Luận văn: Nghiên cứu cải thiện tốc độ trích rút đặc trưng vân tay

Luận văn thạc sĩ: Nghiên cứu cải thiện tốc độ trích rút đặc trưng vân tay 001. Tối ưu hóa thuật toán, tăng tốc độ xử lý, nâng cao hiệu quả nhận dạng vân tay.

• Tác giả: Dương Thị Vân
• Người hướng dẫn: Ts. Nguyễn Ngọc Hóa
• Trường học: Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nghiên cứu Cải thiện tốc độ trích rút đặc trưng vân tay
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• DANH MỤC CÁC HÌNH
• DANH MỤC CÁC KÍ HIỆU VIẾT TẮT
• GIỚI THIỆU CHUNG
• 1. CHƯƠNG 1: TỔNG QUAN VỀ NHẬN DẠNG VÂN TAY
• 1.1. Giới thiệu
• 1.2. Nhận dạng vân tay
• 1.3. Phân tích cấu trúc vân tay
• 1.4. Quy trình nhận dạng vân tay
• 1.5. Ứng dụng của nhận dạng vân tay
• 1.6. Một số nghiên cứu liên quan
• 2. CHƯƠNG 2: NÂNG CAO CHẤT LƢỢNG ẢNH VÂN TAY
• 2.1. Bộ lọc Gabor
• 2.2. Tăng độ tƣơng phản
• 2.3. Phân mảnh ảnh
• 2.4. Ƣớc lƣợng hƣớng đƣờng vân
• 2.5. Ƣớc lƣợng tần số
• 2.6. Nâng cao chất lƣợng ảnh sử dụng bộ lọc Gabor
• 2.7. Bộ lọc STFT (Short Time Fourier Transform)
• 2.7.1. Xác định hƣớng đƣờng vân
• 2.7.2. Xác định tần số đƣờng vân
• 2.7.3. Xác định vùng mặt nạ
• 2.8. Nâng cao chất lƣợng ảnh bằng bộ lọc STFT
• 3. CHƯƠNG 3: CẢI THIỆN TỐC ĐỘ NÂNG CAO CHẤT LƢỢNG ẢNH VÂN TAY VÀ THỰC NGHIỆM
• 3.1. Phƣơng pháp xấp xỉ
• 3.2. Kĩ thuật giảm tính toán trung gian
• 3.3. Môi trƣờng thử nghiệm
• 3.4. Dữ liệu thử nghiệm
• 3.5. Kết quả thử nghiệm
• 3.6. Kết quả trực quan
• 3.7. Kết quả cải tiến trên bộ lọc Gabor
• 3.8. Kết quả cải tiến với bộ lọc STFT
• KẾT LUẬN CHUNG
• 3.9. Kết quả đạt đƣợc của luận văn
• 4. Hƣớng nghiên cứu tiếp theo
• Phụ lục 1: Các thuật toán sử dụng đối với bộ lọc Gabor
• Phục lục 2: các thuật toán sử dụng đối với bộ lọc STFT

Tóm tắt

I. Tổng Quan Luận Văn Thạc Sĩ Về Trích Rút Đặc Trưng Vân Tay

Luận văn thạc sĩ tập trung vào việc cải thiện tốc độ trích rút đặc trưng vân tay, một bài toán quan trọng trong nhiều ứng dụng từ an ninh quốc phòng đến dân sự. Nhận dạng vân tay đã được sử dụng rộng rãi, nhưng việc nâng cao hiệu suất và độ chính xác vẫn là mục tiêu của nhiều nghiên cứu khoa học. Luận văn này tiếp cận vấn đề bằng cách tối ưu hóa giai đoạn nâng cao chất lượng ảnh vân tay, một bước quan trọng ảnh hưởng trực tiếp đến kết quả nhận dạng vân tay. Chất lượng ảnh đầu vào kém do nhiều yếu tố chủ quan và khách quan có thể dẫn đến sai sót trong quá trình trích rút đặc trưng vân tay. Mục tiêu chính là giảm thời gian xử lý ảnh mà không làm giảm độ chính xác của việc trích xuất đặc trưng. Luận văn khám phá các phương pháp hiện đại như sử dụng bộ lọc Gabor và STFT (Short-Time Fourier Transform) để cải thiện chất lượng ảnh. Sau đó, đề xuất các kỹ thuật tối ưu hóa thuật toán để tăng tốc quá trình xử lý. Luận văn đánh giá hiệu quả của các phương pháp đề xuất thông qua thử nghiệm và so sánh với các thuật toán hiện có.

1.1. Tầm quan trọng của nhận dạng vân tay trong bảo mật

Hiện nay, nhận dạng vân tay được sử dụng rộng rãi trong nhiều lĩnh vực như kiểm soát truy cập, xác thực thanh toán và bảo mật thiết bị di động. Khả năng định danh cá nhân với độ chính xác cao khiến nó trở thành một công cụ bảo mật mạnh mẽ, đặc biệt trong bối cảnh số hóa ngày càng phát triển.

1.2. Các giai đoạn chính trong quy trình nhận dạng vân tay

Quy trình nhận dạng vân tay bao gồm ba giai đoạn chính: (i) thu nhận ảnh vân tay; (ii) nâng cao chất lượng ảnh và trích rút đặc trưng; và (iii) so khớp vân tay. Việc tối ưu hóa mỗi giai đoạn đều góp phần vào việc nâng cao hiệu suất tổng thể của hệ thống.

II. Thách Thức và Vấn Đề Cần Giải Quyết Trong Xử Lý Ảnh Vân Tay

Mặc dù công nghệ nhận dạng vân tay đã đạt được nhiều tiến bộ, vẫn còn tồn tại những thách thức lớn. Chất lượng ảnh vân tay có thể bị ảnh hưởng bởi nhiều yếu tố như độ ẩm, bụi bẩn, vết sẹo hoặc đơn giản là do thiết bị thu nhận kém chất lượng. Tiền xử lý ảnh vân tay là giai đoạn quan trọng để khắc phục những vấn đề này. Tuy nhiên, các thuật toán nâng cao chất lượng ảnh vân tay thường đòi hỏi nhiều tính toán, gây ảnh hưởng đến tốc độ trích rút đặc trưng. Luận văn này tập trung giải quyết bài toán cân bằng giữa độ chính xác và hiệu suất trong giai đoạn xử lý ảnh vân tay. Mục tiêu là phát triển các phương pháp cải thiện chất lượng ảnh mà không làm chậm quá trình nhận dạng vân tay tổng thể. Việc giảm thiểu thời gian trích rút đặc trưng có ý nghĩa quan trọng đối với các ứng dụng thời gian thực hoặc các hệ thống có lưu lượng lớn.

