales, minucias y experiencia Todava se usa en ciertas etapas de prevencin de delincuencia
Basado en Imagen
Utiliza simplemente apariencia visual Requiere que la imagen completa sea almacenada (grandes plantillas)
Basado en Textura
Minucias
Ventajas
Inconvenientes
Ventajas
Buen rendimiento en imgenes de mala calidad Rasgos estadsticamente independientes de minucias (se pueden combinar) Requiere buen alineamiento No es invariante a traslaciones, orientaciones y distorsiones Muy poco preciso
8
Inconvenientes
Ventajas
Inconvenientes
Arquitectura General
10
Adquisicin
Adquisicin off-line
Escaneo de un impreso Recomendaciones FBI: 500 dpi, 256 niveles gris Aplicaciones policiales/judiciales Tiempo real Scanners Aplicaciones civiles
11
Adquisicin on-line
Preprocesado (I)
Problema fundamental: distinguir lo que es cresta de lo que no Variabilidad inter e intra imagen:
12
Preprocesado (y II)
Mejora de la imagen mediante filtros Binarizacin: clasificacin de los pixels en cresta/no-cresta Evaluacin de la calidad de la huella Extraccin de la Regin de Inters (ROI)
13
Para calcular las direcciones de los filtros es necesario calcular el mapa o de orientacin:
14
Estimacin de la orientacin
En un pequeo entorno las variaciones de ngulos entre crestas sern mnimas Nos permite calcular orientaciones por optimizacin (mnimos cuadrados)
15
16
17
18
( x x0 ).n 2 ( x0 )
(Yang et.al 1996, Greenberg et. Al 1999) propusieron el filtro local anisotrpico El kernel del filtro se adapta a cada localizacin de los pxeles
19
Hong et al, 96/98 propusieron el uso de filtros de Gabor para la mejora de imgenes Los filtros de Gabor tienen una buena localizacin conjunta en espacio y en frencuencia (combinacin de funcin armnica con gaussiana) Aproximacin por banco: se aplican disintos filtros de Gabor con distintas orientaciones
20
21
Imagen Original
22
Mejora de la Imagen (y X)
f ( x, y )
Binarizacin (I)
De 256 niveles de gris (8 bits/pixel) a 2 (1 bit/pixel) Algoritmos que calculan automticamente el umbral Mtodo de Otsu o Criterio del Discriminante
Histogramas bimodales
24
Binarizacin (y II)
Se busca el umbral que maximice la relacin entre varianzas Basado en las probabilidades (frecuencias) de los niveles de gris Los valores inferiores al umbral se ponen a 0 y los superiores a 1
25
Medida de Calidad
El objetivo es rechazar las imgenes de baja calidad Muchos sistemas pedirn una nueva adquisicin llegados a este punto La medida de calidad tpica en imagen es el ratio entre el valor medio de los pixels y la desviacin tpica
26
Regin de Inters
Objetivo: desestimar informacin redundante relativa al fondo de la imagen Dos de los mtodos ms usados para extraer la ROI:
Se divide la imagen en bloques de 16x16. La regin de inters viene dada por el contorno de los bloques con mayor varianza de nivel de gris en la direccin normal a las crestas Se detecta el punto de referencia core y se define una regin circular centrada en l
27
28
Adelgazamiento
Reduccin del grosor de las crestas Objetivo: obtener ancho de 1 pxel facilitando el proceso de reconocimiento Tcnica utilizada: Operadores Morfolgicos Anlisis no lineal de la imagen Se define un elemento estructurante a modo de mscara con la que comparar en cada posicin de la imagen para asignarle un nuevo valor 0 o 1 (trabajamos con imgenes binarias)
29
Erosin
Uno de los dos operadores bsicos junto a la dilatacin El efecto habitual es el de reducir los objetos de la imagen (aumentar el fondo) Para que un pixel objeto conserve su status ha de estar rodeado de pixeles objetos donde el elemento estructurante le indique
30
Dilatacin
El efecto habitual es el de agrandar los objetos de la imagen (disminuir el fondo) Es el dual de erosin (dilatar objetos es equivalente a erosionar fondo) Para que un pixel objeto conserve su status ha de estar rodeado de pixeles objetos donde el elemento estructurante le indique
31
Erosin vs Dilatacin
32
Apertura
Consiste en una erosin y posteriormente una dilatacin con el mismo EE El efecto es el de ajustar el objeto al EE eliminando aquellos pixels que no encajan Mucho menos destructiva que la erosin
33
Cierre
El dual de la apertura: dilatacin y posterior erosin Similar a la dilatacin ya que tiende a extender los lmites de los objetos pero de manera mucho ms conservadora
34
Operador morfolgico con el que se pretende buscar patrones de fondo y objeto a la vez en una imagen til para buscar estructuras tipo esquinas
35
Se puede expresar la operacin Hit and Miss como una combinacin de erosin y dilatacin?
