Luận văn thạc sĩ HCMUTE về nhận diện mống mắt qua xử lý ảnh

Luận văn thạc sĩ nghiên cứu hcmute nhận diện mống mắt dùng xử lý ảnh, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn thiện trong lĩnh vực .

• Tác giả: Nguyễn Phúc Viên
• Người hướng dẫn: TS. Nguyễn Thanh Hải
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện Tử
• Đề tài: Nhận Diện Mống Mắt Dùng Xử Lý Ảnh
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2018
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• QUYẾT ĐỊNH GIAO ĐỀ TÀI
• XÁC NHẬN CỦA CÁN BỘ HƯỚNG DẪN
• LÝ LỊCH KHOA HỌC
• LỜI CAM ĐOAN
• CẢM TẠ
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan về lĩnh vực nghiên cứu
• 1.2. Các kết quả nghiên cứu trong và ngoài nước đã công bố
• 1.3. Mục tiêu của đề tài
• 1.4. Nhiệm vụ và giới hạn của đề tài
• 1.4.1. Nhiệm vụ của đề tài
• 1.4.2. Giới hạn của đề tài
• 1.5. Phương pháp nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Khái quát về nhận diện bằng mống mắt
• 2.2. Xây dựng dữ liệu ảnh
• 2.3. Tiền xử lý
• 2.4. Phân vùng mống mắt trong ảnh
• 3. CHƯƠNG 3: THUẬT TOÁN BIẾN ĐỔI WAVELET 2-D CHO NHẬN DIỆN MỐNG MẮT
• 3.1. Xây dựng cơ sở dữ liệu ảnh
• 3.2. Xác định vị trí của mống mắt trên ảnh
• 3.3. Chuẩn hóa mống mắt
• 3.4. Trích đặc trưng
• 3.6. So sánh và quyết định
• 4. CHƯƠNG 4: KẾT LUẬN
• 4.1. Hướng phát triển đề tài
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nhận diện mống mắt

Nhận diện mống mắt là một lĩnh vực nghiên cứu quan trọng trong công nghệ sinh trắc học. Nhận diện mống mắt dựa trên sự độc nhất của cấu trúc mống mắt của từng người. Mống mắt có cấu trúc ngẫu nhiên và không bị ảnh hưởng bởi di truyền, điều này làm cho nó trở thành một phương pháp xác thực danh tính đáng tin cậy. Các ứng dụng của công nghệ nhận diện này rất đa dạng, từ bảo mật trong điện thoại thông minh đến xác định danh tính trong các giao dịch ngân hàng. Theo nghiên cứu, mống mắt có thể chứa đến 240 điểm đặc trưng riêng biệt, vượt trội hơn so với các phương pháp nhận diện khác như dấu vân tay. Điều này cho thấy công nghệ nhận diện mống mắt có độ chính xác cao và khả năng ứng dụng rộng rãi trong thực tiễn.

1.1. Các phương pháp nhận diện sinh trắc học

Các phương pháp sinh trắc học như nhận diện bằng khuôn mặt, dấu vân tay, và mống mắt đều có những ưu điểm và nhược điểm riêng. Nhận diện bằng khuôn mặt có thể bị ảnh hưởng bởi ánh sáng và góc chụp, trong khi dấu vân tay có thể gặp khó khăn trong trường hợp ngón tay bị thương. Ngược lại, nhận diện mống mắt không bị ảnh hưởng bởi các yếu tố bên ngoài và có thể hoạt động hiệu quả trong nhiều điều kiện khác nhau. Điều này làm cho công nghệ nhận diện mống mắt trở thành một lựa chọn ưu việt cho các hệ thống bảo mật hiện đại.

II. Cơ sở lý thuyết về nhận diện mống mắt

Cơ sở lý thuyết của nhận diện mống mắt bao gồm các bước như xây dựng dữ liệu ảnh, xác định vị trí mống mắt, chuẩn hóa và trích đặc trưng. Việc xây dựng cơ sở dữ liệu ảnh là bước đầu tiên và quan trọng nhất, yêu cầu thu thập hình ảnh mống mắt từ nhiều người khác nhau. Sau đó, xử lý ảnh được thực hiện để xác định vị trí mống mắt và loại bỏ các yếu tố gây nhiễu như lông mi và mí mắt. Các thuật toán như toán tử Daugman được sử dụng để xác định ranh giới giữa mống mắt và các phần khác của mắt. Cuối cùng, trích đặc trưng và mã hóa mống mắt giúp giảm dung lượng lưu trữ và tăng tốc độ so sánh giữa các mẫu mống mắt.

