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:
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...
|