36
Thinning
Para realizar un adelgazamiento o thinning de objetos en la imagen se calculan sus partes sobrantes con el operador hit and miss y se le restan a la imagen original
37
Skeleton
Repeticin de sucesivas operaciones de thinning En el caso de huellas, se alterna tambin entre distintos elementos estructurantes Cules deberan ser estos EE para adelgazar las huellas usando un tamao 3x3?
38
Ejemplo de adelgazamiento
Depuracin
Las ramas se eliminan aplicando el operador thinning con elementos estructurantes definidos para ello Conectar las crestas rotas con extremos cercanos y direcciones similares
40
Extraccin de minucias
Etapa de localizacin, orientacin y tipo de las minucias Terminaciones y bifurcaciones en las crestas Al tener las crestas adelgazadas a ancho 1 determinar las minucias es inmediato
Filtrado de Minucias
Si hay muchas minucias juntas puede ser un problema de ruido Si dos minucias estn cerca una de la otra y con orientaciones opuestas podra tratarse de una cresta cortada Dos bifurcaciones unidas por una pequea cresta podr denotar que dicha cresta es un artefacto provocado por los operadores morfolgicos
42
43
El algoritmo de Jain and Hong define una serie de parmetros sobre la huella y en base a ellos la clasifica en uno de los grupos
Puntos singulares
Nc: nmero de puntos de tipo Core Nd: nmero de puntos de tipo Delta
ngulo entre eje de simetra y segmento que une delta y core media de la diferencia entre eje de simetra y las orientaciones nmero de crestas que cruzan el segmento de unin de Core y Delta R: 1 si delta est a la derecha del eje de simetra
44
Simetra
45
Matching (I)
Como ya hemos visto, al adquirir, procesar y extraer las minucias, los resultados no van a ser iguales para el mismo individuo Es necesario alinear las imgenes Posteriormente a la alineacin se debe calcular el nmero de minucias emparejadas, es decir, identificadas como la misma en ambas imgenes
46
Matching (II)
47
Matching (III)
Seleccionar dos minucias de referencia (una por imagen) Determinar el nmero de pares de minucias que se corresponden Reiterar el proceso para todos los pares posibles de minucias con caractersticas locales comunes El par de minucias final es el que casa mayor nmero de pares Calcular parmetros de traslacin y rotacin
Matching (IV)
Para determinar si una minucia de la imagen de referencia casa con una de la imagen distorsionada se aplican varios criterios de ngulos y distancias entre ellas y la minucia de referencia
49
Matching (V)
50
Matching (VI)
Global Matching
Relaxation Approach (Ranade and Rosenfield 93) La posibilidad de cada emparejamiento es disminuda o aumentada en caa iteracin basndose en la compatibilidad del resto de puntos Aproximacin iterativa: muy lenta Transformada de Hough Generalizada (Ratha et al. 96) Todas las posibles transformaciones se generan en un espacio quantizado de ellas Se busca la ms ptima Muy rpido Alineamiento de crestas (Jain et al. 97) Lleva a cabo un alineamiento explcito antes del matching Cada minucia se asocia a su cresta (representada por una curva) La alineacin se lleva a cabo por correspondencia de crestas
51
52
Matching (VIII)
53
Matching (VIII)
54
Matching (VIII)
55
Matching (IX)
Algoritmo de comparacin
Cada vez que una huella accede al sistema, se extrae su patrn y se compara con la(s) plantilla(s) de la base de datos Ambas cadenas de puntos estn ordenadas por sus coordenadas polares y se alinean Se emparejan las minucias y se calcula una funcin de similaridad final entre patrones
56
Matching (X)
Las medidas de similaridad globales combinan las medidas de similaridad para cada par de minucias Generalmente la medida de similaridad ms usada es la suma de similaridades ponderada por la media geomtrica de minucias en ambas imgenes Esto penaliza las imgenes con muchas minucias ya que facilita su emparejamiento
57
Matching (XI)
Otra forma habitual es la de calcular la distancia eucldea entre cada par de minucias y obtener la suma de todas como medida de disimilaridad Las medidas de disimilaridad son ms difciles de normalizar puesto que es ms difcil acotar el nivel de separacin entre conjuntos de puntos
58
Matching (y XII)
59
The End
60