Metodologia para extração de características invariantes à rotação em imagens de impressões digitais

• Autor(a) principal: Mazetti, Cristina Mônica Dornelas
• Data de Publicação: 2006
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/18/18133/tde-03032007-085126/
• topic: Fingerprint recognition; Impressão digital; Invariância com relação à rotação; Pattern recognition; Reconhecimento de padrões; Rotation invariance

O objetivo deste trabalho é apresentar algoritmos aplicados para extração de características invariantes à rotação em imagens de impressões digitais. No pré-processamento da imagem utiliza-se detecção de bordas pelo detector de Canny tendo como resultado uma imagem binarizada e afinada. Na extração das minúcias a metodologia adotada é o número de cruzamentos (CN), que extrai os aspectos locais, tais como, as minúcias fim de linha e bifurcações. A direção das cristas locais não é utilizada porque nas imagens rotacionadas a condição de permanência das propriedades biométricas não são satisfeitas. A comparação das impressões digitais utiliza os vetores gerados pela extração de minúcias considerando a posição (x,y) da minúcia armazenada em um vetor por tipo de minúcia (um vetor para crista final e outro vetor para crista bifurcada) e calculando a distância Euclidiana dessa posição (x,y) ao centro de massa da distribuição de minúcias para cada tipo de minúcia. Assim, as duas imagens são similares quando a distância Euclidiana entre os vetores de cada imagem e por tipo de minúcia forem mínimas. São discutidas as limitações de outros trabalhos existentes envolvendo rotação, translação e distorção da imagem de impressão digital, mostrando que os poucos trabalhos que tratam o problema possuem resultados não satisfatórios. Os maiores problemas ocorridos foram a extração de minúcias espúrias, mas foram resolvidos com os métodos sugeridos por Dixon (1979), tendo resultados satisfatórios em duas metodologias. No método média, a precisão para encontrar uma imagem foi de 100%, duas imagens 97,32%, três imagens 92,35%, quatro imagens 86,41% e cinco imagens 71,86%. E no método normal, a precisão para encontrar uma imagem foi de 100%, duas imagens 99,20%, três imagens 96,95%, quatro imagens 94,00% e cinco imagens 76,43%.