Odciski palców ekstrakcja cech

Podobne dokumenty
CECHY BIOMETRYCZNE: ODCISK PALCA

rozpoznawania odcisków palców

LINIE PAPILARNE 16:15-17:45

Krzysztof Ślot Biometria Łódź, ul. Wólczańska 211/215, bud. B9 tel

Metody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia. Mgr inż.

Materiały dydaktyczne: Maciej Krzymowski. Biometryka

Grafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38

Grafika komputerowa. Zajęcia IX

Implementacja filtru Canny ego

Ćwiczenia z grafiki komputerowej 5 FILTRY. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University. Październik 2015

RODO A DANE BIOMETRYCZNE

Analiza obrazów - sprawozdanie nr 3

Identyfikacja człowieka metody kryminalistyczne i biologiczne - ogólnie

Analiza i przetwarzanie obrazów

Detekcja twarzy w obrazie

Biometryczna Weryfikacja (NIE inwigilacja)

Przygotowanie materiału uczącego dla OCR w oparciu o aplikację Wycinanki.

Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Politechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 8. Filtracja uśredniająca i statystyczna.

Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Przetwarzanie obrazów wykład 4

SYSTEM BIOMETRYCZNY IDENTYFIKUJĄCY OSOBY NA PODSTAWIE CECH OSOBNICZYCH TWARZY. Autorzy: M. Lewicka, K. Stańczyk

Metody komputerowego przekształcania obrazów

Treść wykładu. Przetwarzanie i analiza obrazów w Matlabie Cz.2. Badanie i filtracja szumu. Obraz i jego szum: Profile i histogram obrazu szumu

Laboratorium Cyfrowego Przetwarzania Obrazów

Dane biometryczne pracowników a kontrola czasu pracy

POBR Projekt. 1 Cel projektu. 2 Realizacja. 3 Zastosowany algorytm. Celem projektu było rozpoznanie logo firmy Sun Microsystems.

SYSTEMY KONTROLI DOSTĘPU WYKORZYSTUJĄCE CZYTNIKI BIOMETRYCZNE

Diagnostyka obrazowa

Opis ochrony danych osobowych oraz technologii wykorzystanej w zintegrowanym systemie informatycznym do obsługi wejść użytkowników karnetów OK

Przetwarzanie obrazów rastrowych macierzą konwolucji

Przekształcenia punktowe

Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 9. Przetwarzanie sygnałów wizyjnych. Politechnika Świętokrzyska.

AKWIZYCJA I PRZETWARZANIE WSTĘPNE

Automatyka i Robotyka, V rok. promotor: dr Adrian Horzyk. Kraków, 3 czerwca System automatycznego rozpoznawania

dr inż. Tomasz Krzeszowski

Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy

Przetwarzanie obrazów wykład 7. Adam Wojciechowski

BIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat

Nowoczesne sposoby ewidencji czasu pracy a ochrona dóbr osobistych pracownika i danych osobowych. Dr Dominika Dörre-Nowak

BIOMETRIA. Napisz coś na klawiaturze, a powiem Ci. Wojciech Wodo Katedra Informatyki Wydział Podstawowych Problemów Techniki. Wrocław, r.

Histogram obrazu, modyfikacje histogramu

Filtracja obrazu operacje kontekstowe

i ruchów użytkownika komputera za i pozycjonujący oczy cyberagenta internetowego na oczach i akcjach użytkownika Promotor: dr Adrian Horzyk

Wtyczka Crop3D. Wstęp. Implementacja. Sprawozdanie z realizacji projektu Bartłomiej Trzewiczek Kraków,

Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.

Filtracja obrazu operacje kontekstowe

Obraz jako funkcja Przekształcenia geometryczne

Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT

Kurs Adobe Photoshop Elements 11

Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Diagnostyka obrazowa

Teoria do zajęć została opracowana na podstawie materiałów pochodzących ze strony internetowej mgra Krzysztofa Misztala:

a. Wersja podstawowa pozioma

Grafika Komputerowa Materiały Laboratoryjne

Spis treści. Morfologia matematyczna. 1 Morfologia matematyczna 1.1 Dylacja 1.2 Erozja 1.3 Otwarcie i zamknięcie 1.

Kurs Adobe Photoshop Elements 11

Szacowanie wartości monet na obrazach.

Proste metody przetwarzania obrazu

Projekt badawczy. Zastosowania technologii dynamicznego podpisu biometrycznego

Przykłady prawidłowych zdjęć:

Wykrywanie twarzy na zdjęciach przy pomocy kaskad

Bezpieczeństwo 2.0 w mbanku

Wyższa Szkoła Informatyki Stosowanej i Zarządzania Warsaw School of Information Technology WIT

Cyfrowe Przetwarzanie Obrazów i Sygnałów

Operacje przetwarzania obrazów monochromatycznych

Początek biometrycznych systemów autoryzacji: Babilon i Egipt

Zdjęcie do dowodu lub paszportu. Informacja o usłudze OBYWATEL.GOV.PL BETA. Ogólne informacje

Komputerowa obróbka zdjęć. Komputerowa obróbka zdjęć

Rozpoznawanie twarzy - zasady funkcjonowania i praktyczne wykorzystanie -

PROVEN BY TIME.

