Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay không hoàn chỉnh

HỌC
HỌC VIỆN
VIỆN CÔNG
CÔNG NGHỆ
NGHỆ BƯU
BƯU CHÍNH
CHÍNH VIỄN
VIỄN THÔNG
THÔNG
---------------------------------------------------------------

NGUYỄN THANH TÚ
NGUYỄN THANH TÚ
NGHIÊN CỨU PHƯƠNG PHÁP NHẬN DẠNG CHỦ
THỂ BẰNG DẤU VÂN TAY KHÔNG HOÀN CHỈNH
NGHIÊN CỨU PHƯƠNG PHÁP NHẬN DẠNG CHỦ
CHUYÊN
KỸ
THUẬTHOÀN
VIỄN CHỈNH
THÔNG
THỂ BẰNG
DẤUNGÀNH:
VÂN TAY
KHÔNG
MÃ SỐ: 8520208

LUẬN VĂN THẠC SĨ KỸ THUẬT
LUẬN VĂN THẠC SĨ KỸ THUẬT
(Theo định
(Theo

định hướng
hướng ứng
ứng dụng)
dụng)
NGƯỜI HƯỚNG DẪN KHOA HỌC:
TS. CHUNG TẤN LÂM

THÀNH PHỐ HỒ CHÍ MINH - 2018
THÀNH PHỐ HỒ CHÍ MINH - 2018


2

LỜI CAM ĐOAN
Tôi cam đoan đây là công trình nghiên cứu của riêng tôi.
Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai
công bố trong bất kỳ công trình nào khác.

TP. Hồ Chí Minh,ngày 10 tháng 4 năm 2018.
Học viên thực hiện luận văn

Nguyễn Thanh Tú


3

LỜI CẢM ƠN
Lời đầu tiên, cho phép tôi gửi lời cảm ơn chân thành đến các Thầy, Cô giáo
thuộc Học viện Công nghệ Bưu chính Viễn thông và các đơn vị khác đã tận tình
giảng dạy, truyền đạt kiến thức quý báu cho tôi trong thời gian học tập tại Học viện.

Xin chân thành cảm ơn thầy giáo hướng dẫn khoa học TS. Chung Tấn Lâm –
Trưởng Bộ môn Điều khiển tự động - Khoa Kỹ thuật điện tử 2, Học viện Công nghệ
Bưu chính Viễn thông cơ sở TP. HCM đã dành nhiều thời gian hướng dẫn, giúp đỡ
tôi trong quá trình nghiên cứu và thực hiện luận văn này. Những lời động viên, góp
ý của TS. Chung Tấn Lâm đã giúp tôi có được nhiều ý tưởng để hoàn thiện hơn
bản luận văn này.
Cuối cùng, Tôi xin chân thành cảm ơn gia đình, lãnh đạo cơ quan và các bạn
đồng nghiệp đã luôn động viên, tạo điều kiện và dành cho tôi những góp ý chân
thành để tôi hoàn thành khóa học và bản luận văn này.

