iMục lục

Mục lục i
Danh mục các hình vẽ iv
Danh mục một số thuật ngữ thường dùng vi
Lời nói ñầu vii
1. Giới thiệu 1
2. Vân tay trong sinh trắc học 4
2.1. Vị trí của nhận dạng vân tay trong sinh trắc học 4
2.2. Uniqe là một thuộc tính của vân tay 5
2.3. Hình thức thể hiện và các ñặc tả của vân tay 5
2.4. Khó khăn gặp phải khi nhận dạng vân tay 7
3. Đại cương về ảnh số và xử lý ảnh trong Matlab 8
3.1. Đại cương về ảnh số 8
3.1.1. Biểu diễn ảnh số 8
3.1.2. Cơ sở về màu 9
3.1.3. Chuyển ñổi màu 12
3.2. Xử lý ảnh số trong Matlab 13
3.2.1. Histogram 13
3.2.2. Phân ngưỡng cục bộ 14
3.2.3. Biến ñổi Fourier-2D rời rạc 15
3.2.4. Lọc ảnh Sobel 16
3.2.5. Phát hiện biên bằng toán tử gradient 18
3.2.6. Loang rộng và thu nhỏ ñối tượng 20
4. Sơ ñồ khối thiết kế hệ thống nhận dạng vân tay 22
4.1. Các nguyên lý nhận dạng vân tay 22
4.2. Hệ thống nhận dạng vân tay 23
4.3. Xây dựng hệ thống nhận dạng vân tay bằng ảnh số 24

9.3. Những hạn chế của ñồ án 53
9.4. Hướng phát triển 53
Tài liệu tham khảo 55
iii

Phụ lục 56
Danh sách các script file khác trong ñồ án 56
Các bước chạy phần mềm mô phỏng 57

ivDanh mục các hình vẽ

Hình-1. Một số tín hiệu sinh trắc học cơ bản 4
Hình-2. Đóng góp của các ngành trong sinh trắc học 4
Hình-3. Vân tay thể hiện ở cấp ñộ very-fine 5
Hình-4. Vân tay thể hiện trong cấp ñộ global 6
Hình-5. Hai dạng minutiae quan trọng 7
Hình-6. Biểu diễn ảnh số 8
Hình-7. Cảm nhận của các tế bào nhạy sáng trong võng mạc mắt 9
Hình-8. Tổ hợp màu 10
Hình-9. Hệ tọa ñộ màu 11
Hình-10. Phân tích lược ñồ xám 14
Hình-11. Giá trị ngưỡng tối ưu 15
Hình-12. Các bước thực hiện lọc ảnh trong miền tần số 16
Hình-13. Các bước lọc ảnh bằng toán tử không gian 17
Hình-14. Biểu diễn mask 18
Hình-15. Loang rộng ñối tượng 20
Hình-16. Thu nhỏ ñối tượng 21

Hình-44. Nhị phân hóa ảnh 59
Hình-45. Trường ñịnh hướng 59
Hình-46. Segmentation 60
Hình-47. Phát hiện core 60
Hình-47. Làm mảnh ñường vân 61
Hình-48. Lọc minutiae 61
Hình-49. Hiển thị minutiae 62
Hình-50. Đối sánh vân tay 62 vi

Danh mục một số thuật ngữ thường dùng
trong nhận dạng vân tay

• Ridge: Đường vân tay trên ngón tay người.
• Vallay: Đường rãnh xen kẽ hai ñường vân tay.
• Singular: Điểm kỳ dị của vân tay trên ngón tay người, mang ñặc ñiểm
phân loại.
•
ore: Điểm “tâm” của vân tay, là một trong những ñiểm singular.
• Minutia: Điểm ñặc trưng của vân tay trên ngón tay con người.
• Termination: Điểm kết thúc của ñường vân, một loại minutia quan trọng.
• Bifurcation: Điểm trẽ ba của ñường vân, là một loại minutia quan trong.
• Sweat pores: Vòng xuyến xếp liên tiếp tạo thành ñường vân (thường quan
sát ñược khi ảnh vân tay ở ñộ phân giải cao: > 1000dpi).
• Orientation Image: Hình ảnh thể hiện các ñịnh hướng cục bộ của các
ñường vân tay, bao gồm nhiều phần tử
[
]