Pattern Classification

WOJSKOWA AKADEMIA TECHNICZNA

Rozpoznawanie twarzy za pomocą sieci neuronowych

KUS - KONFIGURACJA URZĄDZEŃ SIECIOWYCH - E.13 ZABEZPIECZANIE DOSTĘPU DO SYSTEMÓW OPERACYJNYCH KOMPUTERÓW PRACUJĄCYCH W SIECI.

WYDZIAŁ FIZYKI I INFORMATYKI STOSOWANEJ

Analiza obrazu. wykład 3. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009

Anna Fabijańska. Algorytmy segmentacji w systemach analizy ilościowej obrazów

WYKŁAD 3 WYPEŁNIANIE OBSZARÓW. Plan wykładu: 1. Wypełnianie wieloboku

Diagnostyka obrazowa

SYLABUS ECCC MOD U Ł : C S M2 GR A F I K A KO M P U T E R O W A PO Z I O M: PO D S T A W O W Y (A)

Temat: Tworzenie dokumentu z obiektami graficznymi cz. 2

budowa i zasady użycia znaku Fundacji

AUTOMATYCZNA AKTUALIZACJA BAZY DANYCH O BUDYNKACH W OPARCIU O WYSOKOROZDZIELCZĄ ORTOFOTOMAPĘ SATELITARNĄ

Grenlandia się topi badanie rozkładu kątów pomiędzy strumykami na lądolodzie na podstawie analizy obrazu

Operacje morfologiczne w przetwarzaniu obrazu

9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie

Ćwiczenia z grafiki komputerowej 4 PRACA NA WARSTWACH. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University.

ALGORYTMY PRZETWARZANIA OBRAZÓW Projekt. Aplikacja przetwarzająca obrazy z możliwością eksportu i importu do programu MS Excel.

Analiza obrazu. wykład 4. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009

Analiza i przetwarzanie obrazo w

Rozpoznawanie Twarzy i Systemy Biometryczne

Biometryczna Identyfikacja Tożsamości

1. Definicja danych biometrycznych

Parametryzacja obrazu na potrzeby algorytmów decyzyjnych

Analiza obrazów - sprawozdanie nr 2

KSIĘGA IDENTYFIKACJI WIZUALNEJ

Poszczególne kroki wymagane przez normę ISO celem weryfikacji tożsamości użytkownika

Zadanie 3: Liczenie winogron

Transkrypt:

Kolasa Natalia Odciski palców ekstrakcja cech Biometria sprawozdanie z laboratorium 4 1. Wstęp Biometria zajmuje się rozpoznawaniem człowieka na podstawie jego cech biometrycznych. Jest to możliwe ponieważ cechy te są s mierzalne, a takżee niepowtarzalne, trwałe i uniwersalne. Można również powiedzieć, żee biometria jako nauka jest to uniwersalny system rozpoznawania obrazów, ale obrazem tym musi być właśnie śnie nie cecha biometryczna. W dzisiejszych czasach biometria staje się si coraz bardziej popularna, gdy zachodzi potrzeba identyfikacji lub weryfikacji czyjejśś tożsamości. toż Dzieje się tak, ponieważ w niektórych przypadkach tradycyjne metody zawodzą. zawodz Istnieją dwa rodzaje cech biometrycznych. Cechy fizjologiczne, posiadane zazwyczaj od urodzenia, na przykład odciski palców, tęczówka, ęczówka, wzorzec naczyniowy, geometria dłoni, a także cechy behawioralne, związane zane z wykonywaniem czynności, których nauczyliśmy nauczyli się po urodzeniu. Są to między innymi chód, ruch ust podczas mowy, sposób pisania na klawiaturze, poruszanie myszkąą komputerową komputerow oraz podpis. Niniejszy projekt będzie dzie dotyczył cechy, jaką jak jest odcisk palca. 2. Cel laboratorium Ekstrakcja cech ze skanów odcisków palców w celu przygotowania do rozpoznawania i klasyfikacji. W tym celu korzystałam z czterech przygotowanych zdjęć: zdj

3. Poszczególne etapy przetwarzania obrazów na podstawie odcisków Aby możliwe było wydobycie cech charakterystycznych z obrazu niezbędne jest wstępne przetworzenie obrazu, aby oczyścić go z artefaktów i wydzielić składowe zdatne do analizy. W tym celu wykonałam następujące czynności: 1. Usunięcie przebarwień Jak widać na pozyskanych obrazach wejściowych na krawędziach znajdują się przebarwienia, wynikające z charakterystyki pracy urządzenia pobierającego. Aby się ich pozbyćć zbadałam histogram linii pionowych i poziomych i na tej podstawie usunęłam linie na krawędziach, które znacząco odbiegały od średniej. Otrzymałam następujące efekty:

2. Odszumianie Ze względu na widoczne na czwartym zdjęciu zaszumienie typu pieprz i sól zdecydowałam się na zastosowanie filtru medianowego. W przypadku pozostałych obrazów uznałam, że odszumianie nie jest niezbędne, a mogło by doprowadzić do niepotrzebnej utraty danych. Otrzymałam obraz: Jak widać szum zniknął, ale w niektórych częściach zdjęcie jest zamazane, co może utrudnić wykonanie następnych etapów przetwarzania wstępnego. Zdecydowałam się na odszumianie poprzez ulepszoną medianę, aby otrzymać najlepsze efekty. Odszumianie przez średnią w przypadku szumu pieprz i sól nie daje wystarczająco dobrych efektów. 3. Zamiana na obrazy w odcieniach szarości W tym celu zastosowałam metodę z pierwszego laboratorium, gdzie zastosowałam wzór 0.3*R+0.59*G+0.11*B, aby dokonać zamiany na odcienie szarości. Umożliwiło to otrzymanie następujących efektów:

4. Normalizacja histogramu Aby wyostrzyć różnicę pomiędzy tłem, a odciskiem palca niezbędne było znormalizowanie histogramu. W tym celu również użyłam metody poznanej na pierwszym laboratorium. Udało mi się otrzymać następujące obrazy: 5. Binaryzacja obrazu Następnym etapem było wykonanie binaryzacji, aby otrzymać obraz czarno-biały i całkowicie wyodrębnić odcisk od tła. Na zajęciach poznaliśmy kilka możliwych sposobów progowania. Było to progowanie lokalne, poprzez średnią globalną oraz połączenie obu tych metod. Aby dobrać jak najlepszą metodę postanowiłam przetestować je wszystkie. Otrzymałam w przypadku odcisku pierwszego czwartego (poddanego wcześniej również odszumianiu): a) progowanie lokalne, otoczenie o wielkości 3 i 15

b) progowanie z średnią globalną c) połączenie metod, otoczenie wielkości 15, ze stopniem odbiegania 15 Progowanie lokalne wydało mi się mieć najlepszy efekt, ponieważ w miejscach, gdzie zdjęcia były za jasne również umożliwiło wydobycie kształtu odciski. Pozostałe sposoby progowania w tych miejscach doprowadziły do utraty informacji. Postanowiłam również sprawdzić jak będą wyglądały pozostałe zdjęcia po wykonaniu powyższych pięciu operacji, jeśli przy nich również zastosuje odszumianie.

Otrzymałam następujące efekty: Wydały mi się one najlepsze, ale, aby usunąć czarne kontury ponownie poddałam je procesowi usunięcia przebarwień:

5. Szkieletyzacja Wykonanie szkieletyzacji było niezbędne, aby możliwe było odszukiwanie minucji: W przypadku pierwszego i trzeciego obrazka widać, że uzyskany efekt nie jest wystarczająco zadowalający, ponieważ wokół odcisku palca otrzymaliśmy obszar trudny do weryfikacji minucji. Dlatego zdecydowałam się na zastosowanie dylatacji przed szkieletyzacją, aby uniknąćć tego efektu, związanego z występowaniem białych 'dziur' na zdjęciu.

Polepszyło to nieco efekty w każdym z przypadków (pozostałe błędne wyeliminowane przy wykluczaniu minucji wyszukanych na brzegach): efekty, powinny zostać 5. Odszukanie minucji Następna częścią zadania było odnalezienie minucji, za pomocą algorytmu przedstawionego na zajęciach:

Jak widać odszukanie minucji nie zadziałało w stu procentach dokładnie. Wynika to z faktu, że zdjęcia wejściowe nie były bardzo dobrej jakości i niezbędne było wiele procesów podczas wstępnego przetworzenia, a przyjęta metoda odszukiwania minucji ma bardzo wysokie wymagania względem przetwarzanego obrazu. Zdjęcia powinny mieć dużą czytelność oraz małą liczbę zanieczyszczeń, a na przykład zdjęcie wejściowe numer cztery było obarczone szumem sol i pieprz. 1. Wnioski Podczas rozpoznawania odcisków palców bardzo ważna jest jakość obrazów, jakie otrzymujemy po pobraniu odcisków, niezbędne jest również odpowiednie przetworzenie, aby możliwa była ekstrakcja cech. O rozpoznawalności odcisku palca będzie decydowała ilość minucji, czyli miejsc charakterystycznych, dlatego bardzo ważne jest aby pobrać odciski palców dokładnie. W przypadku, kiedy będziemy miec tylko fragment odcisku palca odnalezienie wystarczającej liczby minucji do rozpoznania danej osby może nie być mozliwe.