ANALIZA ŞI RECUNOAŞ Adina PhD rez.pdfCapitolul 4 prezint ă metode de analiz ă a amprentelor...
40
UNIUNEA EUROPEANĂ GUVERNUL ROMÂNIEI MINISTERUL MUNCII, FAMILIEI ŞI PROTECŢIEI SOCIALE AMPOSDRU Fondul Social European POSDRU 2007-2013 Instrumente Structurale 2007-2013 OIPOSDRU UNIVERSITATEA TEHNICĂ “GHEORGHE ASACHI” DIN IAŞI UNIVERSITATEA TEHNICĂ “GHEORGHE ASACHI” DIN IAŞI Facultatea de Automatică şi Calculatoare ANALIZA ŞI RECUNOAŞTEREA AMPRENTELOR ALTERATE - TEZĂ DE DOCTORAT - Conducător de doctorat: Prof. univ. dr. ing. Corneliu Lazăr Doctorand: Ing. Adina Maria Ţâmpău (căs. Petrovici) IAŞI – 2012
Transcript of ANALIZA ŞI RECUNOAŞ Adina PhD rez.pdfCapitolul 4 prezint ă metode de analiz ă a amprentelor...
UNIUNEA EUROPEANĂ GUVERNUL ROMÂNIEI
MINISTERUL MUNCII, FAMILIEI ŞI PROTECŢIEI SOCIALE
AMPOSDRU
Fondul Social European POSDRU 2007-2013
Instrumente Structurale 2007-2013
OIPOSDRU UNIVERSITATEA TEHNICĂ “GHEORGHE ASACHI”
DIN IAŞI
UNIVERSITATEA TEHNICĂ “GHEORGHE ASACHI” DIN IAŞI
Facultatea de
Automatică şi Calculatoare
ANALIZA ŞI RECUNOAŞTEREA
AMPRENTELOR ALTERATE - TEZĂ DE DOCTORAT -
Conducător de doctorat:
Prof. univ. dr. ing. Corneliu Lazăr
Doctorand:
Ing. Adina Maria Ţâmpău
(căs. Petrovici)
IAŞI – 2012
UNIUNEA EUROPEANĂ GUVERNUL ROMÂNIEI
MINISTERUL MUNCII, FAMILIEI ŞI PROTECŢIEI SOCIALE
AMPOSDRU
Fondul Social European POSDRU 2007-2013
Instrumente Structurale 2007-2013
OIPOSDRU UNIVERSITATEA TEHNICĂ “GHEORGHE ASACHI”
DIN IAŞI
Teza de doctorat a fost realizată cu sprijinul financiar al
proiectului „Burse Doctorale pentru Performanţa în Cercetare
la Nivel European (EURODOC)”.
Proiectul „Burse Doctorale pentru Performanţa în
Cercetare la Nivel European (EURODOC)”,
POSDRU/88/1.5/S/59410, ID 59410, este un proiect strategic
care are ca obiectiv general „Dezvoltarea capitalului uman
pentru cercetare prin programe doctorale pentru îmbunătățirea
participării, creșterii atractivității şi motivației pentru cercetare.
Dezvoltarea la nivel european a tinerilor cercetători care să
adopte o abordare interdisciplinară în domeniul cercetării,
dezvoltării şi inovării.”.
Proiect finanţat în perioada 2009 - 2012.
Finanţare proiect: 18.943.804,97 RON
Beneficiar: Universitatea Tehnică “Gheorghe Asachi” din
Iaşi
Partener: Universitatea „Babeş Bolyai” din Cluj-Napoca
Director proiect: Prof. univ. dr. ing. Mihaela-Luminiţa
LUPU
Responsabil proiect partener: Prof. univ. dr. ing.
Alexandru OZUNU
i
Cuprins
Capitolul 1. Introducere……………………………………………………………….…….. 1 1.1. Sisteme biometrice bazate pe amprente…………………………………………………………………..…. 1
1.2. Structura tezei…………………………………………………………………………………...…….…… 2
1.3. Contribuţii proprii……………………………………………...……………………………………….…… 4
Capitolul 2. Stadiul actual al cercetării în analiza şi recunoaşterea amprentelor alterate …… 6 2.1. Analiza şi reprezentarea amprentelor digitale……………………………………………………...…..…… 6
2.2. Vulnerabilitatea sistemelor biometrice bazate pe amprente…………………………………………….… 8
2.3. Cercetarea în domeniul amprentelor alterate………………………………………….……………….……. 10
Capitolul 3. Simularea alterării în imagini cu amprente …………………………………….. 12 3.1. Caracteristicile amprentelor digitale alterate ……………………………………………………………….. 12
3.2. Generarea bazei de date cu amprente alterate sintetic .................................................................................... 14
Capitolul 4. Metode de analiză a amprentelor alterate ............................................................. 18 4.1. Analiza amprentelor alterate pe baza consistenţei câmpului de orientare şi punctelor singulare .................. 18
4.2. Estimarea anisotropiei câmpului de orientare în imagini cu amprente folosindu-se cercul Mohr ................. 20
4.3. Analiza amprentelor alterate folosind trăsăturile SIFT .................................................................................. 21
Capitolul 5. Tehnici de recunoaştere a amprentelor alterate .................................................... 24 5.1. Metoda de recunoaştere a amprentelor alterate bazată pe analiza valorilor proprii ....................................... 24
5.2. Metoda de recunoaştere a amprentelor alterate utilizând algoritmi de etichetare prin relaxare ……………. 26
Capitolul 6. Concluzii .............................................................................................................. 32
Bibliografie ............................................................................................................................... 34
1
Introducere
Recunoaşterea bazată pe amprente, deşi este cea mai eficientă şi folosită metodă de
identificare, prezintă vulnerabilităţi, principalul dezavantaj fiind acela că trăsătura biometrică –
amprenta papilară, este uşor de imitat în comparaţie cu alte trăsături biometrice unde sunt
necesare proceduri chirurgicale (iris, retină). De asemenea, performanţa unui astfel de sistem de
recunoaştere depinde de condiţia fizică a amprentei (calitatea ei) şi de contextul mediului
înconjurător (umiditate, lumină).