nhận ñược nhiều thông tin từ ñối tượng mà lại không cần tác ñộng nhiều ñến ñối
tượng nghiên cứu.
Một trong những nhóm ứng dụng hay gặp trong xử lý thông tin bằng hình
ảnh là xác minh hoặc ñịnh danh mẫu. Nhận dạng vân tay là một bài toán cụ thể
mà cần phải giải quyết một trong hai vấn ñề nêu trên: xác minh vân tay
(fingerprint verification) hoặc ñịnh danh vân tay (fingerprint identification). Qua
tìm hiểu thực tế em chọn ñề tài: “Thiết kế hệ thống nhận dạng vân tay từ ảnh
số”. Đề tài này có nội dung bao trùm lên cả các hệ thống có kiểu nhận nhận
dạng verification (cần mã PIN cộng với ảnh vân tay).
Do ñề tài có tính chất mới, trong quá trình làm ñồ án em ñã gặp rất nhiều khó
khăn. Được sự giúp ñỡ, chỉ bảo tận tình của TSKH. TRẦN HOÀI LINH em ñã
dần dần tiếp cận ñược tới lĩnh vực này và bước ñầu ñã ñạt ñược một số các kết
quả (phân loại ñược hơn 90% các kiểu vân tay và ñịnh danh ñược vân tay).
Sau thời gian 15 tuần khẩn trương thực hiện ñồ án tốt nghiệp, ñề tài ñã ñược
hoàn thành ñúng kế hoạch. Em mong những thiếu sót của em trong ñồ án sẽ
nhận ñược những ý kiến ñóng góp quý báu của các thầy, cô cùng các bạn sinh
viên.
Em xin chân thành cảm ơn TSKH.TRẦN HOÀI LINH. Thầy ñã tận tình chỉ
bảo em rất nhiều. Các thầy cô giáo trường Đại Học Bách Khoa, bộ môn Kỹ thuật
ño và Tin học công nghiệp ñã cho em những kiến thức, kinh nghiệm, cùng
những bài học giúp trưởng thành hơn trong quá trình học tập ở trường.
Xin cảm ơn bạn bè, người thân, gia ñình ñã ñộng viên, giúp ñỡ và là chỗ dựa
vững chắc cho em trong quá trình học tập, làm ñồ án.

viii

Xin cảm ơn Công ty TNHH Tin học và Điện tử Thăng Long cùng chú VŨ
QUANG THÀNH ñã tạo ñiều kiện giúp ñỡ, cho em nhiều lời khuyên bổ ích
trong quá trình thực tập tốt nghiệp và làm ñồ án.


tay (ii); ñối sánh vân tay (iii) [1]. Bởi vì ngay trong từng công ñoạn này lại có
nhiều biện pháp khác nhau, tùy vào ngữ cảnh và vùng ứng dụng các khâu này sẽ
thực hiện theo cách cụ thể.
Công nghệ nhận dạng vân tay ngày nay ñã ñạt tới ñộ chính xác rất cao. Tuy
vây, các hệ thống nhận dạng AFIS (Automated Fingerprint Identification
Systems) vẫn còn nhiều mặt hạn chế. Chẳng hạn như IAFIS của FBI có cơ sở dữ
liệu lớn tới hàng trăm triệu vân tay, thời gian tìm kiếm tính bằng phút cho một
mẫu, ñộ tin cậy cao… nhưng ñó là một hệ thống ñồ sộ gồm nhiều máy tính xử lý
song song và giới hạn trong giám ñịnh hình sự. Trong ứng dụng dân sư, các hệ
thống nhận dạng thường ñược giới hạn ở một mức ñộ ít phức tạp hơn: số mẫu
không lớn (khoảng vài nghìn), cấu trúc hệ thống kiểu nối tiếp, ảnh ñầu vào
không có quá nhiều nhiễu (nhằm giảm bớt gánh nặng xử lý tính toán),… có vậy
mới giải quyết ñược vấn ñề chi phí ñồng thời vẫn ñảm bảo ñộ tin cây.
Đồ án này sẽ thực hiện nhận dạng vân tay bàng ảnh số theo hướng có thể
triển khai trong dân sư. Chính vì vây phương pháp nhận dạng là dựa trên cơ sở
phát hiện và sử dụng các ñiểm nút ñặc trưng (gọi là minutiae) [2]. Đây là
1. GIỚI THIỆU

