II.4.3. Les approches de
binarisation
Dans cette approche, l'image en niveau de
gris est convertie en une image binaire. Malgré le fait que les
algorithmes existants différent dans les divers aspects
d'implémentation, ils suivent tous les étapes communes suivantes
(figure II.7)
1. Segmentation /binarisation
Dans cette étape, l'image est convertie en une image
binaire à travers un processus de seuillage ou une méthode de
binarisation adaptative. Le but est le repérage des crêtes. Cette
étape est aussi dans la littérature
segmentation. Toutefois, cela ne doit pas se confondre avec la
segmentation de l'image entre région d'intérêt de fond lors
de la génération du masquage des régions.
2. Amincissement
L'image binaire est ensuite amincie à travers un
schéma itératif morphologique résultant en une carte de
crêtes d'une largeur d'un pixel.
3. Détection de minuties
Dans le cas où l'amincissement serait utilisé,
cette étape devient triviale. Elle se base sur une scrutation de
voisinage. Les fins de crêtes ont un seul voisin et les bifurcations
possèdent plus de deux voisins. Dans les algorithmes qui n'utilisent pas
d'amincissement, la détection de minuties est faite par un appariement
de gabarit.
4. Post traitement
L'extraction de minuties peut produire deux sortes
d'erreurs : les fausses détections c'est - à - dire des
minuties qui n'existent pas sur l'image originale et les minuties
oubliées qui sont de vraies minuties qui n'apparaissent pas sur le
gabarit résultat. Alors que rien ne peut être fait pour
éviter les oublis de vraies minuties, les fausses minuties peuvent
être éliminées en considérant leurs relations
spatiales. Différentes heuristiques peuvent être appliquées
pour filtrer les fausses positives.
Figure II.7. Extraction des
minuties par binarisation.
II.4.4. Les problèmes
rencontrés lors de l'extraction des minuties.
Un fiable algorithme d'extraction de caractéristiques
est une étape critique pour la performance d'un système
automatique d'authentification d'identité en utilisant l'empreinte
digitale. La performance d'un algorithme d'extraction et de mise en
correspondance des images d'empreintes digitales dépend fortement de la
qualité de l'image en entrée. Les algorithmes
présentés ultérieurement opèrent bien à
condition que l'image en entrée soit de bonne qualité (quand la
qualité de l'empreinte ne peut pas être mesurée de
façon objective, elle peut être grossièrement
déduite de la clarté de la structure des crêtes : Une
image de bonne qualité possède un fort contraste et un ensemble
de crêtes et des vallées bien définies). Cependant, dans la
pratique un pourcentage signifiant d'images est en mauvaise qualité.
Cela est dû :
o Aux conditions d'acquisition.
o A l'état de l'épiderme.
o Au dispositif de prise de vue.
o A une mauvaise coopération du sujet.
La qualité de l'empreinte rencontrée durant la
vérification est très incertaine, elle varie sur une grande
portée. La plus grande partie est endommagée par l'état de
l'épiderme (figure II.8) :
o Les crêtes se cassent par la présence de
blessures, de coupures.
o Des empreintes très sèches donnent des
crêtes fragmentées.
o Les empreintes qui transpirent font une sorte de pontage
entre les lignes de crêtes (raccordement).
Figure II.8. Des images
d'empreintes de différentes qualités. La qualité
décroît de gauche vers la droite. (a) image de bonne
qualité avec un bon contraste, (b) distinction insuffisante sur le
centre de l'image et (c) une empreinte sèche.
Cela peut engendrer les problèmes suivants :
o Création de fausses minuties.
o Ignorance de vraies minuties.
o Introduction d'erreurs de localisation (position et
direction).
Par la suite, une carte de fausses minuties va engendrer
l'échec de l'algorithme d'appariement. Une étape de pré -
traitement pour améliorer la clarté s'avère donc
nécessaire. Ce qui explique le fait que la plupart des recherches soient
principalement vouées à l'amélioration de l'image en
entrée.
| 