Un fenomen în creştere ce face ca sistemele biometrice să fie vulnerabile este reprezentat
de folosirea de amprente nenaturale sub a căror incidenţă intră: amprentele false (replici ale unor
amprente, confecţionate din diferite materiale, sau chiar aparţinând unor persoane decedate,
folosite cu scopul de a adopta o altă identitate) şi amprentele alterate (reprezentând amprente
reale modificate prin tăiere, abraziune, arsură sau chiar operaţie chirurgicală cu scopul de a se
masca identitatea proprie). Aceste amprente nenaturale (denaturate) sunt considerate ca fiind
amprente naturale, ducând astfel la o decizie eronată de acceptare, respectiv respingere.
În ceea ce priveşte problema utilizării amprentelor false (folosirea de amprente false la
scanare, fabricate din lipici, silicon, latex, sau chiar aparţinând unor persoane decedate), aceasta
a fost cercetată într-un mod expansiv, în contrast cu problema amprentelor alterate (folosirea la
scanare de amprente alterate prin diverse moduri cum ar fi tăieturi, arsuri, aplicare de substanţe
chimice, operaţii chirurgicale) pentru care nu există soluţii implementate în sistemele de
identificare sau baze de date cu astfel de amprente care să ajute la înţelegerea problemei şi
investigaţii riguroase.
1.1. Sisteme biometrice bazate pe amprente
Biometria reprezintă un complex de metode automatizate destinate identificării unei
persoane folosind caracteristici biologice (amprenta, faţa, irisul, retina) sau comportamentale
(vocea, scrisul, mersul) ale acesteia care o caracterizeaza în mod unic.
În general, orice trăsătură umană poate fi folosită ca şi identificator biometric atâta timp cât
satisfac următoarele cerinţe: universalitate, caracter distinctiv, permanenţă şi colectabilitate.
Principiile biologice ale amprentelor (Moenssens, 1971) pe care se bazează sistemele
biometrice de identificare sunt următoarele:
• Creste şi văi de pe epiderma individuală au caracteristici diferite pentru amprente diferite.
• Tipurile de configuraţie sunt variabile individuale, dar variază între anumite limite ce
permit o clasificare sistematică.
• Configuraţiile şi trăsăturile de detaliu ale crestelor individuale şi ale văilor sunt
permanente şi nu se schimbă (decât accidental sau în mod deliberat prin alterare).
Un sistem biometric constă dintr-o serie de componente interconectate şi realizează două
sarcini principale: înrolare şi testare. Arhitectura generalizată, Fig. 1.1, a unui astfel de sistem de
2
autentificare a identităţii pe baza datelor biometrice este următoarea: Interfaţa cu utilizatorul
(User interface), Modulul de extragere a trăsăturilor (Feature Extraction), Modulul de
recunoaştere (Recognition), Sistemul de gestiune a bazelor de date (Data storage).
Figura 1.1 Arhitectura generală a unui sitem biometric.
În funcţie de rezultat, sistemul declară subiectul testat ca fiind sau nu cel ale cărui
caracteristici au fost preluate la înrolare. Decizia sistemului este transmisă unui element de
execuţie care efectuează o acţiune corespunzătoare profilului subiectului testat.
1.2. Structura tezei
Lucrarea este structurată în cinci capitole, în care prezint aspecte teoretice, metode
practicate şi rezultate experimentale obţinute.
Primul capitol introduce aspecte generale din domeniul procesării imaginilor cu
amprente, descriind sistemele biometrice în general şi sistemele biometrice bazate pe amprente
digitale în particular, împreună cu aplicaţiile lor fundamentale dar şi problemele lor.
Cel de-al doilea capitol introduce stadiul actual al domeniului de cercetare, cu o secţiune
în care este prezentată pe larg problema amprentelor alterate, problemă ce face obiectul celor trei
ani de cercetare pe care i-am parcurs şi pentru care este dedicată această lucrare.
Capitolul 3 explică schimbările majore ce au loc la nivelul amprentei digitale atunci când
are loc alterarea. Sunt prezentate caracteristici pentru fiecare tip de alterare, esenţiale pentru
analiza şi recunoaşterea amprentelor alterate. Deoarece, în prezent, nu există o baza de date
publică cu imagini cu amprente real alterate, urmărind metodele reale de alterare a amprentelor
digitale, am propus simularea alterării. Cele trei metode de simulare i) a arsurii folosind
zgomotul Perlin (pentru amprente alterate temporar), ii). a rotirii centrale pe acelaşi deget sau la
degete diferite şi iii). operaţia chirurgicală plastia în Z (pentru amprentele alterate permanent)
sunt descrise în acest capitol. Procedura de simulare presupune şi calcularea unor parametri de
alterare caracteristici fiecarei metode, având comun centrul alterării – poziţia punctului singular
de tip nucleu, determinată cu ajutorul indicelui Poincaré.
Capitolul 4 prezintă metode de analiză a amprentelor alterate. Prima metodă prezentată
este cea bazată pe matricea de consistenţă a câmpului de orientare. După etapele de preprocesare
a imaginii (îmbunătăţire, binarizare, extragere regiune de interes) este prezentată metoda de
3
estimare a câmpului de orientare, bazată pe gradient, pe care am implementat-o pentru toate
metodele propuse. Pentru construirea matricei de consistenţă a câmpului de orientare se
consideră atât unghiul de orientare al crestelor, cât şi varianţa şi covarianţa vectorilor gradient.
Matricea de consistenţă ataşată câmpului de orientare a crestelor conturează regiuni de referinţă,
în care crestele papilare au curburi maxime, acestea fiind caracteristice punctelor singulare din
imagini cu amprente naturale cât şi regiunilor alterate.
A doua metodă prezentată este cea de analiză a amprentelor alterate folosind indicele de
uniformitate a câmpului de orientare. Indicele de uniformitate este definit folosind analiza
grafică a matricei de autocovarianţă pe care am reprezentat-o cu ajutorul cercului Mohr, şi
caracterizează gradul de împrăştiere al vectorilor gradienţi. La început este prezentată metoda
analizei componentei principale (PCA) de la care s-a pornit pentru construirea matricei de
autocovarianţă. Această matrice poate fi reprezentată de un cerc în spaţiul Mohr, prin folosirea
componentelor ei ca şi coordinate carteziene. Valorile proprii ale matricei de autocovarianţă se
regăsesc pe cerc la intersecţia acestuia cu axa orizontală şi pe baza lor am definit indicele de
uniformitate. Rezultatele experimentale prezentate arată că indicele de uniformitate poate extrage
regiuni singulare dând rezultate mai bune faţă de indicii existenţi.