2.1. Xây dựng dữ liệu ảnh

Xây dựng dữ liệu ảnh là một trong những thách thức lớn trong nhận diện mống mắt. Cần phải thu thập hình ảnh chất lượng cao từ nhiều người, đảm bảo rằng mống mắt không bị che khuất. Các cơ sở dữ liệu như CASIA Iris Image Database cung cấp một nguồn tài nguyên quý giá cho nghiên cứu. Việc thu thập ảnh mống mắt yêu cầu sự hợp tác của người tham gia, đảm bảo rằng họ giữ nguyên tư thế và mở rộng mí mắt để có được hình ảnh rõ nét nhất. Điều này giúp tăng độ chính xác trong quá trình nhận diện.

2.2. Tiền xử lý ảnh

Tiền xử lý ảnh là bước quan trọng trước khi thực hiện các phương pháp tìm kiếm mống mắt. Việc này bao gồm làm giảm nhiễu và làm mịn ảnh để cải thiện chất lượng hình ảnh. Bộ lọc Gaussian thường được sử dụng để làm mịn hình ảnh, giúp loại bỏ các yếu tố gây nhiễu. Các phương pháp tiền xử lý này không chỉ giúp cải thiện chất lượng ảnh mà còn tăng độ chính xác trong việc xác định vị trí mống mắt, từ đó nâng cao hiệu quả của công nghệ nhận diện mống mắt.

III. Ứng dụng và giá trị thực tiễn

Ứng dụng của nhận diện mống mắt ngày càng trở nên phổ biến trong nhiều lĩnh vực khác nhau. Từ bảo mật trong điện thoại thông minh đến xác thực danh tính trong các giao dịch ngân hàng, công nghệ nhận diện này mang lại nhiều lợi ích. Việc sử dụng mống mắt để xác thực danh tính không chỉ đảm bảo an toàn mà còn giúp tiết kiệm thời gian trong các quy trình xác thực. Hệ thống nhận diện mống mắt có thể hoạt động nhanh chóng và chính xác, giúp giảm thiểu rủi ro trong các giao dịch tài chính và bảo mật thông tin cá nhân.

3.1. Tính bảo mật và độ chính xác

Một trong những ưu điểm lớn nhất của nhận diện mống mắt là tính bảo mật cao. Mống mắt của mỗi người là duy nhất và không thay đổi theo thời gian, điều này làm cho việc giả mạo trở nên khó khăn. Hệ thống nhận diện mống mắt có thể đạt được độ chính xác cao trong việc xác định danh tính, giúp ngăn chặn các hành vi gian lận. Điều này đặc biệt quan trọng trong các lĩnh vực như ngân hàng và an ninh, nơi mà việc bảo vệ thông tin cá nhân là ưu tiên hàng đầu.

3.2. Tương lai của công nghệ nhận diện mống mắt

Với sự phát triển không ngừng của công nghệ, nhận diện mống mắt hứa hẹn sẽ có nhiều ứng dụng mới trong tương lai. Các nghiên cứu hiện tại đang tập trung vào việc cải thiện độ chính xác và tốc độ của các thuật toán nhận diện. Ngoài ra, việc tích hợp công nghệ này vào các thiết bị di động và hệ thống an ninh sẽ mở ra nhiều cơ hội mới cho việc bảo mật thông tin cá nhân. Sự phát triển của công nghệ nhận diện mống mắt có thể tạo ra một bước ngoặt trong cách thức xác thực danh tính trong xã hội hiện đại.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh xã hội hiện đại, an ninh và bảo mật thông tin ngày càng trở nên cấp thiết, các hệ thống nhận diện sinh trắc học được phát triển nhằm nâng cao độ tin cậy trong xác thực danh tính. Theo báo cáo của ngành, nhận diện mống mắt là một trong những phương pháp sinh trắc học có độ chính xác cao nhất, với khả năng phân biệt đặc trưng cá nhân dựa trên cấu trúc ngẫu nhiên và duy nhất của mống mắt. Mống mắt chứa khoảng 240 điểm đặc trưng riêng biệt, vượt trội so với 20-40 điểm đặc trưng của dấu vân tay, tạo nên tiềm năng ứng dụng rộng rãi trong các lĩnh vực như bảo mật điện thoại thông minh, xác định danh tính công dân, quản lý hộ tịch và tài khoản ngân hàng.