2.1. Ảnh hưởng của chất lượng ảnh đến độ chính xác của nhận dạng

Chất lượng ảnh đầu vào ảnh hưởng trực tiếp đến độ chính xác của quá trình nhận dạng vân tay. Ảnh mờ, nhiễu hoặc thiếu chi tiết có thể dẫn đến sai sót trong việc trích rút đặc trưng, từ đó làm giảm hiệu quả của hệ thống.

2.2. Yêu cầu về tốc độ xử lý trong các ứng dụng thực tế

Trong nhiều ứng dụng thực tế, như kiểm soát truy cập hoặc thanh toán di động, yêu cầu về tốc độ xử lý là rất quan trọng. Người dùng mong muốn hệ thống phản hồi nhanh chóng và chính xác.

2.3. Các yếu tố gây nhiễu ảnh vân tay và phương pháp khắc phục

Các yếu tố gây nhiễu có thể kể đến như: độ ẩm, bụi bẩn, vết cắt, vết sẹo trên ngón tay. Các phương pháp khắc phục có thể bao gồm làm sạch ngón tay trước khi quét, sử dụng cảm biến chất lượng cao, và áp dụng các thuật toán tiền xử lý ảnh để giảm nhiễu và tăng độ tương phản.

III. Phương Pháp Cải Thiện Tốc Độ Trích Rút Đặc Trưng Vân Tay

Luận văn đề xuất một phương pháp kết hợp các kỹ thuật xử lý ảnh tiên tiến và tối ưu hóa thuật toán để cải thiện tốc độ trích rút đặc trưng vân tay. Phương pháp này tập trung vào việc giảm thiểu số lượng phép tính cần thiết trong giai đoạn nâng cao chất lượng ảnh. Cụ thể, luận văn nghiên cứu và áp dụng bộ lọc Gabor và biến đổi Fourier để lọc nhiễu và làm rõ cấu trúc vân tay. Sau đó, các kỹ thuật xấp xỉ và giảm tính toán trung gian được sử dụng để tăng tốc quá trình xử lý. Tính toán trước các giá trị thường xuyên sử dụng và lưu trữ trong bộ nhớ giúp giảm thời gian thực hiện các phép tính phức tạp. Phương pháp này hứa hẹn mang lại sự cải thiện đáng kể về hiệu suất mà không làm ảnh hưởng đến độ chính xác của việc trích xuất đặc trưng.

3.1. Sử dụng bộ lọc Gabor để nâng cao chất lượng ảnh

Bộ lọc Gabor là một công cụ mạnh mẽ để lọc nhiễu và làm rõ cấu trúc vân tay. Nó có khả năng phân tích ảnh trong miền tần số và không gian, cho phép loại bỏ các thành phần nhiễu và tăng cường các đường vân.

3.2. Kỹ thuật xấp xỉ và giảm tính toán trung gian trong xử lý ảnh

Kỹ thuật xấp xỉ cho phép thay thế các phép tính phức tạp bằng các phép tính đơn giản hơn mà vẫn đảm bảo độ chính xác chấp nhận được. Kỹ thuật giảm tính toán trung gian loại bỏ các phép tính không cần thiết hoặc trùng lặp.

3.3. Tính toán trước các giá trị thường xuyên sử dụng để tối ưu hóa hiệu suất

Tính toán trước các giá trị thường xuyên sử dụng, chẳng hạn như các giá trị sin/cos của các góc, và lưu trữ chúng trong bộ nhớ giúp giảm thời gian thực hiện các phép tính phức tạp trong quá trình xử lý ảnh.

IV. Ứng Dụng và Đánh Giá Hiệu Quả Phương Pháp Cải Thiện Tốc Độ

Phương pháp cải thiện tốc độ trích rút đặc trưng vân tay được thử nghiệm trên một tập dữ liệu lớn gồm nhiều ảnh vân tay với chất lượng khác nhau. Kết quả thử nghiệm cho thấy phương pháp này có thể giảm đáng kể thời gian xử lý ảnh mà không làm giảm độ chính xác của việc trích xuất đặc trưng. So sánh với các thuật toán hiện có, phương pháp đề xuất đạt được hiệu suất vượt trội. Các ứng dụng thực tế của phương pháp này bao gồm kiểm soát truy cập nhanh chóng, xác thực thanh toán an toàn và bảo mật thiết bị di động. Việc giảm thời gian nhận dạng vân tay giúp cải thiện trải nghiệm người dùng và tăng cường tính bảo mật của các hệ thống.

4.1. Kết quả thử nghiệm về tốc độ và độ chính xác

Kết quả thử nghiệm cho thấy phương pháp cải thiện tốc độ giảm thời gian xử lý ảnh trung bình từ X mili giây xuống Y mili giây, đồng thời duy trì độ chính xác ở mức Z%.

4.2. So sánh với các thuật toán trích rút đặc trưng hiện có

So với các thuật toán trích rút đặc trưng hiện có, phương pháp đề xuất có hiệu suất vượt trội về cả tốc độ và độ chính xác.

4.3. Các ứng dụng thực tế tiềm năng của phương pháp

Phương pháp cải thiện tốc độ có thể được ứng dụng trong nhiều lĩnh vực như kiểm soát truy cập, xác thực thanh toán, bảo mật thiết bị di động và các hệ thống nhận dạng quy mô lớn.

V. Kết luận và Hướng Nghiên Cứu Tiếp Theo Về Nhận Dạng Vân Tay

Luận văn đã trình bày một phương pháp hiệu quả để cải thiện tốc độ trích rút đặc trưng vân tay mà không ảnh hưởng đến độ chính xác. Phương pháp này kết hợp các kỹ thuật xử lý ảnh tiên tiến và tối ưu hóa thuật toán, mang lại sự cải thiện đáng kể về hiệu suất. Các hướng nghiên cứu tiếp theo có thể tập trung vào việc khám phá các thuật toán so khớp vân tay mới, phát triển các phương pháp nhận dạng trên các thiết bị di động và ứng dụng công nghệ nhận dạng vân tay trong các lĩnh vực mới.

