Tải bản đầy đủ - 0 (trang)
LES MÉTHODE DE COMPARAISION DES EMPREINTES DIGITALES

LES MÉTHODE DE COMPARAISION DES EMPREINTES DIGITALES

Tải bản đầy đủ - 0trang

Reconnaissance des empreintes digitales par l'algorithme SIFT



cause de quelques raisons: la qualité du lecteur, la position du doigt, la manière de

contact du lecteur... Par conséquent, cette méthode n'est pas couramment utilisée.

La comparaison basée sur les singularités de lignes d’empreintes digitales : Le

but de cette méthode est donc d'utiliser les singularités de lignes d'empreintes digitales

comme l'orientation locale, la taille, la fréquence... pour la comparaison parce que ces

caractéristiques sont extraites plus faciles que les minuties. De plus, dans nombreux

cases, la qualité d'empreintes digitales est maivais alors on ne peut pas extraire des

minuties. Par conséquent, cette méthode est utile pour les empreintes digitales qui ont

les mauvaise qualités. Cependance, il n'est pas couramment utilisé aussi parce que ces

singularités sont très instables et variables.

La comparaison basée sur les minuties : Parmi les trois méthodes de

comparaison d'empreinte digitale qu'on a déjà abordé, la comparaison basée sur les

minuties est la méthode la plus utilisée. De cette manière, les minuties seront extraites

à partir de deux empreintes digitales squelettiques. Ensuite, on trouve la paire de

minuties qui ont des corrélations. Le résultat est le nombre maximum des paires des

minuties. Le Fingure 9 décrit le détail en plus de cette technique:



Figure 9. Comparaison deux empreintes digitales basée sur des minutiaes.[2]



Comme on l'ait abordé dans le Chapitre 1, pour toutes les méthodes de

comparaison présentées précédemment, les résultats ne sont pas vraiment exacts à

cause de la qualité d'empreinte digitale. Pour surmonter ce problème, j'ai proposé deux

méthodes de comparer des empreintes digitales basent sur des SIFT caractéristiques.

Avant de trouver plus d'informations sur ces deux méthodes (en Chapitre 4), je vais

passer au chapitre suivant pour s'informer de l'algorithme de SIFT.



Tuteur: Dr. PHAM Nguyen Khang



16



Étudiant: BUI Thanh Trung



Reconnaissance des empreintes digitales par l'algorithme SIFT



CHAPITRE 3: L’ALGORITHME SIFT

«Scale-Invariant Feature Transform (SIFT), que l'on peut traduire par

"Transformation de caractéristiques visuelles invariante à l'échelle", est un algorithme

utilisé dans le domaine de la vision par ordinateur pour détecter et identifier les

éléments similaires entre différentes images numériques (éléments de paysages,

objects, personnes, ect.)»[5]. Cet algorithme a été développé en 1999 par David Lowe

et ses collaborateurs. Dans ce chapitre, nous allons informer plus dộtails sur cet

algorithme ainsi que la faỗon d'extraire des "SIFT feature" d'une image.

1. GÉNÉRALITÉ

Comme vous le savez, mettre en correspondance les caractéristiques entre deux

images différentes est un problème commun dans le domaine de la vision par

ordinateur. Lorsque toutes ces images ont des caractéristiques similaires: même

échelle, même oriente, même rotation, ... alors ils ont facile à comparer. Mais si les

images sont différentes des échelles, la rotation... Il faut utiliser le SIFT. En d'autres

termes, l'algorithme SIFT nous permet de trouver la correspondance entre deux

images, pas dépendre de leurs rotations, échelles, orientes ...



