Procesado de Imagen para Reconocimiento de Huellas Digitales

Tcnicas Avanzadas de Procesado de Imagen

Marcos Ortega Hortas

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

Introduccin (V): paradigmas

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

Trata la huella dactilar como una imagen orientada de textura

Muy poca precisin debido a la poca carga de textura de las huellas Usa la posicin relativa de las minucias La solucin ms popular La ms parecida a la tcnica manual
6

Minucias

Introduccin (VI): Correlacin por Imagen

Ventajas

Inconvenientes

No requiere preprocesado muy avanzado Imgenes de baja resolucin Rpido

Almacenamiento muy pesado Requiere alineamiento preciso Poco robusto a cambios

Introduccin (VII): Matching basado en textura

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

Introduccin (y VIII): Minucias

Ventajas

Inconvenientes

Invariante a traslaciones, rotaciones y escalas Muy preciso

Sensible a calidad de imagen Poco robusto a distorsiones no lineales

9

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:

Diferencias de brillo y contraste en la imagen Distinta presin Humedad

12

Preprocesado (y II)

Esquema preprocesado de huellas digitales

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

Mejora de la Imagen (I)

Aplicar filtros lineales direccionales

Eliminar ruido Acentuacin de contornos y transiciones clarooscuro

Para calcular las direcciones de los filtros es necesario calcular el mapa o de orientacin:

ngulos de las crestas

14

Mejora de la Imagen (II)

Estimacin de la orientacin

Se basa en dividir la imagen en bloques y aplicar criterios de localidad

En un pequeo entorno las variaciones de ngulos entre crestas sern mnimas Nos permite calcular orientaciones por optimizacin (mnimos cuadrados)

15

Mejora de la Imagen (III)

16

Mejora de la Imagen (IV)

17

Mejora de la Imagen (V)

18

Mejora de la Imagen (VI)

f ( x, x0 ) ( x x0 ) n S V ( x x0 ) exp 2 ( x0 )
2

( 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

Mejora de la Imagen (VII)

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

Mejora de la Imagen (IX)

Imagen Original

Imagen filtrada con Gabor

22

Mejora de la Imagen (y X)

Vecindades locales Ondas de superficie

Modelo de ondas de superficie

i ( x, y )
( x, y )

A cos 2 f x cos( ) y sin( )

Local ridge orientation Local ridge frequency
23

f ( x, y )

Binarizacin (I)

Decrementar margen dinmico de los niveles de gris entre crestas y valles

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

Extraccin de caractersticas (I)

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

Pregunta: Son la erosin y la dilatacin opuestas?

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

Hit and Miss

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

Hit and Miss vs Erosin/Dilatacin

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

Necesaria la depuracin de las ramas perpendiculares a la direccin de las crestas

39

Depuracin

Eliminacin de ramas residuales y unin de crestas rotas en el proceso anterior

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

Si #vecinos > 2, bifurcacin Si #vecinos=1, terminacin

41

Filtrado de Minucias

Eliminacin de minucias espurias en base a heursticas

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

Clasificacin de huellas (I)

Clasificacin preliminar basada en los 5 tipos principales de huellas

43

Clasificacin de huellas (II)

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

Clasificacin de huellas (III)

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)

Dos capturas del mismo dedo

47

Matching (III)

Algoritmo tpico de alineamiento

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

La rotacin es la media de los valores individuales de rotacin entre pares

Aplicar los parmetros a todas las minucias

48

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

Correspondencias entre puntos desconocidad: problema de combinatoria

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

Matching (VII): Grafos

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)

Curvas ROC de 2 sistemas en la competicin FVC2002

59

The End

60