5.1. Tóm tắt những đóng góp chính của luận văn về cải thiện tốc độ

Luận văn đã đóng góp vào việc cải thiện tốc độ bằng cách giảm thiểu số lượng phép tính cần thiết trong giai đoạn nâng cao chất lượng ảnh và áp dụng các kỹ thuật xấp xỉ và giảm tính toán trung gian.

5.2. Các hướng nghiên cứu tiếp theo trong lĩnh vực nhận dạng vân tay

Các hướng nghiên cứu tiếp theo có thể tập trung vào việc phát triển các thuật toán so khớp vân tay hiệu quả hơn, ứng dụng công nghệ nhận dạng vân tay trên các thiết bị di động và khám phá các ứng dụng mới trong các lĩnh vực khác nhau.

5.3. Mở rộng phạm vi ứng dụng của công nghệ nhận dạng vân tay

Nghiên cứu về bảo mật vân tay có thể tập trung vào các phương pháp chống giả mạo vân tay, tích hợp công nghệ nhận dạng vân tay vào các hệ thống IoT và phát triển các giải pháp nhận dạng vân tay đa phương thức (ví dụ: kết hợp vân tay với nhận diện khuôn mặt hoặc giọng nói).

VI. Tối Ưu Hóa Thuật Toán Trích Xuất Đặc Trưng Vân Tay 001 Cho Mobile

Khám phá các phương pháp tối ưu hóa thuật toán để đảm bảo hiệu suất cao và tiêu thụ năng lượng thấp trên thiết bị di động. Áp dụng kỹ thuật lượng tử hóa mô hình và pruning để giảm kích thước mô hình và tăng tốc độ tính toán. Đánh giá ảnh hưởng của các tối ưu hóa này đến độ chính xác và khả năng sử dụng thực tế.

6.1. Phân tích hiệu năng của thuật toán trích xuất đặc trưng trên mobile

Đánh giá hiệu năng về tốc độ trích xuất, tiêu thụ năng lượng, và sử dụng bộ nhớ trên các thiết bị di động khác nhau. Xác định các điểm nghẽn và cơ hội để tối ưu hóa.

6.2. Lượng tử hóa và pruning để giảm kích thước mô hình và tăng tốc độ

Sử dụng kỹ thuật lượng tử hóa để giảm số bit biểu diễn các tham số của mô hình. Áp dụng pruning để loại bỏ các kết nối không quan trọng trong mạng thần kinh, giảm độ phức tạp của mô hình.

6.3. Đánh giá ảnh hưởng của các tối ưu hóa đến độ chính xác

Thực hiện thử nghiệm để đánh giá sự thay đổi độ chính xác sau khi áp dụng các tối ưu hóa. Tìm ra sự cân bằng giữa hiệu năng và độ chính xác phù hợp với các ứng dụng trên mobile.

Nội dung chính

Tổng quan nghiên cứu

Thị trường công nghệ sinh trắc học hiện đại đặt ra yêu cầu rất khắt khe về độ chính xác và tốc độ nhận thực người dùng, trong đó tỷ lệ sai lệch nhận dạng khi kết hợp xác thực 4 ngón tay phải đạt mức tối ưu dưới 0,1%. Theo thống kê từ các tổ chức khoa học quốc tế, trong giai đoạn từ năm 2010 đến năm 2012 đã có hơn 1.147 công trình nghiên cứu chuyên sâu về xử lý ảnh và sinh trắc học vân tay được công bố trên toàn cầu. Tuy nhiên, chất lượng ảnh vân tay thu nhận từ thực tế thường xuyên bị suy giảm nghiêm trọng do các yếu tố khách quan như thời tiết, vết bẩn, da khô, da dầu hoặc các tổn thương bề mặt ngón tay. Trong các hệ thống nhận dạng tự động, nếu không áp dụng các kỹ thuật tiền xử lý thích hợp, tỷ lệ nhận dạng sai lệch có thể lên tới 10%, gây ra những rủi ro an ninh khôn lường.

Mục tiêu cốt lõi của nghiên cứu này là giải quyết triệt để nút thắt cổ chai về mặt hiệu năng trong quy trình nhận dạng vân tay tự động, cụ thể là tập trung cải thiện tốc độ nâng cao chất lượng ảnh mà vẫn bảo toàn độ chính xác của cấu trúc đường nét. Luận văn đi sâu nghiên cứu, phân tích hai kỹ thuật lọc phổ biến nhất hiện nay là bộ lọc Gabor và bộ lọc biến đổi Fourier thời gian ngắn (STFT), từ đó đề xuất giải pháp giảm thiểu các bước tính toán trung gian dựa trên kỹ thuật tính toán trước giá trị lượng giác và xấp xỉ hóa tham số.

Phạm vi nghiên cứu được thực hiện trên tập cơ sở dữ liệu ảnh mẫu chuẩn tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội trong năm 2013, tập trung vào việc tối ưu hóa cho các hệ thống nhận diện phục vụ đời sống dân sự. Ý nghĩa thực tiễn của công trình thể hiện rõ nét qua việc cắt giảm thời gian xử lý ảnh từ mức hơn 1.600 mili-giây xuống ngưỡng dưới 400 mili-giây cho mỗi dấu vân tay. Bước tiến này giúp các hệ thống nhận dạng thương mại rút ngắn thời gian phản hồi tổng thể xuống dưới 2 giây, tạo điều kiện thuận lợi cho việc triển khai trên các thiết bị nhúng và thiết bị đầu cuối cầm tay có năng lực phần cứng khiêm tốn.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng của lý thuyết xử lý tín hiệu số 2 chiều và lý thuyết nhận dạng sinh trắc học vân tay dựa trên cấu trúc điểm đặc trưng (Minutiae) cùng hình thái học đường vân (Ridge features). Hệ thống xử lý vận hành qua quy trình chuẩn hóa gồm 3 khái niệm nền tảng chính:

Thứ nhất, vùng quan tâm (Region of Interest - ROI) được xác định thông qua kỹ thuật phân mảnh ảnh (Segmentation), tách biệt hoàn toàn vùng chứa thông tin vân nổi có độ tương phản cao với vùng nền mờ nhiễu dựa trên giá trị ngưỡng phương sai tối ưu thực nghiệm là 100.

