Методы и алгоритмы обработки изображений в дактилоскопической системе на основе локальных особенностей

  • автор:
  • специальность ВАК РФ: 05.13.11
  • научная степень: Кандидатская
  • год, место защиты: 2011, Москва
  • количество страниц: 131 с. : ил.
  • бесплатно скачать автореферат
  • стоимость: 240,00 руб.
  • нашли дешевле: сделаем скидку
  • формат: PDF + TXT (текстовый слой)
pdftxt

действует скидка от количества
2 диссертации по 223 руб.
3, 4 диссертации по 216 руб.
5, 6 диссертаций по 204 руб.
7 и более диссертаций по 192 руб.
Титульный лист Методы и алгоритмы обработки изображений в дактилоскопической системе на основе локальных особенностей
Оглавление Методы и алгоритмы обработки изображений в дактилоскопической системе на основе локальных особенностей
Содержание Методы и алгоритмы обработки изображений в дактилоскопической системе на основе локальных особенностей
Вы всегда можете написать нам и мы предоставим оригиналы страниц диссертации для ознакомления
ГЛАВА 1. АВТОМАТИЧЕСКИЕ ДАКТИЛОСКОПИЧЕСКИЕ ИДЕНТИФИКАЦИОННЫЕ СИСТЕМЫ
1.1 1.2 ТЕНДЕНЦИИ РАЗВИТИЯ СОВРЕМЕННЫХ МАТЕМАТИЧЕСКИХ И ПРОГРАММНЫХ СРЕДСТВ
ДАКТИЛОСКОПИЧЕСКОЙ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ И СВЯЗАННЫХ ПРОБЛЕМ
ГЛАВА 2. ВЫДЕЛЕНИЕ ОБЛАСТЕЙ С НАРУШЕННОЙ ГРЕБНЕВИДНОЙ СТРУКТУРОЙ
2.1 ПОСТАНОВКА ЗАДАЧИ
2.2 ЭТАП ОБУЧЕНИЯ
2.2.1 Восстановление функции плотности классов
2.2.2 Представление функции тотности вероятностного распределения в виде смеси нормальных
2.2.3 Оценка параметров функций плотности классов
2.2.4 ЕМ - алгоритм
2.2.5 Оценка количества параметров функции тотности
2.3 Этап классификации
2.4 Оценка надежности алгоритма классификации
2.5 Сравнительный анализ
2.5.1 Oljeнкa качества блоков изображения отпечатка палы/а на основе поля направлений
2.5.2 Оценка качества блоков изображения отпечатка пальца с использованием функции Габора
2.5.3 Сравнение предложенного метода с АХ и АШ
2.6 РЕЗУЛЬТАТЫ
ГЛАВА 3. ВЫДЕЛЕНИЕ ЛОКАЛЬНЫХ ОСОБЕННОСТЕЙ ОТПЕЧАТКА ПАЛЬЦА
3.1 3.1.1 Локальные особенности отпечатка пальца
3.1.2 Бинарное изображение отпечатка пальца
3.2 АЛГОРИТМ ВЫДЕЛЕНИЯ ТОЧЕК РАЗВЕТВЛЕНИЙ И ОКОНЧАНИЙ БИНАРНОГО ИЗОБРАЖЕНИЯ ОТПЕЧАТКА
ПАЛЬЦА
3.2.1 Предварительные замечания
3.2.2 Разметка решетчатого графа
3.2.3 Построение графа событий
3.2.4 Построение шаблона отпечатка пальца
3.3 СРАВНИТЕЛЬНЫЙ АНАЛИЗ
3.3.1 Метод анализа контура (МАК)
3.3.2 Метод утоньшения линий папиллярного узора (МУЛ)
3.3.3 Сравнение предложенного метода с МАК и МУЛ
3.4 РЕЗУЛЬТАТЫ

ГЛАВА 4. ПРОГРАММНЫЙ КОМПЛЕКС ИССЛЕДОВАНИЯ АЛГОРИТМОВ ДАКТИЛОСКОПИЧЕСКОЙ СИСТЕМЫ
4.1 4.2 Структура программного обеспечения дактилоскопической системы на основе локальных
ОСОБЕННОСТЕЙ ОТПЕЧАТКА ПАЛЬЦА
4.3 Выделение областей с нарушенной гребневидной структурой
4.4 Улучшение качества изображения отпечатка пальца
4.4.1 Поле направлений
4.4.2 Поле частот
4.4.3 Улучшение качества изображения с применением Фильтра Габора
4.5 Выделение локальных особенностей отпечатка пальца
4.5.1 Программная реализация алгоритма
4.6 Сравнение шаблонов дактилограмм
4.6.1 4.6.2 Алгоритм сравнения образца с эталоном
4.7 Результаты
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ 1. ТЕКСТ ПРОГРАММЫ ВЫДЕЛЕНИЯ ОБЛАСТЕЙ С НАРУШЕННОЙ
ГРЕБНЕВИДНОЙ СТРУКТУРОЙ
ПРИЛОЖЕНИЕ 2 ТЕКСТ ПРОГРАММЫ ВЫДЕЛЕНИЯ ЛОКАЛЬНЫХ ОСОБЕННОСТЕЙ С
ПОСТРОЕНИЕМ ШАБЛОНА ОТПЕЧАТКА ПАЛЬЦА