Mục tiêu nghiên cứu của luận văn là phát triển hệ thống nhận diện mống mắt sử dụng kỹ thuật xử lý ảnh, nhằm nhận diện chính xác các ảnh chụp mống mắt từ cùng một cá nhân cũng như phân biệt với các cá nhân khác. Nghiên cứu tập trung vào xử lý ảnh mống mắt thu thập từ cơ sở dữ liệu CASIA Iris Image Database phiên bản 4.0, với 756 ảnh mống mắt của 249 người, độ phân giải 320x280 pixel. Phạm vi nghiên cứu giới hạn trong việc xử lý ảnh chụp bằng máy ảnh chuyên nghiệp, với kích thước và độ phân giải đồng nhất, nhằm đảm bảo tính nhất quán trong phân tích.

Ý nghĩa của nghiên cứu được thể hiện qua việc nâng cao độ chính xác và hiệu quả của hệ thống nhận diện mống mắt, góp phần phát triển các ứng dụng sinh trắc học trong thực tiễn, đồng thời cung cấp cơ sở khoa học cho các nghiên cứu tiếp theo trong lĩnh vực kỹ thuật điện tử và xử lý ảnh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết và mô hình chính trong nhận diện mống mắt:

1. Mô hình tấm cao su của Daugman: Mô hình này ánh xạ vùng mống mắt từ tọa độ Descartes sang tọa độ cực chuẩn hóa, giúp chuẩn hóa kích thước và hình dạng mống mắt bất chấp sự giãn nở của đồng tử và các biến dạng do góc chụp. Mô hình này cho phép tạo ra ảnh mống mắt có kích thước cố định, thuận tiện cho việc so sánh và nhận diện.

2. Thuật toán biến đổi Wavelet 2 chiều (2-D Wavelet Transform): Phương pháp này phân tích ảnh mống mắt thành các thành phần tần số khác nhau ở nhiều cấp độ phân giải, giúp trích xuất các đặc trưng quan trọng và giảm thiểu ảnh hưởng của nhiễu. Biến đổi Wavelet được áp dụng để mã hóa đặc trưng mống mắt thành dạng nhị phân, phục vụ cho việc so sánh hiệu quả.

Các khái niệm chuyên ngành quan trọng bao gồm: toán tử Daugman (vi tích phân để xác định vị trí mống mắt), bộ lọc Gaussian (tiền xử lý ảnh làm mịn và giảm nhiễu), khoảng cách Hamming (đo độ tương đồng giữa hai mẫu mống mắt), và chuẩn hóa ảnh mống mắt (loại bỏ sự khác biệt do điều kiện chụp).

Phương pháp nghiên cứu

Nguồn dữ liệu chính được sử dụng là cơ sở dữ liệu CASIA Iris Image Database (phiên bản 4.0), bao gồm 756 ảnh mống mắt của 249 người, mỗi ảnh có độ phân giải 320x280 pixel. Dữ liệu được thu thập từ một website chia sẻ hình ảnh mống mắt, đảm bảo tính đa dạng và chất lượng ảnh phù hợp cho nghiên cứu.

Phương pháp phân tích gồm các bước:

• Tiền xử lý ảnh: Sử dụng bộ lọc Gaussian với độ lệch chuẩn σ được điều chỉnh (thử nghiệm với σ = 0.3, 0.5, 1.0) để làm mịn ảnh, giảm nhiễu do lông mi và mí mắt.

• Xác định vị trí mống mắt: Áp dụng toán tử Daugman để tìm tâm và bán kính của mống mắt và con ngươi trong ảnh, dựa trên vi tích phân và bộ lọc Gaussian.

• Chuẩn hóa mống mắt: Sử dụng mô hình tấm cao su của Daugman để chuyển đổi vùng mống mắt thành ảnh có kích thước cố định, loại bỏ sự biến dạng do giãn nở đồng tử và góc chụp.

• Trích đặc trưng: Áp dụng biến đổi Wavelet 2 chiều rời rạc (Discrete Wavelet Transform) để phân tích ảnh mống mắt ở nhiều cấp độ phân giải, trích xuất các thành phần tần số thấp và cao.

• Mã hóa: Chuyển đổi các đặc trưng trích xuất thành dạng nhị phân để giảm dung lượng lưu trữ và tăng tốc độ so sánh.

• So sánh và quyết định: Sử dụng khoảng cách Hamming để đo độ tương đồng giữa hai mẫu mống mắt đã mã hóa, từ đó xác định hai ảnh có cùng nguồn gốc hay không.