2

phương pháp thứ hai trong ba phương pháp nhận dạng ñược áp dụng nhiều hiện
nay [1], ch. 4. Hệ thống AFIS nói chung cũng sử dụng phương pháp này [11].
• Phương pháp thứ nhất, sử dụng ñặc trưng tương quan của hai mẫu vân
tay. Xếp chồng trực tiếp hai mẫu này và dựa vào tương quan giữa các
pixel ñể tính toán sự khác nhau giữa hai mẫu. Phương pháp này không
thích hợp với ñồ án vì ñòi hỏi khối lượng tính toán lớn mà chất lượng ảnh
phải ñảm tốt.
• Phương pháp thứ ba, sử dụng các ñặc trưng về ñường vân. Đường vân của
các mẫu ñược trích ra khỏi ảnh ban ñầu rồi so sánh giữa chúng. Phương
pháp này không thích hợp với ñồ án vì nó chỉ thích hợp với các mẫu có

ương 5: Bộ dữ liệu ảnh sử dụng trong ñồ án. Đây là bộ dữ liệu ảnh vân
tay trích ra từ FVC2000 (cơ sở dữ liệu ảnh vân tay chuẩn, hiện nay ñược
nhiều nhà khoa học chọn ñể nghiên cứu và kiểm nghiệm kết quả).
•
ương 6: Trích chọn ñặc tính vân tay và ñối sánh vân tay. Đây một
trong những công ñoạn quan trọng nhất của ñồ án. Giai ñoạn này áp dụng
các thuật toán xử lý ảnh ñể tạo mã vân tay.
• ương 7: Đối sánh vân tay. Mẫu vân tay ñược tạo mã từ minutiae ở
công ñoạn trước ñược ñối sánh trong công ñoạn này.
• ương 8: Phân loại kiểu vân tay. Trình bày về vấn ñề tạo vec-tơ ñặc tính
cho khâu phân loại kiểu vân tay và thực hiện phân loại kiểu vân tay.
• ương 9: Tổng kết và hướng phát triển. Trình bày những kết quả của ñồ
án, những kiến thức bản thân thu ñược, các hạn chế và hướng phát triển
ñề tài.
• Tài liệu tham khảo. Liệt kê một số tài liệu dùng tham khảo chính trong
ñồ án.
• Phụ lục. Bao gồm danh sách các script file của phân mềm mô phỏng và
các bước thực hiện chạy phần mềm mô phỏng nhận dạng vân tay.

2. VÂN TAY TRONG SINH TR C H C
4

2. Vân tay trong sinh trắc học
Trong phần này sẽ trình bày những tiếp cận khởi ñầu, như: vị trí của nhận dạng
vân tay trong sinh trắc học; những tính chất của vân tay ñể trở thành ñối tượng
cơ bản của sinh trắc học; hình thức thể hiện và ñặc tả của một mẫu vân tay và
những khó khăn gặp phải khi nhận dạng vân tay.

Mỗi một trường hợp thể hiện thì sẽ có hình thức trích chọn ñặc tả vân tay tương
ứng. Vì vậy, căn cứ vào ảnh vân tay ñầu vào chúng ta có thể lựa chọn ñược ñặc
tính cần trích chọn và dự kiến phương án nhận dạng. Hình-3. Vân tay thể hiện ở cấp ñộ very-fine: các sweat pores ñược khoanh tròn,
ñiểm vân chẽ ba (bifurcation) và vân cụt (termination) ñánh dấu hình tròn.
2. VÂN TAY TRONG SINH TR C H C
6

Hình thức thể hiện vân tay ñược chia thành ba cấp ñộ: global (thể hiện tổng
thể vân tay), local (thể hiện vân tay bởi một số nút ñặc trưng khi ñường vân làm
mảnh ñến một pixel), very-fine (thể hiện bởi các vòng xuyến tạo hình nên ñường
vân - sweat pores) [1], tr. 28-31, 83-85.
Đối với cấp ñộ very-fine thì ñòi hỏi các phương tiện xử lý tốn kém cũng như
các yêu cầu ñặc biệt khác mà khó có thể ứng dụng trong dân sự. Chẳng hạn ñể
trích ñược các pores, ảnh cần có ñộ phân giải tối thiểu 1000dpi. Sau ñây sẽ tìm
hiểu sâu hơn các ñặc trưng vân tay ở hai cấp ñộ ñầu.