Tác giả luận văn

Nguyễn Thanh Tú

MỤC LỤC


4

DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT
VIẾT TẮT THUẬT NGỮ

TIẾNG VIỆT

AFIS

Automated Fingerprint
Identification System

AFR

Automated Fingerprint Recognition Nhận dạng vân tay tự động

CSDL

Hệ thống nhận dạng vân tay tự
động
Cơ sở dữ liệu

CN

Crossing Number

Số giao nhau

DB

Database

Cơ sở dữ liệu

DD

Direction Degree

Góc hướng

DFT

Discrete Fourier Transform

Biến đổi Fourier rời rạc

FAR

False Acceptance Rate

Tỉ lệ chấp nhận sai

FRR

False Rejection Rate

Tỉ lệ từ chối sai

FVC

Fingerprint Verification
Competition

Cuộc thi xác thực dấu vân tay

HD

Hamming Distance

Khoảng cách Hamming

ID

Identification

Mã nhận dạng

IDFT

Inverse Discrete Fourier Transform

Biến đổi Fourier rời rạc ngược

LRO

Local Ridge Orient

Định hướng đường vân cục bộ

MTF

Modulation Transform Function

Hàm chuyển điều chế

STFT

Short Time Fourier Transform

Biến đổi Fourier thời gian
ngắn

5

DANH SÁCH BẢNG


6

DANH SÁCH CÁC HÌNH VẼ, ĐỒ THỊ


7

MỞ ĐẦU
Ngày nay, với sự phát triển không ngừng của khoa học máy tính, nền
kinh tế, văn hóa tri thức, công nghệ truyền thông, hệ thống an ninh cấp cao của
các cơ quan tổ chức quan trọng dần dần bị phá vỡ. Do đó, hệ thống nhận dạng
đang là tâm điểm nghiên cứu của nhiều nhà khoa học trong nước nói riêng và
thế giới nói chung, hứa hẹn mang lại những phương pháp nhằm cải thiện chất
lượng các hệ thống an ninh hiện tại.
Cùng với quá trình công nghiệp hóa trên qui mô toàn thế giới, từ hàng
trăm năm nay đặc điểm sinh trắc học vân tay nhờ có tính bền vững và cá biệt
cao đã được đưa vào ứng dụng rộng rãi trong các hoạt động pháp lý và an sinh
để xác thực căn cước cá nhân. Nhiều kỹ thuật lấy dấu vân tay được nghiên cứu
và sử dụng, nhiều hệ thống tàng thư vân tay căn cước công dân và căn cước can
phạm đã được thiết lập ở các nước để phục vụ cho công tác đảm bảo và truy
nguyên danh tính. Mặc dù sinh trắc học hiện đại đã phát hiện ra nhiều đặc trưng
mới, bền vững, như tĩnh mạch, mống mắt, DNA,… nhưng việc thu thập mẫu và
đối sánh còn rất phức tạp và đắt đỏ. Vì vậy, vai trò ứng dụng rộng rãi của vân
tay vẫn chưa có đặc điểm sinh trắc học nào thay thế được [1].
Một trong những khó khăn của các hệ thống nhận dạng vân tay hiện nay

là chất lượng ảnh đầu vào thấp, các ảnh vân tay thu nhận từ các cảm biến kém
chất lượng... Việc thực hiện trích xuất các đặc trưng vân tay dựa trên những hình
ảnh vân tay khiếm khuyết, kém chất lượng đã được nhiều nhà khoa học quan
tâm [2], [3], [4], [5]. Trong [5], Ling Hong và cộng sự đã đề xuất thuật toán tăng
cường dựa trên ưu điểm chọn lọc tần số của bộ lọc Gabor, trong [6], các tác giả
đã đề xuất thuật toán tăng cường dấu vân tay dựa trên biến đổi Fourier thời gian
ngắn (STFT - Short Time Fourier Transform) đã cải thiện tương đối tỷ lệ công
nhận đúng của các vân tay không hoàn chỉnh.
Trong luận văn này, tác giả nghiên cứu các thuật toán nâng cao chất
lượng ảnh vân tay để áp dụng cho hệ thống nhận dạng vân tay khiếm khuyết từ


8

đó đề xuất thuật toán mới để nâng cao độ tin cậy của các hệ thống nhận dạng
vân tay.
Luận văn “Nghiên cứu phương pháp nhận dạng chủ thể bằng dấu vân tay
không hoàn chỉnh” được trình bày với bố cục và các nội dung chính như sau:
 Mở đầu.
 Chương 1: Tổng quan về nhận dạng vân tay. Chương này giới thiệu một
cách tổng quan về sinh trắc học và sinh trắc học vân tay, giới thiệu các
ứng dụng và các công trình nghiên cứu nổi tiếng về nhận dạng vân tay.
 Chương 2: Các phương pháp nhận dạng chủ thể bằng vân tay không hoàn
chỉnh. Trong chương này tác giả trình bày cụ thể về một hệ thống nhận
dạng vân tay thông thường và vân tay khiếm khuyết. Trình bày các thuật
toán nâng cao chất lượng ảnh vân tay không hoàn chỉnh và đề xuất thuật
toán kết hợp để cải thiện chất lượng ảnh đầu vào.
 Chương 3: Chương trình mô phỏng. Chương này trình bày giải thuật và
chương trình mô phỏng hệ thống nhận dạng vân tay khiếm khuyết dựa
trên các ảnh đã được cải thiện sau đó tính toán và so sánh các kết quả đạt

được.
 Kết luận và hướng phát triển.
Với thời gian hạn hẹp, tác giả đã rất cố gắng để nghiên cứu và hoàn thành
luận văn. Kính mong các Thầy, Cô và đồng nghiệp góp ý thêm.


9

Chương 1 - TỔNG QUAN VỀ NHẬN DẠNG DẤU VÂN TAY
Tổng quan về sinh trắc học
Giới thiệu
Sinh trắc học là công nghệ sử dụng những thuộc tính vật lý, đặc điểm sinh
học riêng của mỗi cá nhân như vân tay, mống mắt, khuôn mặt... để nhận diện [wiki].
Thuật ngữ Sinh trắc học (Biometrics) được ghép gồm 2 từ: Bio (Tiếng Hy Lạp nói
về sự sống) và metrics (sự đo lường). Sinh trắc học là một nhánh của Công nghệ
thông tin nhằm thiết lập đặc trưng của một người dựa trên những đặc điểm cá nhân.
Sinh trắc học thông dụng hiện nay trong vấn đề an ninh thông tin vì nó có độ chính
xác cao trong việc xác định một cá nhân.
Do đặc tính có thể nhận dạng hoặc xác minh danh tính của một người nào
đó, công nghệ sinh trắc học nỗ lực để tự động hóa các phương pháp đo lường và so
sánh các đặc điểm đó để nhận dạng con người. Gần đây nhiều công nghệ khác nhau
đã được phát triển để nhận dạng và chứng thực danh tính, một số ví dụ bao gồm các
biện pháp dựa trên thông tin từ dạng chữ viết tay (đặc biệt là chữ ký), dấu vân tay,
khuôn mặt, giọng nói, tín hiện điện tim, võng mạc, mống mắt, bàn tay hoặc hình
dạng tai và dáng đi.
Công nghệ sinh trắc học được đề xuất cho các ứng dụng bảo mật chuyên
môn cao nhưng gần đây công nghệ này được sử dụng rộng rãi nhiều lĩnh vực trong
cuộc sống. Những công nghệ này sẽ cung cấp các thành phần quan trọng trong việc
điều khiển việc giám sát truy cập và sự hiện diện của chủ thể. Lĩnh vực ứng dụng
bao gồm thương mại điện tử, giám sát an ninh, truy cập cơ sở dữ liệu, kiểm soát