Cea de-a treia metodă propusă pentru analiza amprentelor alterate este pe baza punctelor de
interes, determinate cu operatorul SIFT. Acesta a fost ales datorită avantajelor sale faţă de
trăsăturile de tip minuţii. Este prezentată metoda de localizare a punctelor de interes. Aceste
puncte sunt caracterizate de orientare şi magnitudine, calculate pe baza proprietăţilor locale ale
funcţiei imagine. Deoarece punctele de interes reprezintă de fapt puncte de maxim, acestea sunt
localizate cu o densitate foarte mare pe zone alterate, şi au o împrăştiere normală în regiunile cu
creste naturale, neafectate de alterare.
Capitolul 5 prezintă cele două metode propuse pentru recunoaşterea amprentelor alterate.
Prima metodă prezentată de recunoaştere a amprentelor alterate este cea cu clasificator bazat pe
distanţa Mahalanobis. Pentru construirea vectorului trăsăturilor au fost folosite valorile proprii
ale matricei de autocovarianţă, de această data selectate folosind indicele putere de orientare.
Este prezentată o scurtă introducere pentru distanţa Mahalanobis, aleasa datorită faptului că ia în
calcul atât varianţa cât şi covarianţa setului de observaţii. Performanţele acestei metode sunt
arătate pe un set mic de imagini format din amprente naturale şi amprente alterate în mod
sintetic.
În cea de-a doua parte a capitolului este prezentată metoda de recunoaştere a amprentelor
alterate bazată pe algoritmul de etichetare prin relaxare. Regiunea de interes din imaginea cu
amprentă este divizată în blocuri nesuprapuse de dimensiuni fixe. Aceste blocuri sunt considerate
ca fiind obiecte ce pot primi fie eticheta natural (N), fie eticheta alterat (A). Pornind de la o
valoare iniţială a probabilităţii cu care aceste etichete pot fi asignate blocului curent, algoritmul
de etichetare prin relaxare modifică iterativ aceste probabilităţi până când se atinge un număr
maxim de iteraţii sau vectorul probabilităţilor converge. Regula de ajustare este construită cu
ajutorul funcţiilor de compatibilitate ce formează matricea nou definită a funcţiilor de
compatibilitate. Funcţiile de compatibilitate au la bază coeficienţii de compatibilitate a căror
4
definiţie am introdus-o: coeficientul diferenţă de orientare, coeficientul curbură şi coeficientul de
frecvenţă. Pentru ajustarea probabilităţii corespunzătoare blocului curent s-a considerat
vecinătatea tetra-conectată. Pentru a decide dacă imaginea cu amprentă este una naturală sau
alterată se calculează indicele de alterare în baza căruia algoritmul va returna fie regiunea alterată
extrasă din imaginea cu amprentă alterată, fie punctele singulare din imaginea cu amprentă
naturală. Metoda a fost evaluată pe o bază de date cu imagini cu amprente real alterate, colectate
de-a lungul celor trei ani de studii doctorale.
În final, ultimul capitol prezintă concluziile asupra cercetarii efectuate, contribuţiile
proprii şi rezultatele diseminate.
1.3. Contribu ţii proprii
Materialul prezentat în această lucrare este rezultatul activităţilor de cercetare şi
experimentare întreprinse în cadrul celor trei ani de studii doctorale, având următoarele
contribuţii:
- Simularea obliterării folosind zgomotul Perlin, pentru amprente alterate temporar,
- Simularea alterării prin rotire şi tăietură Z, pentru amprentele alterate permanent (prin
operaţii chirurgicale),
- Crearea unei baze de date cu amprente alterate în mod sintetic,
rezultate publicate în:
Petrovici, (2012), Simulating Alteration on Fingerprint Images, IEEE Workshop on
Biometric Measurements and Systems for Security and Medical Applications (BIOMS
2012), September 14, Salerno, Italy, CD.
- Metodă de analiză a amprentelor alterate pe baza matricei de consistenţă a câmpului de
orientare, ce stă la baza lucrărilor:
Petrovici and C. Lazar, (2010), Altered Fingerprints Analysis Based on Orientation Field
Reliability, Proc. of 14th International Conference on System Theory and Control,
October 17-19, Sinaia, Romania, pp. 385-391, ISBN 2068-0465.
Petrovici and C. Lazar, (2010), Identifying Fingerprint Alteration Using the Reliability
Map of the Orientation Field, The Annals of the Univeristy of Craiova, Series
Automation, Computers, Electronics and Mechatronics, Vol. 7 (34), No. 1, 2010, pp. 45-
52, ISSN 1841-0626.
- Metodă de analiză grafică a matricei de autocovarianţă cu ajutorul cercului Mohr,
- Definirea indicelui de uniformitate folosind analiza grafică a matricei de autocovarianţă,
- Metodă de analiză a amprentelor alterate folosind indicele de uniformitate a câmpului de
orientare,
cu publicarea rezultatelor în:
5
Petrovici and C. Lazar, (2011), Estimation of the Directional Field Anisotropy based on
Mohr's Circle în Fingerprint Images, IEEE International Conference on Intelligent
Computer Communication and Processing (ICCP 2011), August 25-27, Cluj-Napoca,
Romania, pp. 323-326, ISBN 978-1-4577-1479-5.
- Metodă de analiză a amprentelor alterate pe baza punctelor de interes determinate cu
operatorul SIFT,
pentru care se află în curs de recenzie lucrarea:
Petrovici and C. Lazar, (2012), Altered fingerprints analysis based on SIFT keypoints,
Buletinul Institutului Politehnic din Iasi, Automatic Control and Computer Science
Section.
- Construirea vectorului trăsăturilor pe baza valorilor proprii ale matricei de
autocovarianţă, selectate folosind indicele putere de orientare,
- Metoda de recunoaştere a amprentelor alterate cu clasificator bazat pe distanţa
Mahalanobis,
ale cărei rezultate au fost publicate în lucrarea:
Petrovici and C. Lazar, (2011), Detection of Altered Fingerprints Using a Mahalanobis
Distance Based Classifier, Proceedings of 18th International Conference on Control
Systems and Computer Science (CSCS18 2011), May 24-27, Bucuresti, Romania, pp.
604-611, ISSN 2066-4451.
