II.4.5. Amélioration de
l'image d'empreintes digitales.
La robustesse d'un système de reconnaissance peut
nettement accroître en ajustant un processus d'amélioration avant
d'extraire les caractéristiques. A cause de la non -
stationnarité de l'image d'empreinte, les algorithmes classiques connus
dans le traitement d'image ne sont pas très adéquats à cet
égard, bien qu'ils puissent être utilisés comme une
étape de pré - traitement dans le schéma global
d'amélioration orientées pixel comme légalisation
d'histogramme, la normalisation de la moyenne et de la variance, le filtrage de
Winner améliorent la lisibilité de l'empreinte sans
altérer la structure globale des crêtes.
De plus, les définitions du bruit d'une image
générique et d'une image d'empreinte semblent être
largement différentes. Le bruit dans une empreinte s'exprime en termes
de cassures dans le flux directionnel des crêtes. Cette remarque sur le
bruit n'est pas anodine. Elle est même capitale lorsqu'on est
amené à travailler sur les images d'empreintes. En effet, les
méthodes classiques connues en traitement d'image ont tendance à
augmenter le contraste ou à réduire le bruit. Ces méthodes
ne sont pas à exclure mais elles doivent s'agencer à un processus
d'amélioration plus adapté aux images d'empreintes. On a bien
compris, la définition du bruit lorsqu'il s'agit de traiter des images
d'empreintes devient plus spécifique !
Généralement, une image d'empreintes digitales
contient les trois catégories de régions suivantes (figure
II.9) :
· Région bien définie : les
crêtes et les vallées sont visibles pour une extraction
possible.
· Région irrécupérable : les
régions sont très touchées par le bruit.
Récupération impossible. Si la portion de cette région est
importante, le système va refuser cette image.
Un algorithme d'amélioration a comme but de
récupérer la région d'intérêt et de
l'améliorer et de masquer la région
irrécupérable.
Figure II.9. Les régions
dans une empreinte. (a) région bien définie, (b) région
récupérable, (c) région
irrécupérable.
II.5. Propriétés
des images d'empreintes digitales.
Les travaux qui ont été faits dans le domaine
de l'analyse d'empreintes s'appuient sur les propriétés
intrinsèques qui caractérisent ce type d'image :
· L'empreinte est par essence une image de lignes.
· Une empreinte est une alternance de crêtes et de
vallées qui évoluent dans une direction précise. Un bloc
de l'image bien défini possède une direction locale constante.
· Sur un bloc, les niveaux de gris des crêtes et
des vallées constituent une forme sinusoïdale le long de la
direction normale à l'orientation locale des crêtes (figure
II.10). L'amplitude, la fréquence de cette forme sont des indicateurs
sur le type de la région constituant le bloc considéré.
Seuls les points singuliers constituent une discontinuité de cette forme
présumée.
Figure II.10. Projection des
crêtes sur une image orientée. (a) un échantillon
d'empreinte, (b) une empreinte synthétique.
· L'empreinte est une image texturée.
· Les valeurs des niveaux de gris atteignent leur maximum
local le long de la direction normale aux crêtes.
· Lors de la saisie d'une empreinte digitale, il arrive
assez souvent que certaines parties de l'empreinte soient sous ou sur
encrées, ce qui être gênant pour les traitements
ultérieurs. La définition précédente nous indique
que cette image est non stationnaire. En effet ; la
moyenne de niveaux de gris dans une fenêtre de la partie
sous-encrée est différente de la moyenne dans une fenêtre
d'une partie «normale » de l'empreinte. Pour
remédier à cette contrainte, beaucoup d'algorithmes utilisent une
étape de normalisation.
Ces propriétés peuvent être
matérialisées par des représentations spécifiques
sous forme d'image appelée images intrinsèques. Cela
inclut :
· L'image d'orientation : l'image d'orientation O
représente l'orientation locale des crêtes sur chaque point
d'image [20].
· L'image de fréquence : la fréquence
locale des crêtes indique la distance moyenne entre les crêtes sur
un bloc [21].
· Le masque des régions : le masque indique
l'ensemble des régions ou apparaissent des crêtes. Il est aussi
appelé masque région fond. D'autres masques [22] sont capables de
distinguer les régions exploitables parmi celles qui sont
irrécupérables.
Le calcul de ces images intrinsèques forme une
étape critique dans un processus d'extraction de
caractéristiques. Une erreur survenue lors de leur calcul va se propager
le long de tout le procédé. L'image d'orientation est
utilisée pour l'amélioration de l'image, la détection des
points singuliers, la segmentation et la satisfaction des images. Le masque est
utilisé pour éliminer les fausses minutes.
| 