biên giới và nhập cư, điều tra pháp y và khám bệnh từ xa.
Sinh trắc học có một số ưu điểm vượt bậc so với các phương pháp bảo mật
truyền thống (thẻ từ, mật khẩu…) như: không thể hoặc rất khó giả mạo, không bị
đánh cắp hay bị mất... Tuy nhiên, kết quả của các công trình nghiên cứu trên lĩnh
vực này vẫn chưa đủ hoàn thiện để có thể thay thế hẳn các phương pháp truyền


10

thống. Hiện nay, kỹ thuật sinh trắc học thường được sử dụng kết hợp với mật khẩu
hay thẻ từ để tăng cường khả năng bảo mật cũng như tính an toàn của dữ liệu.

Phân loại
Sinh trắc học nhìn chung có thể được chia làm 2 nhóm chính là sinh trắc thể
và sinh trắc hành vi. Với mỗi nhóm này lại có nhiều hướng nghiên cứu khác nhau,
hình 1.1 trình bày về sự phân loại các tính năng sinh trắc học.
 Sinh trắc thể: bao gồm các đặc điểm sinh học trên cơ thể như khuôn mặt,
vân tay, mống mắt, giọng nói … v.v. Trong đó, vân tay là đặc điểm sinh trắc
học đã được nghiên cứu và sử dụng từ rất lâu.
 Sinh trắc hành vi: các đặc điểm về hành vi của con người như thói quen gõ
phím, chữ ký, giọng nói … Nếu xét theo độ cao thấp của âm thanh, giọng
nói có thể được phân loại vào nhóm đặc điểm sinh trắc thể. Tuy nhiên,
giọng nói còn được xem là một đặc điểm hành vi nếu ta xét về cách nói.

Hình 1.1 : Phân loại sinh trắc học


11

Sinh trắc học vân tay

Vân tay là những vết lằn tạo nên các hoa văn trên bề mặt da đầu các ngón
tay, chúng tạo nên hệ thống các đường cong uốn lượn mà ta quen gọi là các dòng
đường vân. Từ rất sớm, người ta đã biết vân tay của mỗi người bất biến suốt đời và
rất khác nhau, kể cả ở các cặp sinh đôi. Vì vậy chúng có thể dùng để phân biệt các
cá nhân, và dấu vân tay đã được dùng thay cho chữ ký trong các văn tự.
Mỗi người sở hữu một dấu vân tay khác nhau và không thay đổi từ khi sinh
ra cho đến lúc chết. Kể cả trường hợp bị chấn thương ở vùng vân tay thì sau khi
lành vết thương, cấu trúc vân tay vẫn được khôi phục lại như trước [1]. Dựa vào đó
người ta xây dựng các hệ thống bảo mật các thông tin riêng tư cho mọi người qua
các dấu vân tay, từ việc thay thế cho các ổ khóa cho đến việc thay thế mật khẩu đã
quá phổ biến trong thời đại tin học ngày nay.
Dấu vân tay dễ lấy, dễ bảo quản và so sánh thủ công nên mặc dù ngày nay
người ta biết được nhiều đặc trưng sinh trắc có thể dùng để phân biệt các cá nhân
như giọng nói (speech), ảnh mống mắt (iris scan), tĩnh mạch, DNA… nhưng dấu
vân tay vẫn là phương tiện được sử dụng phổ biến nhất trong công tác điều tra và là
“khóa” bảo vệ tin cậy trong các hệ thông tin.
Nhận dạng dấu vân tay là một trong những phương thức sinh trắc học được
sử dụng rộng rãi nhất từ xưa đến nay. Lý do chính đằng sau việc sử dụng dấu vân
tay sinh trắc học vì nó có tính độc nhất của từng người và là kỹ thuật nhận dạng đã
được chứng minh nhiều nhất để xác định các cá nhân.
Cùng với sự phát triển của công nghiệp, các hệ nhận dạng vân tay được ứng
dụng rộng rãi trong các hoạt động pháp lý và dân sự. Nhiều kỹ thuật lấy dấu vân tay
được nghiên cứu và sử dụng, các tàng thư vân tay được thiết lập ở các nước để phục
vụ cho công tác an sinh xã hội.
Một số ứng dụng của sinh trắc học vân tay:


12

- Kiểm soát truy cập: trong hệ thống tòa nhà, văn phòng, thanh toán ngân

hàng hay trong các điện thoại thông minh thế hệ mới.

