Розроблення біометричних методів ідентифікації на підставі фільтрації Ateb-Габором

Abstract

Розроблено біометричні методи ідентифікації на підставі нових методів фільтрації. Встановлено, що системи біометричної ідентифікації потребують постійного вдосконалення, позаяк дуже часто працюють повільно і видають неточний результат. Для підвищення надійності розпізнавання біометричних зображень досліджено метод, який містить такі етапи: сегментацію, нормалізацію, оцінювання локальної орієнтації, локальне оцінювання, оцінювання частоти хребтів, реалізацію фільтра Габора, бінаризацію, потоншення. Запропоновано новий метод фільтрації, оснований на нових видах функцій – Ateb-функціях, які використовують поряд із фільтром Габора. Локальну орієнтацію обчислюють на підставі локальних градієнтів із застосуванням функції арктангенса. Процес нормалізації проводять для рівномірного перерозподілу значень інтенсивності зображення. Під час сегментації відбувається відокремлення ділянок переднього плану на зображенні від фонових ділянок. Розроблено новий метод вейвлет-перетворення фільтрації біометричних зображень на підставі Ateb-Габора. Фільтр Габора застосовують у лінійній фільтрації, він дає змогу покращити якість перетвореного зображення. Також використано операції симетрії та вейвлет-перетворення для зменшення кількості необхідних операцій множення та додавання. Метод ґрунтується на загальновідомому фільтрі Габора та дає змогу перебудовувати зображення із чіткішими контурами. Застосування цього методу до біометричних зображень доцільне, адже створення чітких контурів особливо актуальне. Під час фільтрації Габором відбувається реконструкція зображення у результаті множення гармонійної функції на функцію Гаусса. Ateb-функції є узагальненням елементарної тригонометрії, і, відповідно, функціональніші. Виявлено, що фільтрування Ateb-Gabor дає змогу змінювати інтенсивність всього зображення, а також інтенсивність у певних діапазонах, і завдяки цьому робити певні ділянки зображення контрастнішими. Фільтрація Ateb-функціями дає змогу змінювати зображення залежно від двох раціональних параметрів. Це дає можливість гнучкіше керувати фільтрацією та вибирати оптимальні варіанти. Під час виконання потоншення стирають пікселі переднього плану, доки не залишиться одного пікселя завширшки. Використовується стандартний алгоритм проріджування, або ж проріджування, які автори розробили в інших дослідженнях. Ця фільтрація забезпечить точніші характеристики, оскільки дає змогу отримати похиліші форми та забезпечити ширший діапазон кривих. Численні експериментальні дослідження свідчать про ефективність запропонованого методу.

The article is devoted to the development of biometric identification methods based on new filtration methods. Biometric identification systems need constant improvement, because they often work slowly and give the wrong result. To increase the reliability of biometric image recognition, the method is formed, which is formed from the stages: segmentation, normalization, local orientation estimation, local estimation, spine frequency estimation, Gabor filter implementation, binarization, thinning. A new filtering method is proposed, which is based on a new type of function – Ateb-functions, which are used next to the Gabor filter. The local orientation can be calculated from local gradients using the arctangent function. The normalization process is performed to evenly redistribute the values of image intensity. When segmenting, the foreground areas in the image are separated from the background areas. A new method of wavelet conversion of biometric image filtering based on Ateb-Gabor has been developed. The Gabor filter is used for linear filtering and improves the quality of the converted image. Symmetry and wavelet transform operations are also used to reduce the number of required multiplication and addition operations. The method is based on the well-known Gabor filter and allows you to rearrange the image with clearer contours. Therefore, this method is applicable to biometric images, where the creation of clear contours is particularly relevant. When Gabor filtering, the image is reconstructed by multiplying the harmonic function by the Gaussian function. Ateb functions are a generalization of elementary trigonometry, and, accordingly, have greater functionality. Ateb-Gabor filtering allows you to change the intensity of the whole image, as well as the intensity in certain ranges, and thus make certain areas of the image more contrasting. Filtering with Ateb functions allows you to change the image from two rational parameters. This allows you to more flexibly manage filtering and choose the best options. When you perform a thinning, the foreground pixels are erased until there is one pixel wide. A standard thinning algorithm is used, or the thinning developed by the authors in other studies. This filtering will provide more accurate characteristics, as it allows you to get more sloping shapes and allows you to organize a wider range of curves. Numerous experimental studies indicate the effectiveness of the proposed method.