- Definirea coeficienţilor de compatibilitate,
- Definirea matricei funcţiilor de compatibilitate,
- Metoda de recunoaştere a amprentelor alterate bazată pe algoritmul de etichetare prin
relaxare,
pentru care am pregatit cele două lucrări în curs de recenzie:
Petrovici and C. Lazar, (2012), Fingerprint alterations labeling by relaxation operations,
Journal of Control Engineering and Applied Informatics (CEAI).
Petrovici and C. Lazar, (2012), Detection of altered fingerprints by extracting singular
regions through relaxation labeling, The 6th IEEE / IAPR International Conference on
Biometrics, Madrid, Spain.
6
Capitolul 2. Stadiul actual al cercetării în analiza şi recunoaşterea amprentelor alterate
Acest capitol introduce cele mai recente lucrări publicate în domeniul procesării de imagini
cu amprente. Am început prin descrierea reprezentării unei imagini cu amprentă şi a trăsăturilor
specifice ce se extrag din imagine şi sunt folosite în analiza şi recunoaşterea amprentelor digitale.
Deşi este un domeniu intens cercetat, sistemele biometrice prezintă în continuare vulnerabilităţi,
infractorii adaptându-se continuu la evoluţia acestor sisteme. O metodă din ce în ce mai folosită
de atac asupra sistemelor biometrice bazate pe amprentă o reprezintă folosirea de amprente
alterate. Cercetarea acestei probleme este la început, existând foarte puţine lucrări publicate în
acest domeniu, a căror scurtă prezentare este introdusă.
2.1. Analiza şi reprezentarea amprentelor digitale
Impresiunea papilară reprezintă o reproducere a epidermei de pe deget, produsă atunci când
degetul este apăsat pe o suprafaţă netedă. Cea mai evidentă catacteristică structurală este modelul
format din creste şi văi; într-o imagine ce reprezintă o amprentă, crestele sunt ariile închise iar
văile cele deschise, Fig. 2.1. Accidente cum ar fi arsuri, tăieturi nu afectează structura de sub
stratul epidermei, iar modelul original este duplicat în noua piele care se formează.
Trăsăturile specifice amprentelor sunt în mod general descrise pe trei nivele (Maltoni et al.,
2009). Setul de trăsături de Nivel 1 poate fi detectat la nivel global şi include punctele singulare
(nucleu şi delta), structura desenului papilar, câmpul de orientare al crestelor şi frecvenţa
crestelor.
Figura 2.1 Creste şi văi într-o imagine cu amprentă digitală.
Crestele papilare pornesc paralel de la una din marginele desenului papilar, descriind curbe
către centrul desenului. Traseul crestelor papilare poate fi descris prin câmpul de orientare.
Acesta este construit calculându-se unghiurile formate de către crestele papilare cu axa
orizontală, estimat în general la nivel de bloc, astfel încât minuţiile să nu influienţeze orientarea
7
calculată. Unghiul de orientare ( , )x yθ este definit în intervalul [0, )π pentru ferestre
nesuprapuse centrate în ( , )x y . Câmpul de orientare este continuu cu excepţia regiunilor
singulare unde prezintă discontinuităţi datorită curburilor mari pe care le formează crestele
papilare.
Adiţional câmpului de orientare, se poate extrage frecvenţa (densitatea) crestelor papilare,
ce reprezintă numărul mediu de creste ce traversează un segment de o anumită lungime centrat în
pixelul pentru care s-a calculat orientarea crestelor şi orientat ortogonal pe aceasta, Fig. 2.2(b). În
general, informaţia oferită de câmpul de orientare este mult mai importantă decât cea extrasă din
densitatea crestelor.
Analizat la nivel global, modelul amprentei expune una sau mai multe regiuni în care sunt
forme distinctive (caracterizate de curburi mari). Aceste regiuni (numite singularităţi sau regiuni
singulare) pot fi clasificate în 3 tipologii: bucla (loop), delta şi vârtej (whorl), Fig. 2.2(a).
Bucla şi vartejul definesc puncte singulare de tip nucleu, asociate punctului de curbură
maximă a crestelor papilare.
Regiunile singulare sunt în general utilizate pentru a defini tiparul amprentei, în baza căruia
se poate realiza clasificarea amprentelor, cu scopul de a simplifica aplicaţiile de recuperare şi
căutare a amprentelor. Tiparul amprentei este una din cele patru trăsături ce poate fi extrasă la
nivel global, din imaginea cu amprentă.
(a) (b) (c)
Figura 2.2 Trăsături globale de Nivel 1: (a) puncte singulare,tiparul amprentei, (b)
frecvenţa crestelor, (c) câmpul de orientare a crestelor.
Setul de trăsături de Nivel 2 este calculat la nivel local şi se referă la detaliile din imaginea
cu amprentă numite minuţii. “Minu ţia” înseamnă detaliu mic iar în contextul amprentelor se
referă la numeroasele căi prin care crestele papilare pot fi întrerupte sau divizate. De exemplu, o
creastă poate ajunge dintr-o dată la final (minuţie de tip terminaţie), sau se poate divide în două
(minuţie de tip bifurcaţie), Fig. 2.3.
Minuţiile sunt privite ca fiind structuri locale, invariante la transformări globale (translaţii,
rotaţii), caracterizate de poziţie şi orientare, Fig. 2.3. Majoritatea algoritmilor de potrivire a
amprentelor sunt construiţi pe baza minuţiilor (Jiang and Yau, 2000), (Ratha et al., 2000), (Jea
and Govindaraju, 2005), (Chikkerur, Cartwright and Govindaraju, 2006), (Feng, 2008), (Wang,
Li and Niu, 2007), (Cappelli, Ferrara and Maltoni, 2010), (Feng and Jain, 2011).
8
Figura 2.3 Unghiul de orientare pentru minuţii de tip terminaţie şi bifurcaţie.
Grosimea crestelor papilare, forma, curbura lor precum şi detaliile precum creste
incipiente, cicatrici, negi, şi cei mai importanţi porii, formează setul de trăsături de Nivel 3.