В последнее время широкое распространение получили человеко-машинные интерфейсы, основанные на обработке изображений. В частности, сканирование и автоматический анализ изображения отпечатка пальца нередко применяется для контроля доступа пользователей к ресурсам вычислительных машин и компьютерных сетей. Отпечатки пальцев являются известной и широко применяемой биометрической характеристикой для задач идентификации личности. За последние несколько десятилетий исследование и активное использование алгоритмов, применяемых в дактилоскопических идентификационных системах, улучшило понимание сильных и слабых сторон этого вида распознавания. Проблемами построения алгоритмов для автоматических дактилоскопических идентификационных систем (АДИС) с успехом занимались: Davide Maltoni, Dario Maio, Anil К. Jain, Salil Prabhakar, Raffaele Cappelli и другие. Проводимые ими научные исследования в этой области получили большое внимание.
Для задач идентификации большинство дактилоскопических систем используют так называемые особые точки (точки разветвлений и окончаний) изображения папиллярного узора. При таком подходе можно выделить три основных этапа работы этой системы: получение дактилограммы как изображения в градациях серого, его обработка с построением шаблона отпечатка пальца (который можно представить как список координат особых точек с их возможными атрибутами: тип точки, направление следование гребня и т.д.) и сравнение полученного шаблона с теми, которые хранятся в базе зарегистрированных в системе пользователей. Этап обработки изображения с выделением особенностей рисунка гребней и бороздок является самым важным, так как от появления ложных особенностей, а также от точности определения их местоположения зависит качество работы этапа сравнения, а также всей системы в целом. Именно поэтому к математическому и программному обеспечению, применяемому на данном этапе, предъявляются высокие требования как по сложности, так и по эффективности работы.
Актуальность работы определяется выбором в качестве объекта исследований методов и алгоритмов решения задач выделения особых точек изображения отпечатка пальца, которые эффективно используют вычислительные ресурсы АДИС и снижают риск получения ложных особенностей в областях дактилограмм, имеющих

В простейшем случае при проверке простой гипотезы против простой альтернативы, т.е. когда функции распределения не имеют свободных параметров, отношение апостериорных вероятностей двух гипотез есть отношение функций правдоподобия. В других случаях, когда есть неизвестные параметры в одной или в обеих гипотезах отношение апостериорных вероятностей этих гипотез вычисляются так же, как это было показано ранее, но плотности Д(х|Я;) (I = 1,2) получаются интегрированием в пространстве параметров таким образом, что
ЪШд = ЪШьНдпЩНййви
где 0; - это параметры модели Мт+;_х при гипотезе Я (I = 1,2), а 7г(0£|ЯД -это их априорная плотность. Совместная функция плотности /(х|бг, Я;) , вычисленная с использованием значения параметра в*, есть функция правдоподобия.
В некоторых простых случаях данный интеграл может быть вычислен аналитически, но в большинстве случаев должны быть применены численные методы для его оценки. Однако часто используемые средства, разработанные для численных оценок настолько неэффективны для вычисления подобного рода интегралов, что редко используются для данной задачи. Основная причина заключается в том, что когда размер выборки велик, подынтегральная функция имеет много локальных максимумов вблизи своего максимума, который может быть найден с применением других подходов. Вместе с тем, в случае большой размерности данных также существуют проблемы применения численных методов [28]. Таким образом, необходим подход по аппроксимации /(х|ЯД. Для этой задачи применяется так называемый метод аппроксимации Лапласа и после ряда упрощений, как описано в [27], выражение для /£(х|Я;) может быть записано следующим образом:
о%(хЯД = оё{хВиЩ) - уЧодп + 0(1).
Здесь §1 - оценка максимального правдоподобия , <1 - количество независимых параметров смеси, п - количество элементов выборки.
Таким образом, величину
5 = Д(х|01( Нг) - Д(х|02, Я2) - (сД - а2) logn,
Вы всегда можете написать нам и мы предоставим оригиналы страниц диссертации для ознакомления

Рекомендуемые диссертации данного раздела