Thứ hai, ma trận định hướng cục bộ (Ridge Orientation) mô tả góc nghiêng của tiếp tuyến đường vân so với trục ngang, được tính toán thông qua việc áp dụng toán tử đạo hàm Sobel ngang và dọc trên từng khối kích thước 16x16 pixel, kết hợp lọc thông thấp Gaussian kích thước 5x5 để làm mịn các vùng bị nhiễu cục bộ.

Thứ ba, ma trận tần số đường vân (Ridge Frequency) thể hiện nghịch đảo khoảng cách giữa hai đỉnh vân lồi liên tiếp, dao động trong giới hạn vật lý từ 3 đến 25 pixel trên ảnh quét chuẩn độ phân giải 500 dpi.

Về mô hình lọc, luận văn áp dụng bộ lọc Gabor 2 chiều với 4 tham số điều khiển hướng, tần số và độ lệch chuẩn không gian nhằm khử nhiễu có chọn lọc. Song song với đó là mô hình biến đổi Fourier thời gian ngắn 2 chiều (STFT Analysis) giúp phân tích tín hiệu ảnh trên các khối chồng lấn, cho phép ước lượng đồng thời trường hướng, phổ tần số và mức độ gắn kết đường vân trên miền phổ tần.

Phương pháp nghiên cứu

Về nguồn dữ liệu thực nghiệm, tác giả sử dụng cơ sở dữ liệu mẫu chuẩn KoehlkDB bao gồm 400 ảnh vân tay chất lượng khác nhau thu thập từ 50 ngón tay riêng biệt, mỗi ngón tay được lấy 8 mẫu trong các điều kiện tiếp xúc bề mặt thực tế. Phương pháp chọn mẫu là chọn mẫu ngẫu nhiên có phân tầng nhằm đảm bảo sự hiện diện đầy đủ của các dạng vân tay chuẩn như hình cung (Arch), hình thòng lọng (Loop) và hình xoắn ốc (Whorl). Cỡ mẫu được trích xuất cho các kịch bản thực nghiệm bao gồm 94 ảnh ngẫu nhiên đối với bộ lọc Gabor và 20 ảnh ngẫu nhiên đối với bộ lọc STFT.

Lý do lựa chọn phương pháp phân tích thực nghiệm so sánh đối đầu trên hai môi trường lập trình là nhằm kiểm chứng tính khả thi ở cả mức tính toán hệ thống lẫn mức mô hình hóa thuật toán. Ngôn ngữ C++ trên nền tảng Visual Studio được lựa chọn cho bộ lọc Gabor nhằm tối ưu hóa quản lý bộ nhớ RAM và tốc độ thực thi chỉ lệnh vi xử lý. Trong khi đó, phần mềm Matlab cùng bộ công cụ Image Processing Toolbox được sử dụng cho bộ lọc STFT nhờ khả năng xử lý ma trận và biến đổi Fourier nhanh (FFT) vượt trội.

Timeline nghiên cứu được triển khai xuyên suốt 12 tháng trong năm 2013, tập trung vào kỹ thuật giảm tính toán trung gian. Tác giả áp dụng phương pháp xấp xỉ chuỗi Taylor và xây dựng sẵn bảng tra cứu tĩnh (Look-up Table) lưu trữ toàn bộ các giá trị lượng giác sin và cos từ 0 đến 360 độ rời rạc. Đối với bộ lọc Gabor, toàn bộ hệ số mũ được tính sẵn và nạp vào mảng 4 chiều kích thước 15x15 pixel với bước góc lượng tử hóa 4 độ và dải tần số 25 mức, loại bỏ hoàn toàn các phép tính lặp dư thừa trên CPU máy tính thử nghiệm Intel Core i3 xung nhịp 2.4 GHz với bộ nhớ RAM 2 GB.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối chứng giữa thuật toán nguyên bản và thuật toán cải tiến đã mang lại các phát hiện khoa học đột phá:

Thứ nhất, đối với bộ lọc Gabor triển khai trên môi trường C++, kỹ thuật bảng tra cứu tĩnh đã giúp rút ngắn thời gian nâng cao chất lượng ảnh vân tay từ mức trung bình 1.650 mili-giây xuống chỉ còn dao động trong khoảng 250 đến 380 mili-giây trên tập 94 ảnh thử nghiệm. Mức cải thiện tốc độ xử lý đạt tỷ lệ ấn tượng từ 75% đến 80%, giúp giảm thiểu độ trễ đáng kể trong pha tiền xử lý.

Thứ hai, đối với bộ lọc STFT triển khai trên môi trường Matlab, việc nạp trước ma trận giá trị lượng giác tĩnh đã cắt giảm thời gian xử lý mỗi khung hình từ 0,62 giây xuống còn 0,21 giây trên tập 20 mẫu ảnh ngẫu nhiên, tương đương với tốc độ thực thi được nâng cao hơn 66,1%.

Thứ ba, về mặt bảo toàn chất lượng hình ảnh, việc phân tích trực quan và đo lường sự tương quan hình thái chứng minh rằng ảnh đầu ra sau khi cải tiến tốc độ hoàn toàn đồng nhất với kết quả của thuật toán gốc. Cấu trúc đường vân lồi, rãnh vân lõm và vị trí của các điểm đặc trưng then chốt (điểm kết thúc và điểm rẽ nhánh) không hề bị sai lệch hay biến dạng.

Thứ tư, khi tích hợp ảnh đã nâng cao chất lượng vào phần mềm đối sánh mã nguồn mở NFIS của Viện Tiêu chuẩn và Kỹ thuật Quốc gia Hoa Kỳ (NIST), đường cong đặc tính vận hành máy thu (ROC) ghi nhận tỷ lệ nhận dạng chính xác tăng thêm 17% so với khi chưa qua bước xử lý lọc, đồng thời không phát sinh lỗi nhận dạng sai lệch do quá trình xấp xỉ hóa.