Dacă imaginile sunt achiziţionate la o rezoluţie mare (de ex. 1000Dpi), se pot identifica
foarte clar porii de transpiraţie, Fig. 2.4(a). De fapt, fiecare creastă de pe epidermă (pielea de la
suprafaţă) este punctată cu pori de transpiraţie de-a lungul întregii sale lungimi. Deşi informaţiile
oferite de pori (număr, poziţie, formă) sunt foarte distinctive, foarte puţine tehnici automate de
potrivire a amprentelor folosesc aceşti pori deoarece se cere o rezoluţie foarte mare şi o calitate
foarte bună a imaginii. Algoritmi de extragere a porilor au fost propuşi de (Stosz and Alyea,
1994), (Jain, Chen and Demirkus, 2007), (Chen and Jain, 2007), (Zhao and Jain, 2010), (Zhao,
Feng and Jain, 2010), (Marcialis, Roli and Tidu, 2010).
La nivel foarte fin, detaliile dintre creste pot fi detectate. Acestea includ lăţimea, forma,
curbura, conturul crestelor, Fig. 2.4(b), precum şi alte detalii permanente cum ar fi creste
incipiente, Fig. 2.4(d), deformaţii ale pielii, Fig. 2.4(c)(e)-(h), încrețiturile pielii ce străbat
transversal crestele papilare, denumite linii albe, Fig. 2.4(e), ale căror poziţii şi forme sunt
considerate foarte distinctive.
(a) (b) (c) (d) (e) (f) (g) (h)
Figura 2.4 Trăsături de Nivel 3 (microdetaliu) în imagini cu amprente: pori (a), forma crestei
(b), cicatrici (c), creste în faza incipientă (d), linii albe (e), negi (f), răni temporare (g),
deformaţii (h).
2.2. Vulnerabilitatea sistemelor biometrice bazate pe amprente
Informaţia biometrică este achiziţionată, procesată, transmisă prin canale de comunicare,
stocată şi extrasă. Acestea reprezintă operaţii normale în cadrul unui sistem biometric.
La nivelul achiziţiei, trebuie să se asigure că informaţia biometrică provine de la o fiinţă vie
şi că nu a fost alterată în nici un mod. Când informaţia este transmisă prin canalele de
comunicare trebuie să se asigure că informaţia nu poate fi accesată decât de către modulul căruia
i-a fost destinată. De asemenea, modulul trebuie să se asigure că informaţia recepţionată i-a fost
transmisă de către modulul corect şi nu de către un impostor şi că nu a fost modificată în timpul
transmisiei.
9
Figura 2.5 Puncte de vulnerabilitate prezente în cadrul unui sistem biometric.
Şabloanele biometrice sunt stocate în baza de date, care la rândul ei trebuie securizată
împotriva atacurilor. Acţiuni neautorizate asupra şabloanelor biometrice stocate, cum ar fi
inserţii, alterări, extrageri sau ştergeri, pot compromite securitatea sistemului.
Dacă sistemul biometric interacţionează cu alte sisteme sau subsisteme, securitatea lui va fi
influienţată de securitatea subsistemelor.
Sistemele biometrice sunt vulnerabile la atacuri externe ce le pot micşora nivelul de
securitate. Acestea pot fi împărţite în două grupuri (Ratha, Connell and Bolle, 2001b):
Atacuri directe – la nivel de senzor; impostorul nu are nevoie de cunoştinţe specifice
sistemului de operare (algoritmul folosit pentru potrivire, metoda de extragere a trăsăturilor,
etc.). Un astfel de atac asupra sistemului biometric poate avea ca scop adoptarea identităţii unei
persoane (folosirea de amprente false la scanare, fabricate din lipici, silicon, latex, sau chiar
aparţinând unor persoane decedate) sau mascarea identităţii unei persoane (folosirea la scanare
de amprente alterate prin diverse moduri cum ar fi tăieturi, arsuri, aplicare de substanţe chimice,
operaţii chirurgicale). O clasificare a tipurilor de amprente nenaturale ce pot fi prezentate unui
sistem biometric, cu scopul de a se produce un atac poate fi următoarea:
• Amprente alterate – au fost aduse modificări ale tiparului unei amprentei naturale; se
pune problema detectării cât de “naturală” este amprenta (Feng, Jain and Ross, 2009); acestea
pot fi: Obliterate – s-au adus modificări prin şlefuire, ardere, tăiere, aplicare de substanţe
chimice; Distorsionate – porţiuni de piele au fost înlăturate şi puse la loc în diferite poziţii, cu
ajutorul operaţiilor chirurgicale; Imitaţii – porţiuni de piele au fost înlocuite cu piele din alte părţi
ale corpului (palme, tălpi, degete de la picioare), prin operaţii chirurgicale.
• Amprente false – fabricate din diverse materiale sau care nu sunt “vii”; se pune
problema detectării vieţii din amprentă.
Atacuri indirecte – folosirea de programe pentru a trece de modulul de extragere a
trăsăturilor sau cel de potrivire, adăugarea sau ştergerea de template-uri din baza de date pentru a
avea acces la aplicaţie, exploatarea slăbiciunilor canalelor de comunicaţie prin extragerea,
modificarea sau adăugarea de informaţii. Pentru astfel de atacuri sunt necesare cunoştinţe apriori
despre sistemul de recunoaştere şi uneori acces direct la aplicaţie.
10
2.3. Cercetarea în domeniul amprentelor alterate
Problema amprentelor alterate apare în câteva lucrări documentate. Primul care publică
despre modificarea tiparului amprentei în mod deliberat, într-o lucrare de specialitate, este H.
Updegraff (Updegraff, 1934). Un an mai tarziu, H. Cummins (Cummins, 1935) este primul care
analizează şi publică imagini cu amprente alterate, împărţindu-le în două grupe: obliterate şi
transplantate, menţionand faptul că rănile trebuie să fie mai adânci de 1mm pentru a evita
regenerarea crestelor şi că în aceste cazuri, identificarea se poate face cu ajutorul regiunilor
rămase nealterate. Posibilitatea alterării amprentelor prin dermabraziune a fost cercetată de
(Burks, 1958). O publicaţie foarte importantă este cea a lui (Wertheim, 1998): un studiu după un
caz real de identificare a unei amprente mutilate cu amprenta originală. Pe tiparul amprentei
celor zece degete au fost observate o serie de incizii ce apăreau sub forma literei „Z”, refacându-
se tiparul iniţial, de dinainte de mutilare.
O colecţie impresionantă de tipare papilare neobişnuite este cea publicată de către
(Samischenko, 2001). În atlasul său, autorul prezintă o gamă variată de amprente alterate,
pornind de la trăsături denaturate prin naştere până la factori ce duc la alterarea tiparului
amprentei pe parcursul unei vieţi, înainte şi după mutilare. INTERPOL publică o perspectivă
istorică asupra cazurilor întâlnite de alterare a amprentelor (Singh, 2008).