Quá trình nghiên cứu được thực hiện trên phần mềm Matlab phiên bản R2015a, với cỡ mẫu 249 người và tổng số ảnh 756, đảm bảo tính đại diện và độ tin cậy của kết quả. Timeline nghiên cứu kéo dài trong khoảng 6 tháng, từ thu thập dữ liệu, xây dựng thuật toán đến đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của toán tử Daugman trong xác định vị trí mống mắt: Khi sử dụng bộ lọc Gaussian với σ = 1.0, vị trí tâm và bán kính của mống mắt được xác định chính xác hơn so với σ = 0.3 và 0.5, giảm thiểu sai lệch do nhiễu lông mi và mí mắt. Ví dụ, tọa độ tâm mống mắt được xác định tại (152, 152) với bán kính 109 pixel, phù hợp với ảnh gốc.

2. Chuẩn hóa mống mắt bằng mô hình tấm cao su: Ảnh mống mắt sau chuẩn hóa có kích thước cố định, giúp loại bỏ sự khác biệt do giãn nở đồng tử và góc chụp. Tuy nhiên, vẫn tồn tại nhiễu do lông mi và mí mắt chưa được loại bỏ hoàn toàn, ảnh hưởng đến chất lượng trích đặc trưng.

3. Trích đặc trưng bằng biến đổi Wavelet 2-D: Ảnh mống mắt được phân tích thành các thành phần tần số H (Horizontal), V (Vertical), D (Diagonal) ở cấp độ 3, giữ lại các đặc trưng quan trọng nhất. Việc mã hóa nhị phân các thành phần này giúp giảm dung lượng lưu trữ và tăng tốc độ so sánh.

4. Độ chính xác nhận diện qua khoảng cách Hamming: So sánh các mẫu mống mắt từ cùng một cá nhân cho kết quả độ tương đồng (Similarity Degree - SD) trung bình trên 0.625, trong khi so sánh giữa các cá nhân khác nhau có SD thấp hơn nhiều, dưới ngưỡng này. Ví dụ, SD giữa hai mẫu mống mắt cùng người đạt 0.82, trong khi giữa hai người khác nhau chỉ khoảng 0.35. Kết quả này cho thấy khả năng phân biệt cao của hệ thống.

Thảo luận kết quả

Kết quả nghiên cứu khẳng định tính duy nhất và ổn định của cấu trúc mống mắt trong nhận diện sinh trắc học, phù hợp với các nghiên cứu quốc tế trước đây. Việc sử dụng toán tử Daugman kết hợp với bộ lọc Gaussian giúp cải thiện độ chính xác trong việc xác định vị trí mống mắt, giảm thiểu ảnh hưởng của nhiễu và biến dạng ảnh.

Chuẩn hóa mống mắt theo mô hình tấm cao su là bước quan trọng để đảm bảo tính nhất quán trong so sánh, tuy nhiên nhiễu do lông mi và mí mắt vẫn là thách thức cần được xử lý thêm trong các nghiên cứu tiếp theo. Biến đổi Wavelet 2-D cho phép trích xuất đặc trưng hiệu quả, giữ lại các thông tin phân biệt quan trọng ở nhiều cấp độ phân giải.

Khoảng cách Hamming là thước đo phù hợp để đánh giá độ tương đồng giữa các mẫu mống mắt đã mã hóa, với ngưỡng phân loại rõ ràng giúp hệ thống nhận diện chính xác. Kết quả có thể được trình bày qua biểu đồ phân bố SD giữa các mẫu cùng người và khác người, hoặc bảng so sánh kết quả nhận diện.

So với các phương pháp nhận diện sinh trắc học khác như dấu vân tay hay khuôn mặt, nhận diện mống mắt có ưu thế vượt trội về độ chính xác và tính ổn định theo thời gian, phù hợp cho các ứng dụng đòi hỏi bảo mật cao.

Đề xuất và khuyến nghị

1. Tăng cường xử lý tiền xử lý ảnh: Áp dụng các kỹ thuật lọc nâng cao và xử lý hình thái học để loại bỏ nhiễu do lông mi và mí mắt, nhằm nâng cao chất lượng ảnh mống mắt trước khi trích đặc trưng. Chủ thể thực hiện: nhóm nghiên cứu kỹ thuật xử lý ảnh, trong vòng 3 tháng.