Thảo luận kết quả

Nguyên nhân cốt lõi giúp tốc độ xử lý tăng vọt là việc loại bỏ hoàn toàn việc tính toán động các hàm giải tích lượng giác phức tạp trên từng điểm ảnh. Trong thuật toán truyền thống, mỗi điểm ảnh trong từng khối 16x16 pixel đều phải gọi hàm tính sin, cos và hàm mũ Euler theo công thức chuỗi Taylor với hàng chục phép nhân số thực dấu phẩy động. Bằng cách sử dụng bảng tra cứu cố định kích thước nhỏ nạp trực tiếp vào bộ nhớ đệm, chương trình chỉ cần thực hiện phép truy xuất chỉ số mảng với độ phức tạp thời gian hằng số O(1).

Dữ liệu thực nghiệm của nghiên cứu được trực quan hóa rõ ràng qua biểu đồ đường xu hướng thời gian (Latency Trend Chart) thể hiện sự phân bổ độ trễ của 94 mẫu thử nghiệm. Trên đồ thị, đường biểu diễn thời gian của thuật toán Gabor gốc liên tục dao động ở mức cao từ 1.400 đến 1.800 mili-giây, trong khi đường biểu diễn sau cải tiến luôn phẳng và ổn định dưới ngưỡng 400 mili-giây. Tương tự, bảng thống kê phương sai cho thấy độ lệch chuẩn về thời gian xử lý giữa các mẫu ảnh giảm từ 185 mili-giây xuống chỉ còn 28 mili-giây, chứng minh tính ổn định tuyệt đối của hệ thống.

So sánh với các nghiên cứu cùng thời kỳ, giải pháp của tác giả vượt trội ở tính ứng dụng thực tiễn khi không đòi hỏi nâng cấp phần cứng đắt tiền hay phụ thuộc vào các hệ thống máy tính xử lý song song phức tạp của cơ quan an ninh. Kết quả này chứng minh rằng việc kết hợp thông minh giữa tối ưu hóa cấu trúc dữ liệu và giải tích số có thể giải quyết trọn vẹn bài toán cân bằng giữa tốc độ tính toán và độ chính xác sinh trắc học.

Đề xuất và khuyến nghị

Dựa trên những kết quả thực nghiệm vững chắc của luận văn, 4 giải pháp hành động cụ thể được khuyến nghị triển khai:

Thứ nhất, chuyển đổi và nhúng toàn bộ bảng tra cứu tĩnh cùng giải thuật tối ưu C++ vào các vi điều khiển nhúng chuyên dụng của thiết bị đọc vân tay trong quý 2 năm tới. Mục tiêu cụ thể là đưa tổng thời gian xác thực sinh trắc học trên một thiết bị độc lập về dưới 100 mili-giây; chủ thể thực hiện là các kỹ sư phát triển phần mềm nhúng và chuyên gia thiết kế phần cứng sinh trắc.

Thứ hai, mở rộng nghiên cứu song song hóa thuật toán biến đổi Fourier STFT trên nền tảng card đồ họa GPU hoặc vi xử lý đa nhân thông qua tập lệnh CUDA và OpenMP trong lộ trình 6 tháng. Mục tiêu là đạt khả năng xử lý đồng thời hơn 50 luồng ảnh vân tay cùng lúc; chủ thể thực hiện là các nhóm nghiên cứu thị giác máy tính tại các viện và trường đại học.

Thứ ba, thiết lập cơ chế lọc thích nghi động (Adaptive Filtering) có khả năng tự động đánh giá chỉ số chất lượng ảnh cục bộ trước khi áp dụng bộ lọc Gabor, từ đó bỏ qua bước lọc đối với các vùng ảnh đã quá rõ nét nhằm tiết kiệm thêm 30% tài nguyên xử lý; chủ thể thực hiện là các nhà phát triển thuật toán nhận dạng.

Thứ tư, hoàn thiện tài liệu kỹ thuật và chuẩn hóa quy trình tiền xử lý ảnh vân tay tương thích với tiêu chuẩn trao đổi dữ liệu sinh trắc học quốc tế ISO/IEC 19794-2 trong thời hạn 1 năm. Giải pháp này giúp các cơ quan quản lý tiêu chuẩn kỹ thuật số và các doanh nghiệp giải pháp an ninh dễ dàng tích hợp module vào các hệ thống định danh quốc gia.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị lý thuyết và ứng dụng sâu sắc cho 4 nhóm đối tượng cụ thể:

Nhóm 1: Kỹ sư phần mềm và chuyên gia phát triển giải pháp nhận dạng sinh trắc học. Nhóm này có thể khai thác trực tiếp mô hình bảng tra cứu lượng giác tĩnh và cấu trúc mã nguồn tối ưu C++ để áp dụng vào các sản phẩm chấm công, khóa thông minh và cổng kiểm soát truy cập thời gian thực nhằm gia tăng tốc độ phản hồi cho người dùng.

Nhóm 2: Các nhà nghiên cứu và học viên chuyên ngành Xử lý ảnh và Thị giác máy tính. Luận văn cung cấp cái nhìn toàn diện về phương pháp phân tích miền tần số không gian thông qua STFT và Gabor, làm tài liệu tham khảo giá trị cho các bài toán phân tích kết cấu bề mặt, phát hiện biên và khử nhiễu ma trận điểm ảnh.

Nhóm 3: Kỹ sư thiết kế hệ thống nhúng và thiết bị IoT bảo mật. Những phân tích chi tiết về việc cắt giảm dung lượng tính toán trung gian trên CPU Core i3 2.4 GHz và RAM 2 GB sẽ là cẩm nang hữu ích để triển khai thuật toán trên các dòng chip vi xử lý ARM có tài nguyên bộ nhớ giới hạn.

Nhóm 4: Sinh viên đại học và học viên cao học ngành Công nghệ thông tin và Hệ thống thông tin. Tài liệu đóng vai trò là một mẫu nghiên cứu học thuật chuẩn mực về phương pháp xây dựng kịch bản thực nghiệm, đối sánh thuật toán khoa học trên tập dữ liệu chuẩn KoehlkDB và cách thức tối ưu hóa hiệu năng phần mềm.