- Xác định danh tính những người bị bắt giữ.
- Năm 1858, William Herschel đã dựa vào vết vân tay để nhận dạng tù
nhân.

- Truy tìm tội phạm.

Hình 1.2: Mẫu chỉ bản vân tay dùng trong quản lý công dân

Vân tay và nhận dạng vân tay
Vân tay và đặc trưng của vân tay
Vân tay là sự tái sản xuất của bề mặt biểu bì đầu ngón tay. Đặc tính cấu trúc
rõ rệt nhất của một vân tay là một mẫu của sự xen kẽ giữa các vân và các rãnh.
Trong ảnh vân tay, các vân (được gọi là các đường vân) là màu tối, các rãnh là màu
sáng (Hình 1.3). Độ rộng của các đường vân có kích thước từ 100-300 µm. Nói
chung, chu vi của vân/rãnh là khoảng 500 µm.
Các dấu vân tay về cơ bản là sự kết hợp của các đường vân và các rãnh trên
bề mặt của các ngón tay. Các đường vân là những phân đoạn lớp trên của da và rãnh
là những phân đoạn lớp dưới của da trên các ngón tay. Các điểm nơi đường vân
chấm dứt hoặc rẽ nhánh được gọi là đặc trưng chi tiết (minutiae). Đặc trưng chi tiết


13

là các điểm rất quan trọng trong việc nhận dạng dấu vân tay vì không thể có hai
ngón tay có được đặc trưng chi tiết giống hệt nhau.

Hình 1.3 :Vân tay và các đặc trưng của vân tay

Các đặc trưng chính của đường vân là: điểm giao nhau, lõi, phân nhánh, kết
thúc đường vân, đảo, chạc ba, cựa gà và khe vân [1] như thể hiện trong hình 1.3.
Trong mỗi dấu vân tay có một số đường vân đang chạy liên tục rồi đến một
vị trí nào đó hoặc bị phân ra hai, ba nhánh (điểm rẽ nhánh) hoặc có khi bị đột ngột
kết thúc (điểm cụt). Các điểm kết thúc hay rẽ nhánh này phân bố tương đối ngẫu
nhiên trên một dấu vân tay và được gọi là những đặc trưng chi tiết (minutiae). Dưới
đây là một số kiểu điểm đặc trưng chi tiết.
Hình 1.4 sau cho ta thấy điểm kết thúc đường vân (ridge ending) hay còn gọi
là điểm cụt (hình 1.4.a) xuất hiện khi đường vân đột ngột kết thúc. Điểm rẽ nhánh là
điểm tại đó đường vân rẽ ra làm hai nhánh (hình 1.4.b).

Hình 1.4: Minh họa điểm đặc trưng chi tiết


14

Tuy nhiên các cách tổ hợp khác nhau của hai loại đặc trưng chi tiết này cũng
tạo ra nhiều biến thể khác nhau được gọi chung là đặc điểm thứ cấp (secondary
feature) như các chấm cô lập, các đoạn đường vân ngắn, đường vân hình mắt (lòng
hồ), hình móc, cầu nối, hai đường vân cụt gặp nhau như được trình bày trong hình
1.5 sau.

Hình 1.5 :Một số dạng vân tay đặc biệt

Những điểm đặc trưng chi tiết này phân bố rải rác trong mối tương quan lẫn
nhau, mỗi điểm đặc trưng chi tiết được biểu diễn bởi thể loại, vị trí và hướng xác
định. Trừ khi một ngón tay bị phá hủy nặng để lại sẹo, các điểm đặc trưng chi tiết
nhìn chung sẽ vẫn không thay đổi đối với một người trong suốt cả cuộc đời từ khi
sinh ra cho đến khi qua đời.
Một thực tế được thừa nhận rộng rãi là hai dấu vân tay cùng có ít nhất từ 10

đến 13 đặc điểm đặc trưng chi tiết cùng các tương quan vị trí tương ứng giống nhau
thì coi như chúng được để lại từ cùng một ngón tay. Hai ngón tay khác nhau luôn
tạo ra những dấu vân tay chứa tập các điểm đặc trưng chi tiết phân bố khác nhau.
Do vậy, ngón tay để lại dấu vân tay có thể truy nguyên nhờ đối sánh các điểm đặc
trưng chi tiết này.