2. Phát triển thuật toán chuẩn hóa mống mắt thích ứng: Nghiên cứu và áp dụng các mô hình chuẩn hóa mới có khả năng bù đắp biến dạng không đồng tâm và xoay nghiêng của mống mắt, giúp tăng độ chính xác nhận diện. Chủ thể thực hiện: phòng thí nghiệm công nghệ sinh trắc học, trong 6 tháng.

3. Mở rộng cơ sở dữ liệu ảnh mống mắt: Thu thập thêm ảnh mống mắt từ nhiều nguồn, đa dạng về độ tuổi, giới tính và điều kiện chụp để nâng cao tính đại diện và khả năng ứng dụng thực tế của hệ thống. Chủ thể thực hiện: hợp tác với các tổ chức y tế và an ninh, trong 12 tháng.

4. Tích hợp hệ thống nhận diện mống mắt vào ứng dụng thực tế: Triển khai thử nghiệm hệ thống trong các lĩnh vực như bảo mật điện thoại, kiểm soát ra vào, và xác thực tài khoản ngân hàng để đánh giá hiệu quả và cải tiến. Chủ thể thực hiện: doanh nghiệp công nghệ và các cơ quan quản lý, trong 9 tháng.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành kỹ thuật điện tử, xử lý ảnh: Luận văn cung cấp cơ sở lý thuyết và phương pháp thực nghiệm chi tiết về nhận diện mống mắt, hỗ trợ phát triển các đề tài nghiên cứu liên quan.

2. Chuyên gia phát triển hệ thống sinh trắc học và bảo mật: Các thuật toán và kết quả nghiên cứu giúp cải tiến và ứng dụng công nghệ nhận diện mống mắt trong các sản phẩm bảo mật hiện đại.

3. Cơ quan quản lý an ninh và công nghệ thông tin: Tham khảo để xây dựng các giải pháp xác thực danh tính chính xác, an toàn trong các hệ thống quản lý dân cư, tài chính và an ninh.

4. Doanh nghiệp công nghệ và phát triển phần mềm: Áp dụng các thuật toán xử lý ảnh và nhận diện mống mắt để phát triển các ứng dụng bảo mật, thanh toán điện tử và thiết bị thông minh.

Câu hỏi thường gặp

1. Nhận diện mống mắt có chính xác hơn nhận diện dấu vân tay không?
   Có, mống mắt chứa khoảng 240 điểm đặc trưng riêng biệt, nhiều hơn đáng kể so với 20-40 điểm của dấu vân tay, giúp tăng độ chính xác và khả năng phân biệt cá nhân.

2. Ảnh mống mắt cần có những yêu cầu gì để nhận diện hiệu quả?
   Ảnh cần có độ phân giải cao, không bị che khuất bởi lông mi hoặc mí mắt, ánh sáng phù hợp để tránh giãn nở đồng tử quá mức, và được chụp bằng thiết bị chuyên nghiệp.

3. Phương pháp chuẩn hóa mống mắt có vai trò gì trong hệ thống?
   Chuẩn hóa giúp chuyển đổi vùng mống mắt thành kích thước cố định, loại bỏ biến dạng do giãn nở đồng tử và góc chụp, đảm bảo tính nhất quán khi so sánh các mẫu.

4. Khoảng cách Hamming được sử dụng như thế nào trong nhận diện mống mắt?
   Khoảng cách Hamming đo số bit khác nhau giữa hai mẫu mống mắt đã mã hóa, giúp xác định mức độ tương đồng và quyết định hai mẫu có cùng nguồn gốc hay không.

5. Hệ thống có thể áp dụng trong những lĩnh vực nào?
   Hệ thống nhận diện mống mắt có thể ứng dụng trong bảo mật điện thoại thông minh, kiểm soát ra vào, xác thực tài khoản ngân hàng, quản lý hộ tịch và các hệ thống an ninh khác.

Kết luận

• Hệ thống nhận diện mống mắt sử dụng toán tử Daugman và biến đổi Wavelet 2-D cho kết quả nhận diện chính xác, với độ tương đồng mẫu cùng người trên 0.625.
• Chuẩn hóa mống mắt theo mô hình tấm cao su giúp loại bỏ biến dạng ảnh, tạo điều kiện thuận lợi cho việc trích đặc trưng và so sánh.
• Việc tiền xử lý ảnh bằng bộ lọc Gaussian với σ = 1.0 cải thiện đáng kể độ chính xác xác định vị trí mống mắt.
• Khoảng cách Hamming là phương pháp hiệu quả để đánh giá độ tương đồng giữa các mẫu mống mắt đã mã hóa nhị phân.
• Nghiên cứu mở ra hướng phát triển các hệ thống sinh trắc học ứng dụng trong bảo mật và quản lý danh tính, với kế hoạch mở rộng cơ sở dữ liệu và cải tiến thuật toán trong các bước tiếp theo.