a) b) c) d) e)


nhiễu trong trường hợp này.
• Vân tay thu nhận trong ñiều kiện bị biến dạng: ảnh thu nhận ñược có thể
thể hiện rõ nét nhưng các ñường vân lại bị bóp méo không còn giống với
mẫu thực. Lực ấn, kéo và xê dịch tay là các nguyên nhân chính.
• Vân tay thu thập không ñầy ñủ: ảnh thu thập ñược chỉ có một phần vân
tay trên ngón tay. Nguyên nhân chính là do ngón tay ñặt không ñúng vị trí
chuẩn thu thập.
Tuy vậy trong thực tế cũng có nhiều mẫu vân tay thu thập trong ñiều kiện tốt
nên có chất lượng cao
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

8

3. Đại cương về ảnh số và xử lý ảnh trong Matlab
Đồ án này không xây dựng bộ thu thập mẫu vân tay mà sử dụng bộ mẫu chuẩn
quốc tế FVC2000 do phòng thí nghiệm hệ thống sinh trắc, ñại học Bologna tạo
ra. Trong cơ sở dữ liệu ấy, các mẫu ñược lưu dữ dưới dạng ảnh số. Bởi vậy, quá
trình xử lý tính toán thực hiện ñồ án phải làm việc chính với dạng số liệu ñó.
Cho nên, trong phần này sẽ trình bày tóm tắt về ảnh số và một số thuật toán xử
lý ảnh số trong Matlab.
3.1. Đi cng v nh s
Ảnh có thể biểu diễn dưới dạng tín hiệu tương tự hoặc số. Trong phần sẽ tập
trung vào biểu diễn ảnh số, cơ sở về mầu và việc chuyển ñổi màu.
3.1.1. Biểu diễn ảnh số
Ảnh xám cũng như các ảnh số khác là tập hợp các phần tử ảnh hay còn gọi là
các pixel,
[,]
ij
. Ảnh ñược biểu diễn như một ma-trận hai chiều cỡ
WH

b) ma-trận biểu diễn ảnh số
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

9

Tùy theo yêu cầu lưu trữ, các pixel sẽ ñược mã hóa bằng 8-bit, 16-bit,…
tương ứng với ảnh xám 256, 65536 mức.
Với ảnh ñen trắng, các pixel này ñược lưu trữ bằng 1-bit. Cường ñộ ảnh I chỉ
có thể là một trong hai giá trị,
[
]
[,]0,1
Iij∈ . Ứng với giá trị 0 ñó là các ñiểm ñen,
còn với giá trị 1 ñó là ñiểm trắng.
Với ảnh màu, cách biểu diễn cũng tương tự như với ảnh xám, chỉ khác là các
giá trị tại mỗi phần tử của ma-trận biểu diễn ba màu riêng biệt gồm: ñỏ (Red-R),
lục (Green-G) và lam (Blue-B). Để biểu diễn cho ba màu riêng rẽ cần 24-bit, 24-
bit này ñược chia thành ba khoảng 8-bit. Mỗi khoảng này biểu diễn cho cường
ñộ sáng của một trong các màu chính.
3.1.2. Cơ sở về màu
Ánh sáng màu là tổ hợp các ánh sáng ñơn sắc. Mắt người có thể cảm nhận ñược
một số màu nhất ñịnh nhưng lại có thể phân biệt ñược rất nhiều màu (trong vùng
quang nhìn thấy, có dải bước sóng
400750
nmnm
÷
). Cảm nhận màu của con
người phụ thuộc vào ba thuộc tính B, H, S.

B (brightness):

C
λ
và việc tổ hợp màu theo ba màu cơ sở (có các ñường cong cảm nhận
1
S
,
2
S
,
3
S
) mô tả bằng sơ ñồ khối sau: Hình-8. Tổ hợp màu.

Đáp ứng phổ
(
)
i
C
α
sẽ ñược tính như sau trong dải bước sóng ()
max
min
()()
ii

pxdx
=
∫
.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

11

Giả sử ba màu cơ bản ñược tổ hợp theo tỉ lệ
(
)
k
βλ
,
1,3
i
=
. Để tạo ra một màu
có phân bố phổ năng lượng
(
)
C
λ
sẽ bằng
3
1
()()
kk
k
px

()()
ik
Spxdx
λ
λ
αλ
=
∫
.
Như vậy có thể tổ hợp màu theo phép cộng màu với
i
α
là hệ số tổ hợp theo công
thức tổng quát sau:

123
XRGB
ααα
=++Tổ chức quốc tế về chẩn hóa màu CIE ñã ñưa ra một số không gian màu như:
RGB, CMY, CMYK, HIS,… Trong ñó mô hình RGB có vai trò quan trọng. x
red
Pgreen
blue


:

không gian biểu diễn màu ban ñầu,
x
P
∗
:

không gian biểu diễn màu mới,
A
:

ma-trận phép biến ñổi.