Alterarea amprentelor digitale este o problemă foarte puţin cercetată, în literatura de
specialitate existând doar trei metode de analiză şi detectare a acestora.
Prima metodă automată de recunoaştere a amprentelor alterate este propusă de (Feng, Jain
and Ross, 2009). Autorii analizează câmpul de orientare a crestelor (care devine neobişnuit
datorită alterării amprentei), extrag un set de trăsături numite colectiv histograma de curburi şi
folosesc tehnica de clasificare maşini cu vector suport (SVM – Support Vector Machine) (Chang
and Lin, 2001) pentru a distinge între imagini cu amprente naturale şi imagini cu amprente
alterate.
Setul de date pentru testarea algoritmului constă în imagini cu amprente naturale din baza
de date NIST4 şi imagini cu amprente alterate în mod sintetic (pornind de la acelaşi set de date
NIST4).
În lucrarea (Feng, Jain and Ross, 2010) experimente adiţionale s-au făcut pe un număr de
zece amprente real alterate, din care doar şapte au fost detectate corect ca fiind alterate, pentru
celelalte trei considerându-se că zona de alterare a fost prea mică pentru a fi detectate.
Metoda de detectare a amprentelor alterate propusă de (Yoon, Feng and Jain, 2012) este
bazată pe analiza câmpului de orientare şi analiza distribuţiei minuţiilor. În imagini cu amprente
naturale, câmpul de orientare este continuu, cu excepţia zonelor singulare caracterizate de
prezenţa punctelor de tip nucleu şi delta. În imagini cu amprente alterate, câmpul de orientare
este discontinuu şi în alte regiuni decât cele în care sunt prezente puncte singulare, regiuni
caracterizate de prezenţa cicatricilor. Pentru a scoate în evidenţă aceste modificări apărute
11
datorită alterării, se calculează diferenţa de orientare dintre câmpul de orientare calculat iniţial
( , )x yθ şi câmpul de orientare modelat ˆ( , )x yθ :
ˆ ˆ( , ) min( ( , ) ( , ) , ( , ) ( , ) ) / ( / 2)x y x y x y x y x yε θ θ π θ θ π= − − − , (2.1)
obţinându-se eroarea ce serveşte ca trăsătură pentru clasificare.
Cea de-a doua trăsătură folosită pentru clasificare o reprezintă distribuţia minuţiilor.
Minuţiile sunt detalii ce caracterizează crestele papilare, cele mai comune fiind cele de tip
terminaţie şi bifurcaţie, reprezentând cele mai folosite trăsături pentru potrivirea amprentelor. În
imagini cu amprente naturale, minuţiile sunt distribuite uniform, pe când în imagini cu amprente
alterate distribuţia lor diferă, acestea aglomerându-se în zonele de alterare.
Clasificarea în imagine cu amprentă naturală sau alterată este făcută cu ajutorul tehnicii
SVM, la fel ca şi în metoda descrisă anterior. Ca şi intrări, se construiesc doi vectori de trăsături,
unul ce caracterizează diferenţele de orientări şi unul pentru harta de densitate a minuţiilor.
Aceştia reprezintă histograme locale în celule de dimensiuni 3x3 (Dalal and Triggs, 2005).
Metoda a fost testată pe imagini cu amprente real alterate, la nivel de deget şi la nivel de
subiect, iar rezultatele obţinute au fost comparate cu rezultatele returnate de criteriul de evaluare
a calităţii în imagini cu amprente – NFIQ.
În ultima lucrare publicată (Yoon, Zhao and Jain, 2012) este prezentată o metodă semi-
automată de reconstruire a tăieturii Z şi este testată potrivirea pe bază de minuţii între imagini cu
amprente alterate prin tăietura Z şi imaginile cu amprente de dinainte de alterare.
Serviciul de Imigrari Suedez, care se confruntă frecvent cu cazuri de alterare a amprentelor,
a ales o soluţie hardware pentru această problemă: senzorul MSI (Multi Spectral Image) care
capturează tiparul amprentei “pe sub piele”.
12
Cap 3. Simularea alterării în imagini cu amprente
Alterarea amprentelor reprezintă o problemă nouă, puţin cercetată. Deşi există unele
colecţii personale de imagini cu amprente nenaturale ale experţilor criminalişti (Samischenko,
2001), în prezent nu există o bază de date publică de amprente real alterate care să permită
cercetătorilor testarea de noi metode propuse pentru detectarea şi recunoaşterea unor astfel de
amprente.
3.1. Caracteristicile amprentelor digitale alterate
Micile accidente la nivelul mâinilor sunt extrem de comune şi pot apărea de la manipularea
unei game variate de obiecte, accidente în sport, lucrul cu dispozitive mecanice sau anumite
substanţe/materiale, accidente de maşini. Acestea pot duce la distrugerea accidentală a tiparului
amprentei digitale, caz în care pielea se regenerează şi revine la starea iniţială. În cazuri izolate
se poate ajunge şi la operaţii chirurgicale ce afectează identificarea bazată pe amprente.
(a) (b) (c)
Figura 3.1 Impresiuni papilare alterate datorită psoriazisului (a), dysplasia (b), ridges
off the end (c).
Există anumite boli ce pot afecta trăsăturile crestelor în mod temporar sau permanent şi
care pot cauza probleme la punctele de control şi securitate la trecerea frontierei (Drahansky et
al., 2012). Printre acestea pot fi menţionate psoriasisul şi eczema, adermatoglyphia (Burger et
al., 2011), numită recent „boala întârzierii imigrării” (“The Immigration Delay Disease”),
dysplasia (tipul danteliform), Fig. 3.1.
Într-un număr redus de cazuri, unele medicamente folosite pentru chimioterapie în tratarea
cancerului, pot produce efecte secundare pâna la dispariţia desenului papilar, cum ar fi efectele
apărute în urma administrării de capecitabine (Wong, Choo and Tan, 2009).
13
Caracteristicile alterării temporare
Caracteristicile acestui tip de alterare (reprezentat în Fig. 3.2) sunt specifice: forma
cicatricei este foarte bine conturată şi prezintă mici fragmente de creastă papilară (cicatricile se
vindecă prin granulaţie – de unde şi forma punctiformă). În general, poziţia cicatricei este
centrală, deoarece scopul principal este distrugerea regiunii punctului singular de tip nucleu.