Để tiếp tục phát triển, đề xuất các nhóm nghiên cứu và doanh nghiệp công nghệ phối hợp triển khai các giải pháp nâng cao chất lượng ảnh, mở rộng dữ liệu và tích hợp hệ thống vào ứng dụng thực tế. Hãy bắt đầu áp dụng công nghệ nhận diện mống mắt để nâng cao an ninh và bảo mật trong tổ chức của bạn ngay hôm nay!

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN PHÚC VIÊN NHẬN DIỆN MỐNG MẮT DÙNG XỬ LÝ ẢNH NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 S K C0 0 5 8 3 6 Tp. Hồ Chí Minh, tháng 04/2018 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN PHÚC VIÊN NHẬN DIỆN MỐNG MẮT DÙNG XỬ LÝ ẢNH NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 Tp. Hồ Chí Minh, tháng 4 năm 2018 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN PHÚC VIÊN NHẬN DIỆN MỐNG MẮT DÙNG XỬ LÝ ẢNH NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 Hƣớng dẫn khoa học: TS. NGUYỄN THANH HẢI Tp.

Hồ Chí Minh, tháng 4 năm 2018 Luan van QUYẾT ĐỊNH GIAO ĐỀ TÀI i Luan van XÁC NHẬN CỦA CÁN BỘ HƢỚNG DẪN ii Luan van LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƢỢC: Họ & tên: Nguyễn Phúc Viên Giới tính: Nam Ngày, tháng, năm sinh: 07/06/1990 Nơi sinh: Phú Yên Quê quán: Đông Hòa – Phú Yên Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: Phú Lƣơng – Hòa Tân Đông – Đông Hòa – Phú Yên Điện thoại nhà riêng: 096 454 89 86 E-mail: nguyenphucvien@gmail. QUÁ TRÌNH ĐÀO TẠO: 1. Đại học: Hệ đào tạo: Thời gian đào tạo từ 09/2008 đến 04/2012 Chính Qui Nơi học (trƣờng, thành phố): Đại Học Sƣ Phạm Kỹ Thuật TP HCM Ngành học: Công Nghệ Kỹ Thuật Máy Tính Tên đồ án, luận án hoặc môn thi tốt nghiệp: Mobile Robot Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: 08/2012 Ngƣời hƣớng dẫn: Ths.

Trƣơng Ngọc Sơn III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm 04/2013 Công ty On Semiconductor VN Equipment Engineer iii Luan van LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu và kết quả nghiên cứu trong luận văn này là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Mọi sự giúp đỡ cho việc thực hiện luận văn này đã đƣợc cảm ơn và các thông tin trích dẫn trong luận văn đều đƣợc ghi rõ nguồn gốc.

Tác giả luận văn iv Luan van CẢM TẠ Xin chân thành gửi lời cảm ơn đến TS. Nguyễn Thanh Hải đã tận tình hƣớng dẫn tôi trong thời gian thực hiện chuyên đề. Xin chân thành gửi lời cảm ơn đến toàn thể quý thầy cô trƣờng Đại học Sƣ Phạm Kỹ Thuật TP. Hồ Chí Minh đã giảng dạy, hƣớng dẫn và tạo mọi điều kiện cho tôi có một môi trƣờng học tập tốt.

Cảm ơn ba mẹ, anh chị em và bạn bè đã giúp đỡ, động viên tôi trong suốt thời gian học. Xin kính chúc sức khỏe và chân thành cảm ơn. Học viên Nguyễn Phúc Viên v Luan van TÓM TẮT Hệ thống nhận diện mống mắt là một hệ thống xác thực sinh trắc chính xác. Một đặc tính của mống mắt là sự hình thành cấu trúc một cách ngẫu nhiên từ các chi tiết nhỏ.

Biểu hiện sự ngẫu nhiên và khác nhau đó thậm chí thể hiện trên hai mống mắt có cùng gen di truyền giống nhau nhƣ cặp song sinh giống hệt nhau. Cách cấu tạo mống mắt không có biểu hiện di truyền mà là sự hỗn loạn. Việc nhận diện xác định danh tính bằng mống mắt đang ngày càng đƣợc áp dụng rộng rãi trong nhiều ứng dụng trong xã hội từ những ứng dụng nhƣ là bảo mật trong điện thoại thông minh đến ứng dụng nhƣ là xác định danh tính, hộ tịch, tài khoản ngân hàng v. Các thuật toán đƣợc trình bày trong chuyên đề này để nhận diện hay xác định danh tính của một ngƣời bằng mô hình mống mắt của họ.