Câu hỏi thường gặp

Việc xấp xỉ hóa giá trị lượng giác và giới hạn góc quay có làm mất mát các điểm đặc trưng vân tay quan trọng hay không? Hoàn toàn không làm mất mát thông tin. Các kết quả thực nghiệm đối chứng trên 94 ảnh mẫu cho thấy vị trí tọa độ các điểm đặc trưng rẽ nhánh và kết thúc được giữ nguyên vẹn. Việc lượng tử hóa góc với bước nhảy 4 độ và giới hạn góc lớn hơn 40 độ vẫn đảm bảo phản ánh chính xác cấu trúc hình thái đường vân tự nhiên mà không làm biến dạng hướng tiếp tuyến cục bộ.

Tại sao bước nâng cao chất lượng ảnh lại chiếm nhiều thời gian nhất trong toàn bộ quy trình nhận dạng vân tay? Bởi vì bước này đòi hỏi thực hiện hàng triệu phép tính toán giải tích phức tạp lặp đi lặp lại trên từng điểm ảnh của ma trận. Việc ước lượng hướng, tần số, khử nhiễu bằng bộ lọc Gabor và biến đổi Fourier đòi hỏi tính tích chập không gian và giải chuỗi Taylor cho các hàm lượng giác trên từng khối 16x16 pixel, tạo ra khối lượng tính toán khổng lồ trên vi xử lý.

Bảng tra cứu tĩnh LUT được xây dựng trong luận văn chiếm dụng bao nhiêu dung lượng bộ nhớ hệ thống? Bảng tra cứu lượng giác và mảng 4 chiều hệ số mũ của bộ lọc Gabor chiếm dung lượng bộ nhớ RAM chưa tới 1 MB. Đây là mức tiêu hao tài nguyên vô cùng nhỏ bé so với dung lượng RAM 2 GB của hệ thống thử nghiệm, hoàn toàn tương thích và khả thi khi tích hợp trên các vi điều khiển giá rẻ có bộ nhớ khiêm tốn.

Giữa bộ lọc Gabor và bộ lọc STFT, kỹ thuật nào mang lại hiệu quả vượt trội hơn cho việc xử lý ảnh vân tay? Bộ lọc STFT vượt trội hơn về khả năng khử nhiễu tổng thể và xử lý các đường vân có độ cong lớn do tính toán đồng thời cả hướng, tần số và mặt nạ trên miền tần số 2 chiều. Tuy nhiên, bộ lọc Gabor sau khi tối ưu bằng bảng tra cứu C++ lại có ưu thế áp đảo về tốc độ thực thi khi chỉ mất khoảng 320 mili-giây, rất thích hợp cho các ứng dụng thực tế.

Giải pháp tối ưu tốc độ của luận văn có thể ứng dụng cho các cơ sở dữ liệu quy mô hàng triệu người dân hay không? Giải pháp này hoàn toàn có thể ứng dụng xuất sắc ở tầng xử lý biên (Edge Processing). Khi triển khai tại các trạm quét vân tay căn cước công dân hoặc cửa khẩu biên giới, module cải tiến sẽ nâng cao chất lượng ảnh ngay tại thiết bị đầu cuối chỉ trong 0,3 giây trước khi truyền dữ liệu đặc trưng về máy chủ trung tâm, giúp giải phóng băng thông và giảm tải xử lý cho hệ thống cơ sở dữ liệu lớn.

Kết luận

Năm đóng góp cốt lõi mà công trình nghiên cứu đã đạt được bao gồm:

• Hệ thống hóa toàn diện cơ sở lý thuyết về quy trình nhận dạng sinh trắc học vân tay và bản chất toán học của hai bộ lọc kinh điển Gabor và STFT.
• Đề xuất thành công kỹ thuật giảm tính toán trung gian bằng bảng tra cứu tĩnh lượng giác 360 độ và mảng hệ số 4 chiều, loại bỏ triệt để các phép tính chuỗi Taylor dư thừa.
• Cải thiện vượt bậc tốc độ thực thi của bộ lọc Gabor với thời gian xử lý giảm hơn 75%, đạt mức trung bình dưới 400 mili-giây trên tập 94 ảnh thử nghiệm.
• Cải thiện tốc độ bộ lọc STFT trên môi trường Matlab với mức giảm thời gian 66,1% trên tập 20 ảnh thực nghiệm.
• Chứng minh tính bảo toàn tuyệt đối về độ chính xác nhận dạng và hình thái học đường vân trên tập cơ sở dữ liệu 400 ảnh mẫu KoehlkDB.

Trong lộ trình nghiên cứu từ 6 đến 12 tháng tiếp theo, đề tài sẽ mở rộng sang việc tối ưu hóa các thuật toán so khớp đặc trưng vân tay quy mô lớn trên nền tảng điện toán đám mây và xử lý phân tán. Các nhà phát triển và tổ chức quan tâm đến việc nâng cao hiệu năng hệ thống sinh trắc học hãy áp dụng ngay kỹ thuật bảng tra cứu tĩnh vào quy trình tiền xử lý ảnh để tối ưu hóa trải nghiệm người dùng và gia tăng độ tin cậy bảo mật cho hệ thống.

Trích đoạn nội dung tài liệu

Mở đầu Mục đích của thuật toán nâng cao chất lượng ảnh là để cải thiện, làm rõ cấu trúc của các đường vân trong khu vực được đánh dấu là ―nhiễu‖ để nâng cao chất lượng trước khi chuyển sang các bước trích rút đặc trưng vân tay. Trong phạm vi của luận văn, tôi nghiên cứu hai bộ lọc nhằm nâng cao chất lượng ảnh trước khi đưa vào trích rút các điểm đặc trưng, đó là bộ lọc Gabor và bộ lọc STFT. Bước tăng cường ảnh đóng vai trò rất quan trọng góp phần quyết định đến hiệu quả của quá trình trích rút đặc trưng vân tay. Để đảm bảo cho thuật toán trích rút các đặc trưng vân tay có kết quả tốt nhất thì thuật toán nâng cao chất lượng ảnh để làm rõ nét cấu trúc các đường vân là rất cần thiết.

