تبليغاتX
ایرانی ام - تحقیق در مورد سیستم تشخیص اثر انگشت و کاربرد های اثر انگشت
style="width: 900px; height: 150px">
این وبلاگ در زمينه معلومات عمومی و مذهبی می باشد
سلام به دوستان عزيز

اين قسمت مخصوص سوالات- نظرات - پيشنهادات -يا انتقادات شما مي باشد .در ضمن مطالبي كه شما عنوان مي كنيد به صورت محرمانه محفوظ مي ماند مگر مطالبي كه از نظر ما عمومي باشد در معرض ديد ديگران قرار مي گيرد. ما را امين خود بدانيد.

پس در قسمت نظر خواهي اين پست نظرات خود را در ميان بگذاريد.            با تشكر مديريت وبلاگ ( منادي)


با سلام به شما دوست عزيز:

 

اگر به قسمت کف انگشت شصت و ساير انگشتان بنگريد، خواهيد ديد که از يک عده خطوطي که بارتفاع 0.1 تا 0.4 ميليمتر مي‌باشند تشکيل شده است. طرز آرايش اين خطوط در اشخاص مختلف متفاوت مي‌باشد و تاکنون مشاهده نشده است که خطوط يک نفر با نفر ديگر يکسان باشد. از اين جهت است که براي شناسايي اشخاص ، شکل خطوط انگشت آنها را ضبط مي‌نمايند و شکل اين خطوط از زماني که شخص در گهواره است تا زمانيکه مي‌ميرد، تغيير نمي‌نمايد. واژه لاتين معادل با انگشت نگاري ، Dacty Lagraphy مي‌باشد.

تاريخچه

بشر از عهد قديم تاکنون از خطوط انگشت براي شناسايي اشخاص استفاده کرده و مي‌کند. چنانکه يک قرارداد بازرگاني در چين پيدا شده است که متعلق به 1200 سال پيش است و پاي آن قرارداد را طرفين معامله هم انگشت زده و هم امضا نموده‌اند. هنوز هم در خاور دور در پشت کتابها در محل نوشتن اسم ، اثر انگشت مالک کتاب ديده مي‌شود. در برگ شناسايي که پس از جنگ جهاني دوم در آلمان براي اشخاص صادر مي‌گرديد، اثر انگشت صاحب برگ هم ضبط مي‌شد.

خصوصيات اثرانگشت:

خصوصيات بارزي در اثر انگشتان وجود دارد كه عاملي براي طبقه بندي راحت تر آنها به حساب مي‌آيد. به طوري كه ميتوان براساس شكل ظاهري تصوير اثر انگشت و بررسي نقاط منفرد، هر يك از آنها را به كلاس‌هايي طبقه بندي نمود.

سه اصل كلي و تغيير ناپذير در اين مورد وجود دارد كه عبارتند از :

1ـ تغيير ناپذيري : خطوط و اثرانگشت هر شخصي در طول زندگي ثابت و تغيير ناپذير است.

2ـ يكتايي : اثر انگشت و ساختار آنها براي افراد مختلف در دنيا منحصر به فرد است و تكرار نمي‌گردد. حتي دو قلوهاي تخمكي نيز داراي خطوط پوستي كاملا متشابه نمي‌باشند.

3 ـ طبقه بندي : با وجود همه اين پيچيدگي‌ها، تنوع ساختار اثرانگشت به قدري محدود است كه ميتوان به راحتي آنها را به صورت سيستماتيك طبقه بندي كرد.

 

انواع روشهاي ثبت اثر انگشت

• شعله يک شمع را در زير يک صفحه شيشه‌اي طوري حرکت مي‌دهيم که شعله با شيشه تمام پيدا نمايد. در نتيجه يک قشر نازکي از دود روي شيشه مي‌نشيند. پس از سرد شدن با انگشت روي دود فشار مي‌آوريم و در نتيجه اثر انگشت در روي شيشه آشکار مي‌گردد. حال اگر با همين انگشت دوده‌اي روي کاغذ سفيد فشار بياوريم، اثر انگشت بطور واضح روي کاغذ هم نمايان خواهد شد.