Từ một ảnh mắt, sử dụng toán tử Daugman để tìm kiếm một mống mắt trong ảnh. Mống mắt sẽ đƣợc tách ra một ảnh riêng, chỉ chứa ảnh mống mắt bằng việc áp dụng mô hình tấm cao su (Daumag ruber sheet model) của Daugman. Sau đó, mẫu mống mắt đƣợc trích đặc trƣng qua phân tích wavelet hai chiều, lúc này ảnh chỉ còn giữ lại những đặc điểm đặc trƣng của mống mắt của ngƣời đó. Ảnh chứa đặc trƣng của mống mắt ngƣời đó có thể lƣu vào cơ sở dữ liệu để làm mẫu đối chiếu so sánh sau này.

Hoặc nếu là trƣờng hợp nhận diện xác định danh tính, thì mẫu mống mắt chứa đặc trƣng đó đƣợc đem đi so sánh với mẫu mống mắt trong cơ sở dữ liệu đƣợc đăng ký trƣớc đó, bằng phƣơng pháp so sánh khoảng cách Hamming. Khoảng cách Hamming thể hiện sự tƣơng đồng của hai mẫu mống mắt, dựa vào điều này xác định đƣợc kết quả của nhận diện. vi Luan van ABSTRACT The iris recognition system is an accurate biometric authentication system. The characteristic of the iris is the formation of structures randomly from small details.

It can express of the difference between two irises of the same gene that the looks like identical twins. The pattern of the iris is not genetic and it is the chaos. Identification using iris is increasingly in many applications, such as security in smartphones, identitying verification, civil status, bank account etc. The algorithms are presented in this paper to identify iris of people using one iris model.

The principle of iris recognition is the failure of the statistical independence test for the structure of the iris that has been deduced by the two- dimensional wavelet model. From an eye image, one can use the Daugman operator to find an iris. The iris image will be separated fom an eye image using Daugman's Daumag ruber sheet model. After that, the iris pattern is characterized by two- dimensional wavelet analysis, which retains only the features of the iris.

For identification, the iris image is processed and compared to the sample image using the Hamming distance. vii Luan van MỤC LỤC QUYẾT ĐỊNH GIAO ĐỀ TÀI. i XÁC NHẬN CỦA CÁN BỘ HƢỚNG DẪN. ii LÝ LỊCH KHOA HỌC.

iii LỜI CAM ĐOAN. iv CẢM TẠ. vii MỤC LỤC. viii DANH SÁCH CHỮ VIẾT TẮT.