Nhận dạng dấu vân tay
Hiện nay, các ứng dụng tự động nhận dạng vân tay ra đời cho phép tìm kiếm
vân tay trong một cơ sở dữ liệu lớn với thời gian nhanh và độ chính xác cao.
Một hệ thống nhận dạng vân tay tự động thông thường phải có hai chức năng
cơ bản: xây dựng cơ sở dữ liệu (CSDL) và truy nguyên vân tay. Xây dựng CSDL
vân tay tức là thực hiện các công việc: Thu thập chỉ bản của các đối tượng quản lý,


15

quét chỉ bản, nhập thông tin thuộc tính (số đối tượng, họ tên, năm sinh, nơi sinh, ...),
phân loại vân tay theo các đặc điểm cơ bản, xử lý trích chọn tự động các đặc trưng
chi tiết, lưu và tổ chức CSDL. Truy nguyên vân tay là xác định xem đối tượng có
vân tay đó đã có trong cơ sở dữ liệu hay chưa, số hồ sơ đối tượng đăng ký là bao
nhiêu. Khi xây dựng CSDL vân tay cũng như khi truy nguyên đều đòi hỏi phải phân
loại và trích chọn các điểm đặc trưng chi tiết trước khi tiến hành đối sánh. Hình 1.6
mô tả sơ đồ khối tổng quát của hệ thống nhận dạng vân tay tự động.

Hình 1.6 :Sơ đồ khối tổng quát hệ thống nhận dạng vân tay tự động

Thu nhận ảnh, tiền xử lý và nhập thông tin: Khâu này có ý nghĩa rất lớn
trong mô hình nhận dạng vân tay tự động. Ảnh vân tay thu nhận có chất lượng khác
nhau. Ảnh lấy mẫu trên các máy lăn tay sống chuyên dụng thường có chất lượng tốt
hơn ảnh quét từ chỉ bản lăn mực. Tiền xử lý ảnh là chuyển ảnh vân tay sang một

dạng phù hợp, có chất lượng tốt để phục vụ cho pha trích chọn đặc trưng.
Trích chọn đặc trưng tự động: Các vân tay phân biệt nhau bởi một số thuộc
tính đặc trưng để phục vụ cho bài toán nhận dạng, chẳng hạn các điểm đặc trưng


16

chi tiết. Cần phải tìm ra được thuật toán hiệu quả để tự động trích chọn các đặc
trưng chi tiết này.
Tổ chức Cơ sở dữ liệu (CSDL): Lưu ảnh vân tay cùng các thông tin thuộc
tính (số đối tượng, họ tên, ngày sinh, địa phương, ...) của đối tượng, thông tin hình
học như dạng cơ bản và các điểm đặc trưng chi tiết của vân tay. Để tra cứu nhanh,
CSDL ảnh vân tay gốc và CSDL các đặc điểm trích chọn cần được tổ chức hợp lý.
Thông thường CSDL vân tay gốc được sắp xếp theo số căn cước, còn CSDL các
thông tin thuộc tính bao gồm các đặc điểm vân tay được sắp xếp, đánh chỉ số, chẳng
hạn theo dạng cơ bản và một số thông tin phụ trợ khác như địa phương, năm sinh,
giới tính, tuổi, ...
Đối sánh: Đối sánh tự động là so sánh tự động hai tập đặc trưng trích chọn
được của vân tay thay cho đối sánh trực tiếp hai ảnh đa cấp xám của chúng để đưa
ra độ giống làm căn cứ để kết luận chúng có đồng nhất với nhau hay không và nếu
có thì với sai số là bao nhiêu.

Kết luận chương
Chương 1 đã trình bày một cách tổng quan về sinh trắc học và sinh trắc dấu vân
tay. Theo đó nhận dạng vân tay là một bài toán có nhiều ứng dụng thiết thực, thu hút
sự quan tâm sâu sắc của rất nhiều nhà khoa học hàng đầu thế giới. Cho đến nay, mặc
dù đã có nhiều sản phẩm AFIS trên thị trường nhưng việc xây dựng và làm chủ các
hệ thống nhận dạng và truy nguyên vân tay có độ tin cậy cao vẫn là nội dung sôi động
đang thu hút rất nhiều nỗ lực của các nhà khoa học trên thế giới
Phần còn lại của luận văn sẽ trình bày cụ thể các công đoạn nhận dạng dấu vân

tay và vân tay khiếm khuyết cũng như đóng góp của luận văn cho chủ đề này.