Ảnh dùng trong ñồ án này là ảnh xám. Mức xám là kết quả của sự mã hóa
tương ứng một cường ñộ sáng của ñiểm ảnh với một trị số. Giá trị của nó phụ
thuộc vào mức ñộ lượng tử hóa ảnh, như các ảnh dùng làm cơ sở dữ liệu ñã lấy
8-bit ñể mã hóa ảnh (ứng với 256 mức xám, trong ñó mức xám 0 là màu ñen,
mức xám 255 là màu trắng).
Khi chuyển ñổi từ ảnh màu RGB sang ảnh xám có thể dùng công thức sau:

123
grayscaleRGB
ααα
=++,

các hệ số
i
α
lần lượt như dưới ñây [6].

yếu trong Image Processing Toolbox, Statistics Toolbox). Sau ñây là một số
công cụ xử lý và thuật toán xử lý ảnh chính ñược ứng dụng trong ñồ án.
3.2.1. Histogram
Histogram (lược ñồ xám) thể hiện tần suất xuất hiện mỗi mức xám trong ảnh.
Lược ñồ xám biểu diễn trong hệ tọa ñộ Oxy: trục hoành biểu diễn N mức xám
(tùy theo số bit mã hóa pixel), trục tung biểu diễn số ñiểm ảnh một mức xám
tương ứng.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

14

Lược ñồ xám cung cấp thông tin về phân bố mức xám của ảnh. Nó cho phép
phân tích trong khoảng nào ñó phân bố phần lớn mức xám của ảnh. Nếu ảnh
sáng thì lược ñồ xám lệch về phía bên trái, nếu ảnh tối thì lược ñồ xám lệch về
bên phải so với ñiểm quy chiếu (giữa mức xám N).
a) b) c) d)
Hình-10. Phân tích lược ñồ xám: a) ảnh sáng và b) lược ñồ xám của (a) lệch phải;
c) ảnh tối và d) lược ñồ xám của (c) lệch trái.

3.2.2. Phân ngưỡng cục bộ
Phân ngưỡng với mục ñích làm tăng ñộ tương phản các ñối tượng cần quan tâm
ñông thời loại bớt nhiễu. Nếu phân ngưỡng toàn bộ ảnh nhiều khi tỏ ra không
hiệu quả, nhất là khi cường ñộ sáng của ảnh không ñồng ñều. Phân ngưỡng cục
bộ cũng giống như phân ngưỡng nhưng chỉ khác ở ñiểm: ngưỡng ñược chọn

gxy
fxyT
≥

=

<

3.2.3. Biến ñổi Fourier-2D rời rạc
Biến ñồi Fourier rời rạc trong xử lý ảnh số nhằm mục ñích lọc lấy các thành
phần tín hiệu ảnh có tần số trội. Với ảnh vân tay vùng ảnh co các ñường vân
ñóng vai trò làm tín hiệu có tần số trội.
Có
(,)
fxy
, với
0,1
xM
=−
và
0,1
yN
=−
là một ảnh số cỡ
MN
×
. Biến ñổi

.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

16

Biến ñổi ngược Fourier rời rạc ñịnh nghĩa bởi công thức:

( )
11
2//
00
(,)(,)
MN
juxMvyN
uv
fxyFuve
π
−−
−+
==
=
∑∑
,
0,1
xM
=−
,
0,1
yN
=−

3.2.4. Lọc ảnh Sobel
Lọc Sobel là một trường hợp của lọc số tuyến tính. Nghĩa là bộ lọc dùng một
convolution-mask (cửa sổ dùng ñể nhân chập, gọi tắt mask), rồi lấy tổng có trọng
số các ñiểm lân cận với ñiểm ở chính giữa trong mask ñó. Di chuyển mask trên
toàn bộ miền tín hiệu ảnh, mỗi bước một pixel, cuối cùng thu ảnh kết quả.
3. Đ I CƯƠNG VỀ ẢNH VÀ XỬ LÝ ẢNH

17

Tổng quát, lọc tuyến tính của ảnh số f cỡ
MN
×
với convolution-mask có cỡ
mn
×
ñịnh bởi như sau

( ) ( )
(,),,
ab
satb
gxywstfxsyt
=−=−
=++
∑∑
,

trong ñó:
(
)