xi DANH SÁCH HÌNH. xii DANH SÁCH BẢNG. xiv Chƣơng 1 TỔNG QUAN .1 Tổng quan về lĩnh vực nghiên cứu .2 Các kết quả nghiên cứu trong và ngoài nƣớc đã công bố.3 Mục tiêu của đề tài.4 Nhiệm vụ và giới hạn của đề tài .1 Nhiệm vụ của đề tài .2 Giới hạn của đề tài .5 Phƣơng pháp nghiên cứu .9 Chƣơng 2 CƠ SỞ LÝ THUYẾT .11 viii Luan van 2.1 Khái quát về nhận diện bằng mống mắt .2 Xây dựng dữ liệu ảnh .4 Phân vùng mống mắt trong ảnh .1 Biến đổi Hough (Hough Transform) .2 Toán tử Daugman .5 Chuẩn hóa mống mắt .1 Mô hình tấm cao su của Daugman .2 Đăng ký hình ảnh .3 Vòng tròn ảo .6 Trích đặc trƣng .7 Phƣơng pháp so sánh .22 Chƣơng 3 THUẬT TOÁN BIẾN ĐỔI WAVELET 2-D CHO NHẬN DIỆN MỐNG MẮT .1 Xây dựng cơ sở dữ liệu ảnh .2 Xác định vị trí của mống mắt trên ảnh .3 Chuẩn hóa mống mắt .4 Trích đặc trƣng .6 So sánh và quyết định .34 Chƣơng 4 KẾT LUẬN .2 Hƣớng phát triển đề tài .41 ix Luan van TÀI LIỆU THAM KHẢO .44 x Luan van DANH SÁCH CHỮ VIẾT TẮT xi Luan van DANH SÁCH HÌNH Hình 1.1 Mô hình nhận diện dấu vân tay .2 Ảnh một con mắt ngƣời .1 Sơ đồ khối của sự nhận diện mống mắt.2 Biểu đồ Gaussian một chiều .3 Biểu đồ Gaussian hai chiều .4 Mô hình tấm cao su của Daugman .5 Sơ đồ thực hiện phép biến đổi Wavelet hai chiều.1 Một ảnh mắt trong cơ sở dữ liệu ảnh .2 Xác định vị trí mống mắt trến ảnh .3 Xác định vị trí mống mắt trên ảnh với Gaussian σ = 0.4 Xác định vị trí mống mắt trên ảnh với Gaussian σ = 1.5 Xác định vị trí mống mắt trên ảnh với Gaussian σ = 1.6 Ảnh mắt sau đƣợc thực hiện phân ngƣỡng.7 Ảnh mắt sau khi thực hiện biến đổi âm bản .8 Ảnh mắt đƣợc phân đoạn bằng ngƣỡng .9 Kết quả xác định vị trí con ngƣơi và mống mắt trên ảnh mắt .10 Mô hình tấm cao su của Daugman .11 Kết quả chuẩn hóa mống mắt .12 Kết quả xác định vị trí mống mắt và chuản hóa mống mắt S1008R02 .13 Kết quả xác định vị trí mống mắt và chuẩn hóa mống mắt S1008R03 .31 xii Luan van Hình 3.14 Mô hình phân tích ảnh bằng Wavelet 2-D rời rạc. (a) Phân tích ở cấp độ 1; (b) Phân tích ở cấp độ 2 .15 Một ảnh mống mắt đƣợc phân tích bằng biến đổi Haar Wavelet 2-D rời rạc.

(a) Ảnh mống mắt đã đƣợc chuẩn hóa; (b) Ảnh đã đƣợc phân tích bằng biến đổi Wavelet 2-D rời rạc.16 Thành phần H,V,D sau khi đƣợc mã hóa nhị phân .17 Ví dụ về tính khoảng cách Hamming.18 Kết quả so sánh hai mẫu mống mắt từ một mống mắt .19 Kết quả so sánh từ hai mẫu mống mắt từ những mống mắt khác nhau .20 Kết quả nhận diện mống mắt trái và mống mắt phải của cùng một ngƣời .36 xiii Luan van DANH SÁCH BẢNG Bảng 3-1 Tọa độ và bán kính của mống mắt sau khi thực hiện toán tử Daugman .24 Bảng 3-2 Kết quả nhận diện những mẫu mống mắt từ một con mắt.37 Bảng 3-3 Kết quả nhận diện những mống mắt từ các con mắt khác nhau.38 xiv Luan van Chƣơng 1 TỔNG QUAN Cùng với sự phát triển của xã hội, vấn đề an ninh bảo mật đang đƣợc yêu cầu khắt khe trên mỗi quốc gia trên thế giới. Các hệ thống nhận diện con ngƣời đƣợc ra đời với độ tin cậy ngày càng cao. Cùng với nhiều cách nhận diện con ngƣời khác nhau nhƣ là: nhận diện bằng giọng nói, nhận diện bằng khuôn mặt, nhận diện bằng dấu vân tay v. Một phƣơng pháp nhận diện mới đang rất đƣợc quan tâm và đầu tƣ hiện nay là nhận diện con ngƣời bằng mống mắt.1 Tổng quan về lĩnh vực nghiên cứu Các phƣơng pháp sinh trắc học về nhận diện con ngƣời đã và đang đƣợc sự quan tâm và ứng dụng trong thực tiễn.

Vì một lợi thế nó mang lại so với nhận dạng truyền thống là sự xác định họ là ai, không phải bởi cái gì họ phải nhớ hoặc mang theo [1]. Có nhiều phƣơng pháp dùng để xác định danh tính một ngƣời đƣợc biết đến nhƣ là: a. Nhận diện bằng khuôn mặt Nhận diện bằng khuôn mặt là nhận diện một ngƣời nào đó từ một bức ảnh kỹ thuật số hoặc một khung hình video. Một trong những cách thực hiện điều này là so sánh các đặt điểm khuôn mặt chọn trƣớc từ ảnh và một cơ sở dữ liệu về khuôn mặt.

Thuật toán nhận diện khuôn mặt hiện chia làm hai loại là hình học (geometric) và trắc quang (photometric) [2].