Bộ lọc Gabor 2. Giới thiệu Nhận dạng vân tay được sử dụng rộng rãi trong nhiều lĩnh vực. Tuy nhiên một số hình ảnh dấu vân tay bị nhiễu khá lớn. Trong những trường hợp như thế, cần một thuật toán để cải thiện, nâng cao chất lượng các cấu trúc đường vân một cách rõ nét là điều cần thiết.

Các thuật toán cải thiện tốt dựa trên một trong hai cơ sở là sử dụng vùng định hướng địa phương trong miền không gian tọa độ hoặc là dựa vào bộ lọc Gabor trong miền tần số. Phương pháp đầu rất khó thực hiện vì khó ước lượng chính xác được các hình ảnh vân tay có chất lượng kém và có nhiều hạn chế khi sử dụng kĩ thuật lọc. Đối với bộ lọc Gabor, có thể thu được những ước lượng đáng tin cậy ngay cả khi hình ảnh vân tay bị hỏng, nhưng lại hạn chế thời gian xử lý. Các kết quả thực nghiệm cho thấy, việc xử lý của thuật toán mang lại hiệu quả tính toán có thể sánh với các phương pháp cải thiện khác.

Đầu vào của thuật toán nâng cao chất lượng ảnh là một ảnh xám, đầu ra có thể là ảnh xám hoặc ảnh nhị phân. TIEU LUAN MOI download : [e-mail] 21 Nghiên cứu thuật toán nâng cao chất lượng ảnh vân tay thì quá trình này gồm năm bước sau: Bước 1: Boosting contrast (tăng độ tương phản): được dùng để cải thiện chất lượng ảnh vân tay. Bước 2: Segmentation (phân mảnh): được thực hiện để nâng cao chất lượng các vùng có vân nổi. Bước 3: Normalization (chuẩn hóa): thiết lập ảnh là các điểm sáng.

Bước 4: Ridge/Frequency Estimation (ước lượng tần số/hướng đường vân): phục vụ cho việc áp dụng bộ lọc Gabor. Bước 5: Gabor filter: được dùng để khử nhiễu trong ảnh. Do đó, ảnh được nâng cao chất lượng hoàn toàn có thể dùng cho trích chọn đặc trưng vân tay. Các bước được thể hiện như sau: Hình 2.

1 Sơ đồ nâng cao chất lượng ảnh của Koehlke’s 2. Tăng độ tƣơng phản Biểu thức (2.1) dùng để tăng độ tương phản của ảnh. Nó tính toán các mức xám của ảnh giữa giữa mức tối thiểu và mức đối đa của ảnh. Xét các ảnh đầu vào I có kích thước là ma trận R×C, trong đó I(i;j) thể hiện mức xám ở hàng i, cột j.

O là ảnh đầu ra, f min và fmax là mức xám tối thiểu và tối đa tương ứng của ảnh đầu vào, và g max là độ xám tối đa cho các ảnh đầu vào nhất định (với ảnh 8 bít, gmax=255). Biểu thức sau đây xác định cách tăng độ tương phản của ảnh [8]: TIEU LUAN MOI download : skknchat@gmail. Phân mảnh ảnh Các bước của phân mảnh nhằm mục đích tìm ra vùng đặc trưng (region of interest - ROI). Trong một ảnh vân tay có một vùng nổi (vùng ưu tiên) và vùng nền.

Vùng nổi là nơi tập trung các đường vân lồi và vân lõm, còn vùng nền là sẽ được bỏ qua trong quá trình xử lý. Vùng nổi có sự khác biệt về mức xám cao, còn vùng nền có sự khác biệt về mức xám thấp. Phân mảnh làm nhiệm vụ tách hai vùng trên, giúp cho việc xác định các đặc trưng được chính xác hơn. Để thực hiện phân mảnh, các ảnh vân tay được chia thành các khối (blocks).

Đối với mỗi khối, tính lại giá trị các mức xám. Nếu giá trị thấp hơn so với ngưỡng chung thì gán là nền, ngược lại đực gán là vùng nổi (ROI) Với V(k) là giá trị của khối có kích thước W×W, thì V(k) được tính như sau: 𝟏 𝐰−𝟏 𝐰−𝟏 𝐕 𝐤 = 𝐢=𝟎 𝐣=𝟎 𝐈 𝐢, 𝐣 − 𝐌(𝐤) 𝟐 (2. Tuy nhiên, giá trị ngưỡng phải được đưa ra hợp lý, nếu giá trị ngưỡng quá lớn thì vùng nổi có thể coi như vùng nền. Ngược lại, nếu giá tri ngưỡng quá bé thì vùng nền có thể coi như vùng chứa các đường vân.

Giá trị ngưỡng tối ưu để phân biệt hai vùng trên nền và vùng nổi được xác định theo thực nghiệm là 100. Chuẩn hóa ảnh Mục đích của bước này là giảm độ khác biệt các mức xám giữa các đường vân tay với nhau nhằm tạo thuận lợi cho các bước xử lý tiếp theo. Nguyên nhân dẫn đến sự khác biệt giữa các mức xám này là do quá trình lấy dấu vân tay từ thiết bị đã tạo nên sự không đều màu, có chỗ màu nhạt màu đậm. Ảnh vân tay sau khi được chuẩn hóa sẽ rõ nét hơn mà không làm thay đổi cấu trúc các đường vân.

TIEU LUAN MOI download : [e-mail] 23 Bước chuẩn hóa dùng để chuẩn hóa các giá trị cường độ trong một hình ảnh bằng cách điều chỉnh phạm vi các giá trị mức xám để nó nằm trong một phạm vi các giá trị mong muốn.3) 𝑽𝟎 𝒍 𝒊,𝒋 −𝑴 𝟐 𝑴𝟎 − 𝑜𝑡𝑕𝑒𝑟𝑤𝑖𝑠𝑒𝑠 𝑽 Trong đó M và V tương ứng là giá trị ước lượng trung bình và phương sai của I(i,j); M0 và V0 tương ướng là giá trị trung bình và phương sai mong muốn. Ƣớc lƣợng hƣớng đƣờng vân Hình 2. 2 Hướng của đường vân tại 1 điểm Mục đích của bước này là ước lượng hướng của các đường vân tay, nhằm phục vụ cho ước lượng tần số ảnh và lọc Gabor. Đây được xem là một trong những bước quan trọng nhất trong phần tăng cường ảnh vì nếu việc ước lượng hướng không chính xác sẽ dấn đến ước lượng tần số và lọc Gabor bị sai, dẫn đến việc trích rút đặc trưng không đúng.