• نوک انگشت خود را در يک محلول اسيد سولفوريک %20 مي‌زنيم و با آن در چند جاي يک کاغذ سفيد ، فشار مي‌آوريم. حال اگر اين کاغذ را در روي يک شعله کوچک نگاه داريم و گرم نماييم، اثر انگشت بصورت خطوط ريزي نمايان مي‌گردد. علت خطوط سياه اين است که: اسيد سولفوريک موجود روي خطوط انگشت که بر روي کاغذ متصل شده است، کاغذ را بر اثر حرارت تبديل به خاکستر مي‌کند. خطوط سياهي که خطوط انگشت را نشان مي‌دهد، همان محلهاي زغال شده کاغذ مي‌باشد.

• يک گرم فروسيانور پتاسيم را در 100 گرم آب حل کرده ، يک محلول يک در هزار کلرو فريک درست مي‌نمائيم. پس از خشک شدن کاغذ ، انگشت خود را در محلول کلرو فريک مي‌زنيم و با آن در چند جاي کاغذ فشار مي‌آوريم. بدين ترتيب اثر انگشت به رنگ آبي روي کاغذ نمايان مي‌شود.

انواع روشهاي تشخيص اثر انگشت

روش گرد آلومينيم

با انگشت خود که با صابون شسته‌ايم، روي چند جاي يک کاغذ سفيد و صاف فشار وارد مي‌کنيم و چون به کاغذ نگاه کنيم، معمولا اثر از جاي انگشت نيست. دور جاي انگشت را با مداد مشخص مي‌کنيم و روي آن گرد آلومينيم پخش مي‌نماييم و با فوتي آنها را رد مي‌کنيم. ذراتي از آلومينيم که پس از فوت کردن هنوز روي کاغذ چسبيده و باقي مانده‌اند، اثر خطوط انگشت دست را نمايان مي‌سازند.

 

روش مرکب

با انگشت پاک خود روي يک کاغذ فشار مي‌آوريم و دور جاي انگشت را با مداد مشخص مي‌کنيم، سپس يک کاغذ را در داخل مرکب معمولي زده ، روي جاي انگشت مي‌ماليم. پس از چند ثانيه با آب ، مرکب را مي‌شوئيم. اگر مرکب آبي رنگ باشد، جاي انگشت به رنگ آبي روشن نمايان مي‌شود.

روش دميدن

اگر روي يک شيشه معمولي که با ناخن ، اسم خود را روي آن نوشته‌ايم، با دهان بدميم، خط نمايان مي‌شود. زيرا بخار آب روي محل نوشته شده ، مايع مي‌شود. اگر با يک تکه چوب روي کاغذ صاف و معمولي بنويسيم، خطي نمايان نخواهد بود. ولي اگر مقداري يد جامد کنار کاغذ در زير يک جام قرار دهيم، يد بخار مي‌شود و بسته به دماي اتاق پس از چند دقيقه خط به رنگ قهوه‌اي نمايان مي‌گردد. براي تعيين اثر انگشت هم از همين اصل استفاده مي‌شود. با اين روش مي‌توان اثر انگشتي را که ده سال از تاريخ آن گذشته است، نمايان ساخت.

 

اما اينها روشهاي آزمايشگاهي و دستي هستند.

در روش هاي دستي شناسايي و تشخيص يك اثر انگشت عموما حجم بالاي اطلاعات مانع از سرعت بالا در شناسايي و تشخيص هويت مي‌باشد بدين واسطه استفاده از سيستم هاي كامپيوتري براي دستيابي به سرعت ودقت بالا در اين زمينه در بيشتر كشورهاي دنيا متداول مي باشد.

بسياري از پديده هاي فيزيكي را امروزه ميتوان به وسيله سيگنالهاي الكتريكي بيان كرد و به وسيله سيستم هاي الكتريكي و كامپيوتري اطلاعات را نشان داد و روي آنها پردازش انجام داد. براي اين منظور ابتدا سيگنال تصوير به صورت مناسب ديجيتال شده و دركامپيوتري ذخيره مي‌گردد سپس روي آن پردازش هاي لازم صورت مي‌ گيرد.

خوشبختانه امروزه با گسترش تكنولوژي و كاهش هزينه حافظه‌ها و پيدايش و گسترش كامپيوترهايي با پردازنده‌هاي مخصوص، ذخيره و پردازش اثر انگشت به سهولت و با سرعت بالا صورت مي‌گيرد.