Figure 10. Détection des caractéristiques [3]



De plus, l'algorithme SIFT permet aussi de rechercher ou reconntre un objet

dans une autre image. Par exemple, nous voulons rechercher les objets comme ceci:

[4]



Tuteur: Dr. PHAM Nguyen Khang



17



Étudiant: BUI Thanh Trung



Reconnaissance des empreintes digitales par l'algorithme SIFT



Et nous les recherchons dans cette image: [4]



Après implémenter par l’algorithme SIFT, nous allons obtenir le résultat

comme ci-dessous: [4]



Figure 11. Les grands rectangles marquer des images correspondances



Les petits carrés sont des caractéristiques individuelles dans ces régions

Tuteur: Dr. PHAM Nguyen Khang



18



Étudiant: BUI Thanh Trung



Reconnaissance des empreintes digitales par l'algorithme SIFT



En général, la SIFT est une approche qui permet de transformer une image en

une large collection de vecteurs de caractéristiques, chacun était décrit par une

coordonnée (x, y), orientation, échelle et un descripteur en 128 éléments.

Particulièrement, ils sont invariants aux transformations suivantes: translation de

l'image, changement d'échelle (redimensionnement), rotation et partiellement invariant

aux changements d'éclairage et à la projection 3D ou aux distorsions géométriques

locales.

2. MÉTHODE D’EXTRAIRE DES SIFT CARACTÉRISTIQUES

Dans l’article proposé par Lowe, il y a quatre étapes principales pour extraire

des SIFT caractéristiques comme suit:





Détection d’extremums dans l’espace d’échelle







Localisation des points clés







Assignation d’orientation







Description du point clé



Détection d’extremums dans l’espace d’échelle

Pour bien comprendre, il est nécessaire de se familiariser avec la notion: point

d'intérêt.

Un point d'intérêt, on dit souvent le point-clé, est un point particulier dans

l'image: il est invariante à la rotation, au changement d'échelle, au changement

d'illumination d'image... Chaque point d'intérêt se compose trois éléments: ses

coordonnées sur l'image x, y et son facteur d'échelle caractéristique σ.

Le but de cette étape est donc de recherche des points d'intérêt dans l'espace

d'échelle. C'est-à-dire, il faut rechercher des points d'intérêt dans toutes les échelles et

les positions d'image. Alors, il y a deux tâches principales dans cette étape: identifier

un espace d'échelle et détecter les points clés dans l'extrémum de l'espace d'échelle de

la fonction de différences de gaussiennes.

Soi I (x, y) est l'image d'entrée, G (x, y, σ ) est la gaussienne d’échelle variable.

L’espace d’échelle d’une image est définie par une fonction L = (x, y, σ):



L (x, y, σ) = G(x, y, σ) ∗ I(x, y)

Tuteur: Dr. PHAM Nguyen Khang



19



Étudiant: BUI Thanh Trung



Reconnaissance des empreintes digitales par l'algorithme SIFT



Avec



L (x, y, σ) est seulement l'espace d'échelle d'image I, on ne peut pas détecter les

points clés sur L. Alors, pour le faire, il faut calculer les différences de gaussiennes à

partir de deux échelles voisines. L'image de différence de gaussienne D (x, y, σ) est

défini comme suit:



D (x, y, σ) = (G (x, y, kσ) − G (x, y, σ)) ∗ I(x, y)

Ce qui donne :



D (x, y, σ) = L (x, y, kσ) − L (x, y, σ)

avec k est un paramètre fixe de l'algorithme qui dépend de la finesse de la

discrétisation de l'espace des échelles voulues[1]

La figure suivante illustre l’approche de calcul de la différence de gaussienne

DoG: Difference of Gaussian) :



Figure 12. Construction de la pyramide de différences de gaussiens (DoG) [5]



Détection des points clés

Après l'étape précédent, une pyramide de différence de gaussienne est formé.

C'est la base pour la détection les points clés. Dans l'algorithme SIFT, un point clé est

Tuteur: Dr. PHAM Nguyen Khang



20



Étudiant: BUI Thanh Trung



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

LES MÉTHODE DE COMPARAISION DES EMPREINTES DIGITALES

Tải bản đầy đủ ngay(0 tr)

×