РОЗРОБКА МЕТОДІВ БІОМЕТРИЧНОЇ ІДЕНТИФІКАЦІЇ НА ОСНОВІ НОВИХ МЕТОДІВ ФІЛЬТРАЦІЇ

Mariya Nazarkevych, A. Marchuk, Ya. Voznyi

Анотація


Запропоновано метод біометричної ідентифікації, який будується на нових методах фільтрації. Зокрема розроблено фільтрацію біометричних зображень на основі Ateb-Габора. Метод базується на загальновідомому фільтрі Габора та дозволяє перебудовувати зображення із чіткішими контурами. Він має застосування до біометричних зображень, де створення чітких контурів є особливо актуальне. При фільтрації Габором відбувається реконструкція зображення шляхом множення гармонійної функції на функцію Гауса. Ateb-функції є узагальненням елементарної тригонометрії, і, відповідно, володіють більшою функціональністю. Фільтрування Ateb-Габора – це добуток Ateb-функції на на функцію Гауса. Фільтрування Ateb-Gabor дозволяє змінювати інтенсивність всього зображення, а також інтенсивність у певних діапазонах, і таким чином зробити певні ділянки зображення контрастнішими. Ateb-функції змінюються від двох раціональних параметрів, а це, в свою чергу, дає можливість гнучкіше керувати фільтрацією. Ще одним параметром, який впливає на фільтрацію є σ, що є середньоквадратичним відхиленням значень відносно її математичного сподівання. Першим кроком методу покращення відбитків пальців є сегментація зображення, де відбувається процес відокремлення ділянок переднього плану від фону. Далі відбувається зміна орієнтації, де визначається локальна орієнтація хребтів біометричного зображення. На наступному етапі – нормалізація, відбувається перерозподіл інтенсивності значень пікселів для забезпечення рівномірного зображення. При фільтрації намагаються досягти збільшення чіткості. Далі відбувається процес перетворення у бінарне зображення. На останньому етапі покращення біометричних зображень виконується потоншання - вилучення дрібних деталей. Ми запропонували фільтрацію Ateb-Габора на основі методів фільтрації та потоншання.

Keywords: фільтрування, фільтрування Ateb-Габора, біометричні зображення.


Повний текст:

PDF (English)

Посилання


Whitman, M. E., & Mattord, H. J. (2011). Principles of information security. Cengage Learning.

Guo, Q., Li, Z., An, B., Hui, P., Huang, J., Zhang, L., & Zhao, M. (2019, May). Securing the deep fraud detector in large-scale e-commerce platform via adversarial machine learning approach. In The World Wide Web Conference (pp. 616-626).

Jain, A. K., Ross, A., & Prabhakar, S. (2004). An introduction to biometric recognition. IEEE Transactions on circuits and systems for video technology, 14(1), 4-20.

Mehrotra, R., Namuduri, K. R., & Ranganathan, N. (1992). Gabor filter-based edge detection. Pattern recognition, 25(12), 1479-1494.

Jones, J. P., & Palmer, L. A. (1987). An evaluation of the two-dimensional Gabor filter model of simple receptive fields in cat striate cortex. Journal of neurophysiology, 58(6), 1233-1258.

Nazarkevych, M., Lotoshynska, N., Klyujnyk, I., Voznyi, Y., Forostyna, S., Maslanych, I. Complexity Evaluation of the Ateb-Gabor Filtration Algorithm in Biometric Security Systems. In 2019 IEEE 2nd Ukraine Conference on Electrical and Computer Engineering (UKRCON), 2019, July. IEEE.

Nazarkevych, M., Yavourivskiy, B., Klyuynyk, I. Editing raster images and digital rating with software. In The Experience of Designing and Application of CAD Systems in Microelectronics, 2015, February. IEEE.

Nazarkevych, M., Riznyk, O., Samotyy, V., Dzelendzyak, U. Detection of regularities in the parameters of the ateb-gabor method for biometric image filtration. Vostochno-Evropeiskyi Zhurnal Peredovykh Tekhnolohyi, N1 (2), 57-65., 2020.

Nazarkevych, M., Kynash, Y., Oliarnyk, R., Klyujnyk, I., Nazarkevych, H. Application perfected wave tracing algorithm. In 2017 IEEE First Ukraine Conference on Electrical and Computer Engineering (UKRCON), 2017, May. IEEE.




DOI: http://dx.doi.org/10.30970/eli.14.5

Посилання

  • Поки немає зовнішніх посилань.