17

Chương 2 - PHƯƠNG PHÁP NHẬN DẠNG CHỦ THỂ BẰNG
DẤU VÂN TAY KHÔNG HOÀN CHỈNH
Ảnh số - xử lý ảnh nhận dạng
Ảnh số
Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là
đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối
tượng trong không gian và nó có thể xem như một hàm n biến P(c1, c2,..., cn). Do
đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều.
Điểm ảnh (Picture Element hay Pixel): Gốc của ảnh (ảnh tự nhiên) là ảnh liên
tục về không gian và độ sáng. Để xử lý bằng máy tính, ảnh cần phải được số hoá.
Số hoá ảnh là sự biến đổi gần đúng một ảnh liên tục thành một tập điểm phù hợp
với ảnh thật về vị trí (không gian) và độ sáng (mức xám). Khoảng cách giữa các
điểm ảnh đó được thiết lập sao cho mắt người không phân biệt được ranh giới giữa
chúng. Vậy điểm ảnh là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặc
màu nhất định. Mỗi phần tử trong ma trận được gọi là một phần tử ảnh [2].
Độ phân giải của ảnh là mật độ điểm ảnh được ấn định trên một ảnh số được
hiển thị. Theo định nghĩa, khoảng cách giữa các điểm ảnh phải được chọn sao cho
mắt người vẫn thấy được sự liên tục của ảnh. Việc lựa chọn khoảng cách thích hợp
tạo nên một mật độ phân bố, đó chính là độ phân giải và được phân bố theo trục x
và y trong không gian hai chiều.
Mức xám của ảnh: Một điểm ảnh (pixel) có hai đặc trưng cơ bản là vị trí tọa
độ (x, y) của điểm ảnh và độ xám của nó. Mức xám của điểm ảnh là cường độ sáng
của nó được gán bằng giá trị số tại điểm đó.
Để có thể thực hiện các phương pháp nhận dạng vân tay và vân tay khiếm
khuyết, ta cần phải nắm rõ cấu trúc dữ liệu của các bức ảnh. Tiếp theo ta sẽ tiếp cận

vấn đề này qua công cụ Matlab.
Từ matlab chúng ta có thể tải một bức ảnh xám theo các bước như sau:


18

>>A=imread(‘4.tif’); size(A)
ans=
400

275

>>image(A); title(‘4.tif’); ylabel(size(A,1)); xlabel(size(A,2));

Hình 2.7: Dữ liệu ảnh xám 4.tif cùng với kích thước của ảnh

Trong hình 2.1, ảnh chỉ là một ma trận dữ liệu màu xám có kích thước
400x275. Giá trị trong ma trận dữ liệu này càng lớn thì điểm ảnh đó càng sáng và
ngược lại.

Xử lý ảnh để nhận dạng
Những năm trở lại đây với sự phát triển mạnh mẽ của phần cứng máy tính, xử
lý hình ảnh và đồ họa, có rất nhiều ứng dụng thực tế trong cuộc sống như nâng cao
chất lượng ảnh, trí tuệ nhân tạo, thị giác máy tính, nhận dạng chữ viết, vân tay,
mống mắt, hình ảnh… . Xử lý ảnh đóng vai trò quan trọng trong tương tác giữa
người và máy, có thể nói xử lý ảnh là một lĩnh vực mang tính khoa học và công
nghệ.


19

Trong phần này tác giả xin trình bày một số kỹ thuật xử lý ảnh được hỗ trợ
bởi công cụ Matlab như: chuyển đổi dữ liệu ảnh, cân bằng mức xám, nội suy ảnh…
Đây là những bước xử lý cơ bản trong quá trình nhận dạng ảnh vân tay. Cần lưu ý
rằng công cụ Matlab thực hiện trong luận văn này là phiên bản Matlab 2016a, với
những phiên bản khác có thể các hàm sẽ có tên và cách gọi khác.

Chuyển đổi dữ liệu ảnh
Chuyển đổi kiểu dữ liệu ảnh là quá trình chuyển đổi từ ảnh từ kiểu này sang
kiểu khác như từ ảnh màu sang ảnh xám, từ ảnh xám sang ảnh nhị phân,…. Có
nhiều hàm trong matlab hỗ trợ công việc này, trong đó hai hàm rgb2gray và im2bw
được sử dụng nhiều trong quá trình xử lý ảnh vân tay.
>>a=imread(‘109.png’); b=rgb2gray(a); c=im2bw(a);
>>subplot(1,3,1);imshow(a);title('ảnh màu');
>>subplot(1,3,2);imshow(b);title('ảnh xám');
>>subplot(1,3,3);imshow(c);title('ảnh nhị phân');

Hình 2.8: Chuyển đổi ảnh màu, ảnh xám và ảnh nhị phân

Nội suy ảnh
Nội suy là quá trình ước lượng giá trị của ảnh tại một điểm nằm giữa hai
pixel có giá trị đã biết. Chẳng hạn, nếu ta thay đổi kích thước ảnh sao cho nó chứa