Hướng cục bộ cũng là một đặc trưng quan trọng của vân tay. Nó là góc tạo bởi phương ngang hợp với phương của đường vân (góc x,y trong hình 2. Giá trị của góc x,y nằm trong khoảng [0. Ước lượng hướng vân tay là điều kiện tiên quyết đầu tiên trong nhận dạng vân tay.

Trong mỗi ảnh, các đường vân có kiểu dáng đi theo các hướng khác nhau. Hướng của mỗi vân tại vị trí (x,y) là hướng dãy các điểm trên đường vân ấy. Với một ảnh đã được chuẩn hóa I, các bước chính để ước lượng hướng đường vân được thực hiện như sau: TIEU LUAN MOI download : skknchat@gmail. Chia ảnh I thành các khối có kích thước w×w (thường là 16×16).

δx(i,j) được tính bằng cách dùng toán tử Sobel ngang, δy(i,j) được tính bằng cách dùng toán tử Sobel dọc. 1 0 1 1 2 1 2 0 2 0 0 0 1 0 2 1 2 1 Toán tử Sobel ngang Toán tử Sobel dọc Trong đó: δx(i, j) = - I(i+1,j+1) +0 + I(i+1,j-1) - 2* I(i,j+1) + 0 + 2*I(i,j-1) - I(i-1,j+1) + 0 + I(i-1,j-1) δy(i, j) = -I(i+1,j+1) - 2*I(i+1,j) - I(i+1,j-1) 0 + 0 + 0 I(i-1,j+1) + 2*I(i-1,j) + I(i-1,j-1) 3. Ước lượng hướng đường vân của mỗi khối, tại mỗi điểm trung tâm của khối, sử dụng phương trình sau: 𝑤 𝑤 𝑢=𝑖+ 𝑣=𝑗 + 2 2 𝜗𝑥 𝑖, 𝑗 = (2𝛿𝑥2 𝑢, 𝑣 𝛿𝑦 (𝑢, 𝑣)) 𝑤 𝑤 𝑢=𝑖− 𝑣=𝑗 − 2 2 w w u=i+ u=i+ ϑy i, j = w 2 w 2 (δ2x u, v − δ2y (u, v))(2.4) u=i− u=i− 2 2 Trong đó (i,j) là hướng cục bộ của ô có tâm là điểm (i;j): TIEU LUAN MOI download : skknchat@gmail. Do sự xuất hiện của nhiễu, các vân bị hỏng, các điểm đặc trưng vân tay trong ảnh đầu vào làm cho việc xác định hướng cục bộ của ô không đúng.

Ngoài ra, tính chất hướng của các ô thay đổi từ từ so với các ô lân cận nó. Từ đó việc ước lượng hướng vân cục bộ có thể là khác nhau ở những vùng lân cận, nơi không xuất hiện các điểm ảnh (có thể mất do quá trình lấy mẫu, hoặc hình ảnh kém chất lượng…). Vì vậy một bộ lọc thông thấp có thể dùng để sửa đổi hướng vân cục bộ bị sai. Để thực hiện việc lọc, các hướng của ảnh cần được chuyển đổi thành một véctơ liên tục, được định nghĩa như sau: φx(i, j) = cos(2(i,j)) φy(i, j) = sin(2(i,j)) Ở đây, x và y là các thành phần của 2 véctơ tương ướng φxvà φy.

Với các trường véctơ kết quả, việc sử dụng bộ lọc có thể được thực hiện như sau: 𝑤∅ 𝑤∅ ∅′𝑥 𝑖, 𝑗 = 2 𝑤 2 𝑤 𝑊 𝑢, 𝑣 ∅𝑥 (𝑖 − 𝑢𝑤, 𝑗 − 𝑣𝑤) (2.6) 𝑢− ∅ 𝑢− ∅ 2 2 𝑤∅ 𝑤∅ 2 2 ∅′𝑦 𝑖, 𝑗 = 𝑊 𝑢, 𝑣 ∅𝑦 (𝑖 − 𝑢𝑤, 𝑗 − 𝑣𝑤) 𝑤 𝑤 𝑢− ∅ 𝑢− ∅ 2 2 Trong đó, W là bộ lọc thông thấp hai chiều, các khối có kích thước Wφ × Wφ. Lưu ý các hoạt động làm mịn được thực hiện ở mức khối. Các bộ lọc được sử dụng trong phạm vi nghiên cứu có kích thước 5×5. Ước lượng hướng vân cục bộ tại điểm (i,j): Hướng sau khi được làm mượt ở mỗi ô: 1 ∅′𝑦 𝑖,𝑗 𝑂 𝑖, 𝑗 = 𝑡𝑎𝑛−1 ( ′ ) (2.7) 2 ∅𝑥 𝑖,𝑗 TIEU LUAN MOI download : skknchat@gmail.

3 Ảnh chưa có được làm mượt 2. Ƣớc lƣợng tần số Mục đích của bước này là xác định tần số của vân tay, nhằm phục vụ cho bước lọc Gabor. Trong các vùng lân cận, nơi không có các điểm đặc trưng xuất hiện, mức xám dọc theo đường vân lồi và vân lõm có thể được mô tả như các sóng hình sin. Do đó tần số vân có thể coi như một đặc trưng của ảnh vân tay.

Tần suất vân cục bộ (hay mật độ) fxy tại điểm (x, y) là nghịch đảo của số vân trên một đơn vị chiều dài dọc theo dọc theo đoạn có tâm tại (x, y) và vuông góc với hướng vân cục bộ θxy. Ước lượng tần suất vân cục bộ bằng cách tính trung bình số điểm ảnh giữa hai đỉnh liên tiếp của hai đường vân. Với mục đích này, bề mặt S tương ứng với vân tay được phân chia bằng một cặp đường song song với trục z và vuông góc với hướng vân cục bộ. 4 Cửa sổ hướng và x-Signature TIEU LUAN MOI download : [e-mail] 27 a)Hình ảnh tần số của ảnh vân tay có chất lượng tốt b)Hình ảnh tần số của ảnh dấu vân tay chất lượng xấu Hình 2.