Marginile urmei cicatriciale sunt specifice, formate de către intersecţia crestelor cu cicatricea.
Cicatricea este înconjurată de regiuni cu structură de creste şi văi bine definită.
Încercările eşuate de a realiza alterarea permanentă a amprentelor digitale duc la cicatrici
temporare. Acest lucru se întâmplă atunci când individul nu are suficiente cunoştinţe despre
structura biologică a amprentei sau nu mai poate suporta terminarea procesului atât de dureros
care ar duce la mascarea identităţii sale. În general, alterarea provocată de răni temporare lasă
suficiente detalii pentru procesul de identificare, în zona rămasă nealterată.
Figura 3.2 Impresiuni papilare ale amprentelor alterate prin obliterare.
Caracteristicile alterării permanente a amprentelor prin rotire
Odată cu rotirea fragmentelor de piele (Fig. 3.3), crestele papilare se reorientează, şi chiar
dacă la nivel local, structura rămane similară cu cea dintr-o amprentă naturală, la nivel global se
poate observa faptul că tiparul a fost rotit. Tot la nivel global, datorită alterării, se observă un
detaliu foarte important: lipsa de paralelism a crestelor manifestată prin întreruperea bruscă a
traseului acestora de desenul altor creste perpendiculare (sau oblice) pe primele, rezultând o
distribuţie anormală a elementelor de identificare. Dacă zona donatoare este şi cea receptoare, la
nivel local, crestele papilare îşi păstrează frecvenţa şi grosimea, însă dacă zona donatoare diferă
de cea receptoare şi aceste detalii se modifică şi constitue un indiciu al alterării amprentei.
Caracteristicile alterării permanente a amprentelor prin tăietura „Z”
Alterarea amprentei prin tăietura Z (Fig. 3.4) aduce cu sine următoarele schimbări asupra
desenului papilar: cursul crestelor devine inconsistent de-a lungul inciziei; există regiuni unde nu
mai există paralelismul crestelor (pe unele porţiuni acestea devin chiar perpendiculare),
14
Figura 3.3 Impresiuni papilare ale amprentelor alterate prin rotire.
Figura 3.4 Impresiuni papilare ale amprentelor alterate prin tăietură „Z”.
orientarea crestelor este normală la nivel local dar anormală la nivel global.
În foarte puţine cazuri apar fragmente de creste punctiforme de-a lungul inciziilor, aşa cum
ar fi normal în cazul cicatricilor, ceea ce reflectă folosirea de instrumente extrem de ascuţite.
O caracteristică specială a acestui tip de alterare este faptul că, după alterare, amprenta
păstrează structura originală, fiind posibilă reconstruirea amprentei iniţiale. Zona ramasă
nealterată din exteriorul literei „Z”, de asemenea poate fi folosită pentru identificare.
3.2. Generarea bazei de date cu amprente alterate sintetic
În acest capitol am prezentat metode propuse pentru generarea în mod sintetic de imagini
cu amprente alterate.
Principala contribuţie în această cercetare este generarea de cicatrici produse de arsuri
(arderea amprentelor pe plite fierbinţi sau cu acizi rerprezintă forma cea mai comună de mutilare
a amprentelor). Metoda este bazată pe folosirea zgomotului Perlin (Perlin, 1985), folosit extensiv
pentru generarea de texturi.
Zgomotul Perlin n-Dimensional este caracterizat de o funcţie : nzgomot ℜ → ℜ ce prezintă
la intrare un vector n-dimensional şi returnează un scalar. Această funcţie prezintă următoarele
proprietăţi:
• aceeaşi valoare de intrare va returna întotdeauna aceeaşi valoare la ieşire;
15
• o variaţie mică la intrare va produce o variaţie mică a valorii la ieşire;
• o variaţie mare la intrare va produce o variaţie aleatoare pentru ieşire;
de aceea, zgomotul Perlin este denumit şi zgomot continuu (datorită celei de-a doua proprietăţi)
şi pseudoaleator (datorită ultimei proprietăţi).
Funcţia zgomot Perlin poate fi definită pentru cazul 2-dimensional ca fiind:
0
2 ( , ) ( 2 ( , ) )octava
ii
i
ZgomotPerlin D x y interpolare zgomot D x y persistenta=
= ×∑ , (3.1)
unde octava reprezintă fiecare funcţie zgomot succesivă pe care o însumăm, persistenţa este un
parametru cu valori cuprinse între [0,1], ce caracterizează amplitudinea corespunzătoare fiecărei
frecvenţe a funcţiei zgomot şi este definită de:
2i
i
frecventa
amplitudinea persistenta
==
. (3.2)
Funcţia 2 ( , )zgomot D x y reprezintă în esenţă, un generator de numere aleatoare. Aceasta
primeşte ca datş de intrare un intreg şi generează o valoare aleatoare. Prin interpolarea valorilor cu ajutorul funcţiei propuse de (Perlin, 2002):
5 4 3
2( ) 6 15 10f t t t t= − + , (3.3)
având atât derivata întâi cât şi derivata a doua continue, se obţine o funcţie continuă.
Imaginea cu amprentă simulată conţinând tiparul cicatricei, creat folosind zgomotul
Perlin, se obţine astfel:
2 2 2 2 2 2
2
0
( , ), daca ( ) ( )( , )
(2 (2 ,2 )), altfel
natural c c
alterat i i i
i
I x y b x x a y y a b
I x yPerlinNoise x y− − −
=
− + − >= ∑
, (3.4)
unde PerlinNoise(x,y) reprezintă funcţia bidimensională din relaţia (3.1), iar ( , , , )c ca b x y
reprezintă parametrii de alterare: a şi b definesc forma elipsoidală a cicatricei, iar cei doi
parametri ( , )c cx y definesc poziţia cicatricei, reprezentând coordonatele x şi y ale punctului
singular de tip nucleu.
Funcţia zgomot returnează valori pe care le-am normalizat în intervalul [0,255] şi filtrate
pentru a obţine astfel părţi independente de creastă apărute datorită procesului de alterare.
Rezultate bune au fost obtinute după doar 2 sau 3 octave, în funcţie de dimensiunea şi forma
dorite pentru cicatrice, Fig. 3.6(a).