يكي از مواردي كه تاكنون كارهاي زيادي در زمينه آن انجام شده است، الگوهاي ساختاري مي‌باشد درالگوهاي ساختاري تصوير به طور ناحيه‌اي داراي ساختار مشخص مي‌باشد از خصوصيات بارز و ويژگي‌ اين الگوها، ساختار آنها مي باشد. نمونه‌هايي از اين الگوها در طبيعت، بدن پستانداران، رگه‌هاي روي تنه درختان و بافت پارچه‌ها مي‌باشد.

 

گالتون نشان داد كه درجهان 64 هزار ميليون نقوش مختلف روي اثر انگشت ميتوان پيدا كرد در حالي كه در اين مورد نمي توان به آمار و ارقام تكيه كرد، ولي منحصر به فرد بودن اثر انگشت چيزي است كه تمام متخصصين و صاحب نظرات دراين مورد اتفاق نظر دارند. عموما در بدن انسان خطوط انگشتان از چند ماهگي ظاهر مي شوند و حتي پس از مرگ نيز اين خطوط تا مدتي باقي مي‌مانند.

ممكن است در اثر رشد بدن انسان انگشت يك فرد بزرگ شود ولي ساختار اين تصوير در تمام طول عمر ثابت است و مثل اين است كه يك تصوير را بزرگ يا كوچك كنيم.

همچنان كه ذكر شد گالتون در اين زمينه نظرياتي داشت كه فرد ديگري به نام ادوارد هنري با تكميل اين نظريات، سيستمي را طرح كرده كه به نام خود او مطرح است و هنوز در خيلي از جاها از اين سيستم استفاده مي‌گردد. از جمله سيستم انگشت نگاري در ايران نيز بر اساس سيستم هنري مي‌باشد.

در اين سيستم ابتدا اثر ده انگشت هر فرد روي يك كارت مخصوص به كمك جوهر ثبت مي‌شود و جهت بازيابي آنها و دسترسي سريع به آنها از تركيبي از اعداد، حروف و يك سري سمبلها به عنوان مشخصه استفاده مي گردد و نهايتاً يك كد منحصر به فرد براي هر نفر به دست مي آيد كه امر شناسايي را بي نهايت آسان مي كند.

امروزه در بيشتر كشورهاي مترقي دنيا مسئله انگشت نگاري به صورت تمام اتوماتيك و در بعضي جاها به صورت نيمه اتوماتيك درآمده است. معمولا تكنيك هاي پردازش تصاوير اثر انگشت بر اساس نمونه برداري از تصاوير ورودي مخلتف صورت مي گيرد در حالت كلي از دو تكنيك استفاده مي‌گردد :

1 ـ Off – line

2 ـ On – line

در روش off – line تصوير ورودي، يك تصوير اثر انگشت مركبي اسكن شده است كه به عنوان ورودي به سيستم داده مي شود روش توليد تصوير ورودي نيز بدين صورت مي باشد كه بر روي صفحه كاغذ A4 نمونه هاي مختلفي از هر انگشت تهيه مي‌گردند وسپس با بالاترين درجه اسكن مي‌شوند و براي ورود به پايگاه داده انتخاب مي گردد پس از اين روند، پردازش تصوير آغاز مي‌ گردد.

در روش on – line دستگاه گيرنده تصوير به صورت on – line نمونه هاي مختلفي از تصوير اثر انگشت را به سيستم شناسايي كننده ارسال مي كند كه سيستم مبتني بر آن، با دردست داشتن اين نمونه ها عمل طبقه بندي را انجام مي‌دهد. و بعد از اين عمل طبقه بندي پردازش و مراحل بعدي صورت ميگيرد.

با پيشرفت تکنولوژي روزبروز تجهيزات مربوط به شناسايي اثر انگشت نيز مدرن تر مي شود. به عنوان مثال:

 

اثر انگشت بدون لمس:

شركت الكترونيكى «ميتسوبيشى» ژاپن براى نخستين بار در جهان دستگاهى را ساخت كه بدون لمس انگشت مى تواند اثر انگشت فرد را شناسايى كند. كار اين دستگاه به گونه اى است كه نيازى به لمس صفحه به وسيله انگشت نيست. اين دستگاه براى شناسايى اثر انگشت، از روى ناخن بر انگشت پرتوافكنى كرده و سپس پستى و بلندى لايه درونى پوست پايين انگشت را مورد تجزيه و تحليل قرار مى دهد. دست اندركاران گفتند كه دستگاه هاى شناسايى كنونى اثر انگشت، در هنگام لمس دستگاه اگر بر روى انگشت چربى و يا ساييدگى وجود داشته باشد ممكن است كه نتواند درست انگشت نگارى كند، اما اين ضعف در دستگاه جديد وجود ندارد. سازندگان اين دستگاه برنامه دارند كه استفاده از اين دستگاه در بانك ها را مورد بررسى قرار دهند. هم اكنون ژاپنى ها براى دريافت و پرداخت پول از حساب بانكى خود نياز به ثابت كردن هويت خود دارند كه اين موضوع به وسيله ارايه كارت ويژه رمزدار انجام مى شود. اما با استفاده از اين دستگاه جديد، براى ثابت كردن هويت صاحب حساب بانكى ديگر نياز به كارت و شماره رمز نيست و با شناسايى اثر انگشت آنها اين عمل انجام پذير مى شود.

 

کاربردهاي اثر انگشت:

كار كردن روي اثر انگشت، تنها اختصاص به موارد شناسايي افراد و جرم شناسي ندارد گرچه مهمترين کاربرد آن همين است. اما يكسري نظرياتي براي تشخيص بعضي از امراض با توجه به انحرافات دراثر انگشت افراد مطرح شده است ولي باز هم گفته مي شود عمده كاري كه تاكنون در اين زمينه انجام شده، در رابطه با شناسايي وتشخيص هويت مي‌باشد.

 آشنايي با روش هاي مختلف شناسايي اثر انگشت

در اين فصل مروري بر روش هاي مختلف پردازش تصاوير و عمليات انجام شده بر روي اثر انگشت داريم. هر فرآيند شناسايي اثر انگشت از سه مرحله پيش پردازش ، پردازش و پس پردازش تشكيل شده است. در حالت كلي روش هاي شناسايي اثر ا نگشت را مي توان به پنج گروه كلي تقسيم بندي نمود:

روش هاي ساختاري

روش هاي شبكه عصبي

روش هاي آماري

روش هاي تبديلي

روش هاي تركيبي

بجز روش هاي شناسايي، عمليات ديگري نيز بر روي تصاوير اثر انگشت انجام گيرند كه مستلزم اجراي عمليات شناسايي بر روي تصاوير ورودي هستند. بعنوان مثال مي توان كد كردن الگوهاي اثر انگشت و فشرده سازي را نام برد.
در ضمن هر فاز از مرحله شناسايي خود مي تواند توسط يكي از روش هاي فوق پياده سازي گردد.
4-1 روش هاي ساختاري
در اين روش تصاوير را بسته به شكل ساختاري آن مي توان به كلاس هاي گوناگوني تقسيم نمود. اين روشها تحت عنوان دو بخش روشهاي معمولي پردازش تصاوير و روشهايي كه بر اساس الگوريتم هاي شناسايي ساختاري الگو كار مي كنند بررسي مي گردند.
4-1-1 روش هاي معمولي پردازش تصاوير
اين روش نسبت به روش قبلي (الگوريتم هاي شناسايي ساختاري الگو) متفاوت مي باشد. زيرا اين روش اكثرا براي پيدا كردن نقاط قلب و دلتا و بررسي موقعيت و فواصل آنها به كار برده مي شود. در صورتي كه الگوريتم هاي شناسايي ساختاري الگو، براي پيدا كردن ويژگي هاي ساختاري جزئي تر از قبيل جزاير، پايان خطوط، درياچه ها، چنگالها و… بكار مي روند.
اين روشها در دو بخش پيش پردازش و پردازش بررسي مي شوند.
پيش پردازش
براي پيش پردازش تصوير عمليات زير مورد استفاده قرار مي گيرند:

باينري كردن تصوير
اين تبديل براي كاهش سطوح خاكستري يك تصوير به دو سطح سياه و سفيد بكار مي رود. از مزايايي اين تبديل مي توان كاهش حجم محاسبات، ساده كردن تصميم گيري در مورد پيكسل ها و … را نام برد. روشهاي متفاوتي در اين مورد وجود دارند كه از جمله آنها مي توان به موارد زير اشاره كرد:
-    تقطيع تصاوير
در اين روش، تصوير ورودي به قطعاتي تقسيم بندي مي گردد كه هر قطعه در تصوير نشان دهنده يك يا قسمتي از يك شي مي باشد. در اين روش مي توان تصوير را به نقاط سياه و سفيد تقسيم بندي و زمينه را از پس زمينه تشخيص داد.
همچنين تقطيع تصاوير بيشتر در جاهايي مورد استفاده قرار مي گيرد كه بخواهيم رگه ها را از شيارها مجزا كنيم. همانطور كه مي دانيد تصاوير اثر انگشت متشكل از نقاط تيره (رگه ها ) و نقاط روشن (شيارها) مي باشند.

- روش آستانه گذاري ثابت
در اين روش سطح خاكستري هر نقطه با يك مقدار آستانه مقايسه مي شود. اگر اين مقدار از مقدار آستانه بيشتر بود، آن نقطه جزء شيار در نظر گرفته مي شود و اگر از مقدار آستانه كمتر بود آن نقطه جزء رگه محسوب مي شود. اين روش براي تصاويري مناسب است كه هيستوگرام سطح خاكستري آنها داراي دو مقدار ماكزيمم مشخص و مجزا باشد ولي اگر تصوير چنين خاصيتي را دارا نباشد يا تغيير از زمينه به پس زمينه در آن به آرامي صورت گيرد و يا زمينه تصوير كاملا يكنواخت نباشد اين روش نتيجه مطلوبي نخواهد داشت. از اشكالات ديگر اين روش تقويت نقاط نويزي منفرد در رگه ها و شيارها مي باشد. و همچنين نواحي نسبتا روشن و يا نسبتا تاريك تصوير را بترتيب به رگه ها و شيارها نسبت مي دهد كه اين امر موجب بروز اشكالات در مراحل بعدي مي گردد. از اشكال عمده اين روش مي توان نحوه انتخاب مقدار آستانه مناسب و حذف اطلاعات بعضي از نواحي را نام برد.
- پيدا كردن تصوير لبه
در اين روش لبه هاي شكل مشخص و تصويري توليد مي گردد كه در آن هر نقطه روشن، بيانگر ميزان متعلق بودن نقطه به لبه مي باشد. از مواد زير مي توان در اين روش استفاده نمود:
- تصوير گراديان
- تصوير مشتق درجه دو
مي توان از لاپلاسين فيلتر گوسي يعني تركيب دو فيلتر گوسي و لاپلاس كه تشكيل فيلتر جديدي مي دهند و هر دو عمل را با هم انجام مي دهند، نيز استفاده نمود.
ناز كسازي تصوير
تصوير باينري شده مرحله قبل را بايد به نازكترين حالت ممكن خود تبديل كنيم تا بتوانيم اشياء موجود در تصاوير را استخراج كنيم . يعني هر نقطه سياه بايد با نقاط سياه مجاور كمترين تعداد را داشته باشد، به شرط اينكه پيوستگي تصوير از بين نرود براي اين منظور از روشهاي زير مي توان استفاده نمود.
- تشخيص نواحي و پيدا كردن پيرامون يك ناحيه
- تقسيم و غلبه
- الگوريتم هاي مختلف نازكسازي تصوير مبتني بر بررسي هر نقطه و همسايگان مجاورش
همانطور كه در شكل بالا مشخص است، تصوير نازكسازي شده داراي خطاهاي زيادي مي باشد. براي رفع مشكل فوق مي توان قبل از انجام عمليات، تصوير را هموار سازي يا حذف نويز كرد. در ضمن مي توان نقاط نويزي تصوير را حذف نمود. كه براي اين عمل مي توان از فيلترهاي پايين گذر و… استفاده نمود.
تصاوير جهتي
در اين روش در هر پيكسل بجاي سطح خاكستري آن، جهت خط مماس در آن نقطه ذخيره شده است . مي توان از روش هاي زير براي بدست آوردن تصاوير جهتي استفاده نمود:
- استفاده از تصوير گراديان (و بدست آوردن جهت خط مماس بر هر پيكسل)
- الگوريتم هاي مقايسه اي هر پيكسل با همسايگانش
- استفاده از 8 پنجره هاي جهت دار براي پيدا كردن
n
جهت
اين روش براي تصاوير با كيفيت ها ي مختلف به خوبي كار مي كند، چون تصوير جهتي به كيفيت تصوير وابسته نيست. اين روش نواحي نويزي را به خوبي تشخيص مي دهد و آنها را جزء زمينه قرار مي دهد ولي نواحي هموار به خوبي كار نمي كند، ‌چون محاسبه جهت در آنجا با مشكل مواجه مي شود.
تبديل هاف
براي پيدا كردن اشكال از پيش تعريف شده در تصوير كه ماهيت
Fuzzy دارند (يعني بطور دقيق شكل خاصي نداشته و بطور تقريبي در يك محدوده قرار مي گيرند)، مي توان از اين تبديل استفاده نمود. اين تبديل يك تبديل تصويري نمي باشد. (يعني مانند تبديل هاي فوريه، كسينوس،z و … نمي باشد.) در واقع با انتقال عمليات به فضاي پارامترها، تصويري توليد مي كند كه بيان كننده يك معيار براي وجود يا عدم وجود يك شي مشخص در تصوير مي باشد. كه بيشترين احتمال وقوع شي مورد نظر در نقطه متناظر در تصوير، مقدار ماكزيمم واقع در تصوير خروجي مي باشد. براي نمونه مثال زير كه پيدا كردن يك خط در تصوير است را در نظر بگيريد:
مي خواهيم بيشترين احتمال وقوع خط به معادله
y=mx+h را در تصوير باينري f پيدا كنيم . تابع معيار زير را در نظر بگيريد:

C(x,y)y=mx+h = Sigmax,y n(x,y) |h=-xm+y
Where n(x,y) = 0 if f(x,y) is white , 1 if f(x,y) is black


در واقع C(x,y) معيار وقوع خط y=mx+h را در هر نقطه (x,y) بيان مي كند، حال در تبديل هاف بجاي آنكه مجموع n(x,y) ها را حساب كنيم، مي توانيم عمليات را به فضاي پارامترها منتقل كنيم. معادله h=mx+y را در نظر بگيريد. هر نقطه (x,y) داراي n(x,y)=1 هايي در نقاط سياه (m,h) است. به صورتيكه در رابطه h=-mx+h صدق كند. بنابراين مي توان حلقه محاسبات را روي (x,y) نوشت و تمامي انديسهاي (m,h) مربوط را يكي زياد كرد. ماكزيمم اين انديسها، بيشترين احتمال وقوع خطا را مي دهد. در واقع تبديل هاف از اين خاصيت استفاده مي كندكه:
هر نقطه
(
x,y) مي تواند يكي از عناصر تشكيل دهنده خطوط (m,h) باشد و بر عكس.
تبديل هاف را مي توان براي منحني هاي پيچيده تر و اشكال هندسي تعميم داد. براي اين منظور مي توان هر شكل را به خطوطي تجزيه كرد.

بهبود تصاوير
براي پردازش تصاوير با كيفيت پايين لازم است، ابتدا تصوير آماده سازي گردد. بنابراين تصوير را بهبود داده و سپس مورد پردازش قرار مي دهيم. اين بهبود دهي مي تواند هموار سازي، تيز كردن و… را شامل شود.
تغيير كنتراست تصوير
در جاهايي كه از تماس سطوح خاكستري استفاده نشده است مي توان با تغيير كنتراست، دامنه سطوح خاكستري را افزايش داد. روش هاي مختلفي از جمله برابر سازي نمودار،‌گسترش
استفاده از اهرام رزولوشن
از اين روش جهت كاهش حجم عمليات استفاده مي كنيم. براي اين منظور تصوير ورودي را به رزولوشن هاي پايين تر منتقل و عمليات را به يك چهارم، يك شانزدهم و… كاهش مي دهيم.
هر چه رزولوشن پايين تر برود، خط هم بيشتر مي شود. معمولا اين روش بصورت تجربي و بصورت سعي و خطا استفاده مي گردد.
پردازش
براي پيدا كردن نقاط قلب و دلتا لازم است تا تصوير جهتي بدست آيد.
قبل از اينكه به بررسي چگونگي پردازش تصوير جهتي بپردازيم لازم است تا مروري بر ساختار تصاوير اثر انگشت داشته باشيم، معمولا در مراجع مختلف شش كلاس كلي براي تصاوير اثر انگشت در نظر مي گيرند. كه در زير آمده است:

 كماني

 حلقه اي راست

 كماني خيمه اي

 حلقه اي دوقلو

 حلقه اي چپ

 پيچي

همانطور كه قبلا گفته شده انتخاب كلاس هاي فوق بستگي به تعداد جفت نقاط قلب و دلتا دارد. بعنوان مثال:
 در كلاس كماني هيچ جفت نقاط قلب و دلتا وجود ندارد.
  در كلاس حلقه اي و كماني خيمه اي يك جفت نقاط قلب و دلتا وجود دارد.
 در كلاس هاي حلقه اي دو قلو و پيچي دو جفت نقاط قلب و دلتا وجود دارد.
براي مشخص كردن كلاس هاي كماني خيمه اي با حلقه اي ،‌ خط و اصل نقاط قلب و دلتا را رسم مي كنيم اگر اين خط عمودي، هيچ رگه اي را قطع نكند كلاس كماني خيمه اي و در غير اين صورت حلقه اي راست يا حلقه اي چپ تشخيص داده مي شود. همچنين در تصاوير داراي دو جفت نقاط قلب و دلتا، اگر دو نقطه قلب روبروي هم باشند (خط واصل دو نقطه قلب هيچ ركه اي را قطع نكند) كلاس از نوع پيچي و در غير اين صورت از نوع حلقه اي دو قلو تشخيص داده مي شود.

 يكي از روش هايي كه براي پيدا كردن نقاط قلب و دلتا بكار مي رود، استفاده از پنجره هاي لغزنده مي باشد

روشهاي ديگري نيز براي انتخاب شاخصهاي قلب و دلتا بكار مي رود. يكي از مشهورترين اين روشها، اسفاده از انديس پوآنكاره مي باشد.
براي بدست آوردن انديس پوآنكاره كافي است يك دايره حول هر نطقه را در نظر بگيريم. جهات مماس بر اين دايره را در نظر گرفته ، تغييرات جهات متوالي را با يكديگر جمع مي كنيم، عدد بدست آمده انديس پوآنكاره مي باشد.
براي نقاط مختلف اين انديس برابر است با:

 نقطه معمولي 0

 نقطه ذوب 180

 نقطه قلب مضاعف 360

 نقطه دلتا 180

الگوريتم هاي شناسايي ساختاري الگو
از جمله موارد استفاده اين نوع روشها مي توان موارد زير را نام برد:
الف – بهبود تصاوير (حذف نويز و خطاها در تصوير نازكسازي شده)
ب – استخراج ويژگي هاي جزئي اثر انگشت مانند جزاير، چنگالها ،‌ انشعابها و…
وجود خطاهاي فوق باعث مي گردد تا اين نقاط با ويژگي هاي اثر انگشت اشتباه گرفته شوند. مثلا نقاط اضافي چنگال، انشعاب، پايان خط و… توليد مي گردند . توسط الگوريتم هاي ساختاري موقعيت اين نقاط تشخيص داده شده و با پيروي از مسير اصلي نقاط اصلاح مي گردد. مورد استفاده ديگر الگوريتم هاي ساختاري، استخراج ويژگي ها ي جزئي مي باشد.
روش هاي شبكه عصبي
معمولا اين روش ها بطور مستقل مورد استفاده قرار نمي گيرند، يا در يك فاز از پروسه آناليز تصوير، مورد استفاده قرار مي گيرند. اين شبكه هاي عصبي مورد استفاده در پردازش تصاوير اثر انگشت، معمولا از نوع
BP (پس انتشار خطا) بوده كه داراي زمان يادگيري فوق العاده بالايي مي باشند. از موارد استفاده شبكه هاي عصبي مي توان تقطيع تصاوير، پيدا كردن نقاط منفرد توسط يادگيري نمونه ها (كه مي تواند توسط شبكه Adaline
پياده سازي گردد) و … را نام برد.
روش هاي آماري
روش هاي آماري، روش هاي بسيار كار آمد ولي پرهزينه مي باشند. اين نوع روش ها كه بر اساس الگوريتم هاي شناسايي آماري الگو كار مي كنند، ‌با استخراج بردارهاي ويژگي از تصوير ورودي، سعي در بوجود آوردن تابع كلاسه بندي بهينه، مي كنند كه كلاس هاي موجود را به بهترين روش از يكديگر جدا كنند. بردار ويژگي استفاده شده مي تواند، به يكي از روش هاي زير استخراج گردد:

 گشتاور

 مشخصه هاي فوريه

تبديل هاي كسينوس و Z

تبديل هاي ديگر

سپس بر اساس آمارهاي مختلف و دا شتن نمونه هاي بالا، مي توان محدوده كلاس ها را مشخص و يك تابع جدا كننه بهينه را مورد استفاده قرار داد. لازم به ذكر است كه هزينه اين روش ها بالا است زيرا كه نياز به داشتن نمونه هاي زياد و يافتن فرم توزيع كلاس هاي آماري دارد. بنابراين معمولا از يك تابع جداسازي خطي كه بر مبناي نزديكترين همسايه كار مي كنند، ‌استفاده مي گردد تا از پيچيدگي محاسبات كاسته شود.
روش هاي تبديلي

مشهورترين اين روشها، ‌استفاده از تبديل فوريه است. با بدست آوردن ويژگيهاي تصوير فوريه، مي توان بردارهايي را استخراج نمود كه در امر شناسايي بسيار كارا عمل مي كنند. استفاده از يك (Wedge-Ring Detector) يكي از نمونه هاي مشهور اين بردارها مي باشد كه تقريبا نسبت به دوران و انتقال حساس است.
يكي ديگر از تبديل هاي مشهور تبديل
K-L مي باشد. اين تبديل كه در اكثر شاخه هاي پردازش تصاوير مورد استفاده قرار گرفته است، در اينجا نيز مفيد مي باشد. با استخراج بردارهاي ويژه و مقادير ويژه ماتريس كوواريانس تصاوير ورودي، هر تصوير توسط آنها كد شده و كد بدست آمده در مرحله شناسايي مورد استفاده قرار مي گيرد. البته توجه داشته باشيد كه تبديل K-L براي داده هاي كوچك و تعداد كم مناسب است. استفاده از تبديل هاي ديگر مانند كسينوس Wavelet و … نيز منجر به يافتن روشهاي ديگر مي شود. خصوصا تبديل Wavelet كه براي شناسايي تصاوير نقشه جغرافيايي بسيار كار آمد است.

روش هاي تركيبي
اين گونه از روش هاي شناسايي اثر انگشت، روش هاي گوناگون موارد فوق را با هم تلفيق كرده و سپس مورد استفاده قرار مي دهند. مثلا در يك روش مي توان هم بصورت ساختاري و هم بصورت آماري عمل شناسايي را انجام داد. در صورت وجود خطا در هر روش، روش ديگر آنرا جبران كرده و خطاي كل الگوريتم را مينيمم مي كند.
در حالت دوم، مي توان از يك روش براي پيش پردازش، از روش ديگر براي پردازش استفاده كرد. مثلا مي توان از روش معمولي پردازش تصاوير، تصويرهايي با كيفيت پايين را بهبود بخشيد و سپس از روش ساختاري براي عمل كلاسه بندي استفاده كرد.
در برخي از روشها مي توان در مراحل پيش پردازش تصاوير، از الگوريتم هاي ساختاري استفاده كرد. مثلا تقطيع تصاوير اثر انگشت با استفاده از تصاوير جهتي وكد كردن به كمك يك الگوريتم پردازش تصوير معمولي، از الگوي ساختاري تصوير اثر انگشت استفاده كرده و تصوير را تقطيع مي نمايد.

عمليات ديگر

اين دسته از عمليات جزء روش هاي شناسايي تصاوير اثر انگشت بحساب نمي آيند. بلكه عمليات اضافي روي تصاوير اثر   انگشت انجام مي دهند. بعنوان مثال كد كردن الگوهاي ساختاري تصاوير اثر انگشت مي تواند در ذخيره سازي تصاوير اثر انگشت در پايگاه داده ها موثر واقع شود و يا فشرده سازي تصاوير اثر انگشت توسط توابع غير خطي نيز مي تواند در كاهش حجم مصرفي هر تصوير نقش بسزايي را داشته باشد.

 

 

پيروز و سربلند باشيد.

+ نوشته شده در  سه شنبه چهارم اردیبهشت 1386ساعت   توسط منادي  |