20

nhiều pixel hơn ảnh gốc, thì giá trị của các pixel thêm vào sẽ được xác định bằng
phép nội suy. Phép nội suy cũng là cơ sở để thực hiện các biến đổi hình học khác, ví
dụ biến đổi kích thước hoặc quay ảnh ...
Matlab cung cấp ba phương pháp nội suy ảnh, bao gồm: nội suy theo các lân

cận gần nhất, nội suy song tuyến tính và nội suy bicubic. Cả ba phương pháp đều
thực hiện theo một nguyên tắc chung: để xác định giá trị của một pixel ảnh nội suy,
ta tìm một điểm trong ảnh ban đầu tương ứng với pixel đó, sau đó giá trị của pixel ở
ảnh mới sẽ được tính bằng trung bình có trọng số của một tập các pìxel nào đó ở lân
cận của điểm vừa xác định, trong đó trọng số của các pixel phụ thuộc vào khoảng
cách tới điểm này [13].
Với phương pháp lân cận gần nhất, pixel mới sẽ được gán giá trị của pixel
chứa điểm tương ứng của nó (pixel mới) trong ảnh ban đầu. Với phương pháp song
tuyến tính, pixel mới sẽ được gán là trung bình có trọng số của các pixel trong một
lân cận kích thước 2x2. Với phương pháp bicubic, pixel mới sẽ được gán là trung
bình có trọng số của các pixel trong một lân cận kích thước 4x4.
Phương pháp đầu tiên là phương pháp đơn giản và nhanh nhất, nhưng chất
lượng không tốt bằng hai phương pháp còn lại. Số pixel được đưa vào để tính trọng
số càng nhiều thì chất lượng càng tốt nhưng thời gian càng lâu. Ngoài ra, chỉ có
phương pháp đầu tiên là có thể áp dụng cho mọi kiểu ảnh và kiểu dữ liệu vì nó
không làm thay đổi tập giá trị của các pixel. Các phương pháp còn lại không thích
hợp cho ảnh indexed, nhưng với ảnh RGB thì nên dùng các phương pháp này để
bảo đảm chất lượng ảnh.
Với ảnh RGB, phép nội suy được thực hiện một cách riêng biệt trên ba mặt
phẳng màu đỏ, lam và lục. Với ảnh nhị phân dùng nội suy song tuyến tính hoặc
bicubic, cần lưu ý đến kiểu dữ liệu, vì giá trị của pixel mới có thể nhận giá trị khác
0 và 1. Nếu ảnh gốc thuộc kiểu double thì ảnh mới sẽ là ảnh trắng đen thuộc kiểu
double, nếu ảnh gốc thuộc kiểu uint8 thì ảnh mới sẽ là ảnh nhị phân kiểu uint8,
trong đó các giá trị khác 0 và 1 sẽ được làm tròn về 0 hoặc 1.


21

Biến đổi Fourier
Phép biến đổi Fourier biểu diễn ảnh dưới dạng tổng của các luỹ thừa phức

của các thành phần, biên độ, tần số và pha khác nhau của ảnh. Phép biến đổi Fourier
có vai trò rất quan trọng trong các ứng dụng rộng rãi của xử lý ảnh số, bao gồm
nâng cao chất lượng ảnh, phân tích, khôi phục và nén ảnh.
Nếu f(m,n) là một hàm của hai biến không gian rời rạc m và n, thì biến đổi
Fourier hai chiều của f(m,n) được định nghĩa như sau:

(2.1)
Với ω1, ω2 là các biến tần số với đơn vị rad/mẫu. F(ω1, ω2) gọi là biểu diễn
trong miền tần số của f(m,n). F(ω1, ω2) là hàm tuần hoàn chu kỳ 2π đối với các biến
ω1, ω2 , do đó chỉ cần xét − π ≤ ω 1, ω2 ≤ π. F(0,0) chính là tổng các giá trị của f(m,n)
và được gọi là thành phần hằng số hoặc thành phần DC của biến đổi Fourier. Nếu
f(m,n) biểu diễn độ sáng của ảnh X ở vị trí pixel (m,n) thì F(ω1, ω2) chính là biến đổi
Fourier của ảnh X.
Do các dữ liệu trên máy tính được lưu trữ dưới dạng rời rạc, cụ thể là dữ liệu
ảnh được tổ chức theo đơn vị pixel nên phép biến đổi Fourier cũng được rời rạc hoá
thành biến đổi Fourier rời rạc (DFT – Discrete Fourier Transform). Giả sử rằng hàm
f(m,n) chỉ khác 0 trong miền (0 ≤ m ≤ M-1, 0 ≤ n ≤ N-1). Các phép biến đổi DFT
thuận và nghịch kích thước M x N được định nghĩa như sau:

(2.2)

(2.3)
Với F(p,q) được gọi là các hệ số của biến đổi DFT. Trong Matlab, các mảng
và ma trận có chỉ số bắt đầu từ 1, do đó phần tử F[1,1] sẽ ứng với hệ số F(0,0),
phần tử F[2,2] ứng với F(1,1), ...


22

Các hàm Matlab fft, fft2, fftn sẽ thực hiện các phép biến đổi Fourier rời rạc

1 chiều, 2 chiều và n chiều. Các hàm ifft, ifft2, ifftn thực hiện các phép biến đổi
DFT ngược. Với các ứng dụng xử lý ảnh, ta chỉ cần quan tâm đến các hàm fft2 và
ifft2.

