WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Conception et réalisation d'un système de vote électronique pour le parlement: "cas du sénat congolais"

( Télécharger le fichier original )
par Gérard et Patrick KANDE NGALAMULUME Gérard et BUKASA TSHIBUABUA Patrick
Université de Kinshasa RDC - Ingénieur civil en électronique 2011
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

1.13. Segmentation.

Après avoir estimé le champ d'orientation d'une image d'empreintes digitales, un algorithme de segmentation qui est basé sur le niveau de certitude du champ d'orientation est employé pour localiser la région d'intérêt dans l'image d'empreintes digitales. Le niveau de certitude du champ d'orientation au pixel (i, j) est défini comme suit:

 

(4)

(5)

Avec :

· W : la taille de la fenêtre locale;

· Gx et Gy : les grandeurs de gradient dans des directions de x et de y respectivement

· CL (i, j) : l'orientation locale du pixel (i, j)

Pour chaque pixel, si son niveau de certitude du champ d'orientation est inférieur d'un certain seuil T, il est marqué comme pixel de fond. Sinon il est marqué comme un pixel de la région d'intérêt.

1.14. Détection de rides

L'objectif de l'algorithme de détection de rides est de séparer des rides des vallées dans une image d'empreintes digitales.

Il existe plusieurs approches :

· Fixe/adaptatif seuil :

Les pixels plus sombres qu'un seuil de constant/variable sont déterminés pour être des pixels de rides dans l'empreinte digitale. Ces approches généralement ne fonctionnent pas bien pour les parties bruyant, et l'image avec un contraste bas2

· Minimum local :

Cette approche emploie une propriété de rides, c'est que les valeurs de niveau gris sur des rides atteignent leur minimum local tout le long de la direction normale de l'orientation locale des rides

Normalement, le résultat obtenu est une image binaire dans laquelle les pixels noirs sont les pixels des rides et les pixels blancs sont des pixels des vallées ou du fond. Généralement les rides détectées sont épaisses, puis un algorithme amincissant est employé pour obtenir des rides avec un pixel de grandeur. Ces rides sont utiles pour détecter des minuties.

1.15. Détection de minuties

Lorsque les rides sont bien déterminées, les minuties seront facilement

détectées:

· Les pixels avec trois pixels voisins sont identifiés comme bifurcations.

· Les pixels avec un pixel voisin sont identifiés comme arêtes de ride Cependant, ce n'est pas le fait que toutes les minuties détectées sont des bonnes minuties à cause des bruits.

2 Davide Maltoni, Dario Maio, Anil K. Salil Prabhakar : Handbook , Fingerprint 2003, 500 pages

1.16. Post-traitement

Dans cette étape, les vraies minuties sont extraites en utilisant un certain nombre d'heuristiques. Par exemple, trop de minuties dans une petite région ne peuvent indiquer que la présence du bruit et elles pourront être jetées, deux arêtes de rides qui sont trop proches indiquent des fausses minuties produites par une coupure dans la ride, etc...

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Nous devons apprendre à vivre ensemble comme des frères sinon nous allons mourir tous ensemble comme des idiots"   Martin Luther King