Thay đổi độ tương phản
Phương pháp biến đổi mức xám là một kỹ thuật nâng cao chất lượng ảnh
trong đó tập các giá trị mức xám của ảnh được ánh xạ vào một miền giá trị mới.
Quá trình này được định nghĩa bởi biểu thức:
g(x,y) = T[f(x,y)]

(2.4)

Trong đó f(x,y) là ảnh ban đầu, g(x,y) là ảnh sau khi biến đổi còn T là một
toán tử trên f, được định nghĩa bởi một hàm của các giá trị độ sáng ở các điểm lân
cận của điểm (x,y) đang xét. Các điểm lân cận là các điểm nằm trong 1 hình vuông
có tâm tại điểm (x,y). Trong trường hợp đơn giản nhất, hình vuông này có kích
thước 1x1.
Hàm imadjust là một hàm cơ bản trong Matlab dùng để biến đổi mức xám
của ảnh trong khoảng nào đó thành các giá trị nằm trong khoảng cài đặt theo quy
luật là tuyến tính hay đường cong dựa vào giá trị gamma cài đặt.
>>I=rgb2gray(imread(’98.png’)); J = imadjust(I,[0.1 0.55],[0 1]);
>> subplot(2,2,1);imshow(I);title(‘Ảnh gốc’);
>> subplot(2,2,2);imshow(J);title(‘Sau khi thay đổi mức xám’);
>> subplot(2,2,3);imhist(I,64);title(‘Histogram ảnh gốc’);
>> subplot(2,2,4);imhist(J,64);title(‘Histogram ảnh thay đổi’);


23

Hình 2.9: Ví dụ về độ tương phản ảnh

Cân bằng Histogram
Giả sử rằng các giá trị mức xám của ảnh là liên tục trong khoảng [0,1], và
gọi Pr(r) là hàm mật độ xác suất của các giá trị mức xám của một ảnh cho trước.
Giả sử ta thực hiên phép biến đổi mức xám sau đây để được các giá trị mức xám
mới s:

(2.5)
Khi đó có thể chứng minh rằng phân bố xác suất của ảnh mới sẽ là phân bố
đều trên [0, 1]:

(2.6)
Như vậy, phép biến dổi này làm cho các giá trị mức xám của ảnh trở nên có
xác suất xuất hiện phân bố đều trên toàn khoảng [0,1], nghĩa là dải động của ảnh sẽ
lớn hơn và độ tương phản cao hơn. Quá trình biến đổi này gọi là quá trình cân bằng
ảnh. Khi làm việc với các giá trị mức xám rời rạc như trong các ảnh số thì hàm mật


24

độ xác suất sẽ trở thành histogram của ảnh và quá trình biến đổi nói trên được gọi là
quá trình cân bằng histogram. Gọi Pr(rj) với j = 1, 2, ... là các giá trị histogram chuẩn
hoá của ảnh thì quá trình cân bằng histogram được biểu diễn bởi phương trình sau:

(2.7)
Trong đó k = 1, 2, ..., L và sk là các giá trị mức xám của ảnh. Trong Matlab,
quá trình cân bằng histogram được thực hiện thông qua hàm histeq như sau:
>>a=imread(‘4.png’);b=rgb2gray(a);c=histeq(b);
>>subplot(2,2,1);imshow(b);title(‘Ảnh gốc’);
>>subplot(2,2,2);imshow(c);title(‘Ảnh cân bằng’);

>>subplot(2,2,3);imhist(b,64);title(‘Histogram ảnh gốc’);
>>subplot(2,2,4);imhist(c,64);title(‘Histogram ảnh cân bằng’);

Hình 2.10: Cân bằng Histogram ảnh xám


25

Phương pháp nhận dạng chủ thể bằng dấu vân tay
Hệ thống nhận dạng là hệ thống xác thực một cá nhân bằng cách tìm kiếm và
đối sánh đặc tính sinh trắc của người này với toàn bộ các mẫu sinh trắc được lưu
giữ trong cơ sở dữ liệu. Hình 2.5 là cấu trúc cơ bản của một hệ thống nhận dạng vân
tay.

Hình 2.11 :Hệ thống nhận dạng vân tay cơ bản

Tiền xử lý
Các ảnh vân tay được thu nhận từ các cảm biến hoặc từ ảnh dữ liệu mẫu qua
bước tiền xử lý để cho ra ảnh có chất lượng tốt với các đường vân được phân biệt
rõ. Với các hệ thống nhận dạng vân tay thông thường, ảnh đầu vào thường có chất
lượng tốt, các bước tiền xử lý chỉ là cân bằng ảnh và chuyển ảnh sang dạng nhị
phân (như đã trình bày trong phần 2.1). Lúc này ảnh vân tay sẽ có dạng như hình
2.6.b trong đó màu đen (mức 0) là đường vân và màu trắng (mức 1) là các rãnh .

Hình 2.12 :Ảnh gốc đầu vào và ảnh nhị phân sau bước tiền xử lý