Simularea rotirii centrale a fost introdusă în (Feng, Jain and Ross, 2009), dar metoda
propusă a fost limitată la o rotire de 1800. Metoda pe care am introdus-o este o metodă
îmbunătăţită de simulare a rotirii centrale, considerând două situaţii distincte: zona donatoare
16
este şi zona receptoare (regiuni de piele din amprenta digitală sunt tăiate din zona punctelor
singulare, rotite sub diverse unghiuri şi plasate pe aceeaşi amprentă) şi transplantul de piele de la
un deget la altul.
Imaginea cu amprentă alterată în mod sintetic, simulând transplantul de piele, atunci când
zona donatoare diferă de zona receptoare, Fig. 3.6(b), este obţinută prin:
2 2 2
1' '
2
( , ), ( ) ( )
( , ),natural c c
alterednatural
I x y if x x y y RI
I x y altfel
− + − >=
, (3.5)
unde:
cos sin
sin cosc
c
x xx
y yy
θ θθ θ
′ −− = ′ −
, (3.6)
reprezintă matricea de rotaţie, iar ( , , , )c cR x yθ parametrii de alterare ce controlează raza regiunii
circulare R, unghiul de rotaţie θ şi centrul de rotaţie ( , )c cx y .
O altă metodă îmbunătăţită de simulare este cea pentru tăietura Z, prin luarea în considerare
a unor limitări impuse de lipsa de elasticitate a pielii la nivel de deget. Acest tip de alterare
necesită operaţie chirurgicală. Procedura se numeşte plastie în Z, reprezintă o tehnică de
remodelare a cicatricilor şi presupune transpunerea a două lambouri de formă triunghiulară
adiacente, de dimensiuni egale, obţinându-se astfel o realiniere a cicatricei.
Cele două regiuni triunghiulare ce urmează a fi transpuse sunt CAB şi DBA, Fig. 3.5(a).
(a) (b)
(c) (d)
Figura 3.5 Simularea taieturii Z: (a) marcarea initiala a literei Z, (b) Rezultatul final (verde),
(c) şi (d) interschimbarea regiunilor triunghiulare.
17
Acest lucru se realizează prin selectarea celor două triunghiuri pentru care se aplică operaţii
de rotaţie şi translaţie astfel încât triunghiurile să ajungă interschimbate în noile poziţii, Fig.
3.5(c) şi Fig. 3.5(d). Se poate observa că cele două capete opuse reprezentate de punctele C şi D
formează acum diagonala principală, obţinând astfel noul tip de alterare, Fig. 3.5(b).
Simularea tăieturii Z este modelată folosind parametrii L, L1, L2, ce reprezintă
dimensiunea celor trei linii care formează litera “Z”, α1, α2, reprezentând cele două unghiuri
dintre linii, β reprezentând unghiul de rotaţie a literei şi coordonatele ( , )c cx y reprezentând
centrul literei. Rezultatul acestui tip de simulare poate fi vizualizat in Fig. 3.6(c).
Figura 3.6 Imagini cu amprente alterate în mod sintetic: obliterare(a), rotire centrală (b),
tăietură Z (c) – rândul de jos, şi imagini suport cu amprente naturale – rândul de sus.
Generarea de amprente alterate în mod sintetic permite obţinerea unei baze de date care să
folosească la testarea metodelor propuse pentru detectarea amprentelor alterate, având în vedere
faptul că nu există o bază de date disponibilă cu imagini cu amprente real alterate. Baza de date
suport pentru simulări este FVC2002.
18
Cap 4. Metode de analiză a amprentelor alterate
În acest capitol am prenzentat trei metode de analiză pentru imagini cu amprente: metoda
de analiză a amprentelor alterate pe baza matricei de consistenţă a câmpului de orientare, metoda
de analiză a amprentelor alterate folosind indicele de uniformitate a câmpului de orientare şi
metoda de analiză a amprentelor alterate pe baza punctelor de interes determinate cu operatorul
SIFT.
4.1. Analiza amprentelor alterate pe baza consistenţei câmpului de orientare
şi punctelor singulare
Metoda de analiză a amprentelor alterate descrisă în acest capitol este bazată pe analiza
câmpului de orientare şi prezenţa regiunilor singulare. În imagini cu amprente naturale, câmpul
de orientare este continuu, cu excepţia zonelor singulare caracterizate de prezenţa punctelor de
tip nucleu şi delta.
În imagini cu amprente alterate, câmpul de orientare este discontinuu şi în alte regiuni decât
cele în care sunt prezente puncte singulare, regiuni caracterizate de prezenţa cicatricilor. Pentru a
scoate în evidenţă aceste modificări apărute datorită alterării am detectat regiunile de referinţă
determinând consistenţa câmpului de orientare.
Am estimat câmpul de orientare al crestelor, prin metoda bazată pe gradient (Hong et al.,
1998):
/2/2
/2 /2
/2/22
/2 /2
/2/22
/2 /2
1( , ) atan2(2 , ),
2 2
2 ( , ) ( , ),
2 ( , ) ,
2 ( , ) ,
xy xx yy
j wi w
xy x i j y i ju i w v j w
j wi w
xx x i ju i w v j w
j wi w
yy y i ju i w v j w
x y G G G
G G x u y v G x u y v
G G x u y v
G G x u y v
πθ
++
= − = −
++
= − = −
++
= − = −
= + −
= + + + +
= + +
= + +
∑ ∑
∑ ∑
∑ ∑
, (4.1)
unde ( , )xG x y şi ( , )yG x y sunt componentele vectorului gradient, iar ( , )x yθ reprezintă
estimarea prin cele mai mici pătrate a orientării locale a crestei în blocul centrat în pixelul ( , )x y .
Pentru localizarea regiunilor de referinţă am construit matricea de consistenţă considerând
varianţa şi covarianţa vectorilor gradient, conform metodei propuse de (Khalil et al.,, 2010):
min
max
( , )( , ) 1
( , )
x yR x y
x y
γγ
= − , (4.2)
19
min
max min
( , ) ( cos(2 ( , ))( ) sin(2 ( , )) ) / 2,
( , ) ( , ),xx yy xx yy xy
yy xx
x y G G x y G G x y G
x y G G x y
γ θ θγ γ
= + − − −
= + − (4.3)
având valori cuprinse în intervalul [0,1], o valoare de 0 indicând faptul că orientarea calculată
este nesemnificativă, crestele prezintă curbură maximă (vectorii gradienţi sunt uniform
distribuiţi), iar o valoare de 1 indicând creste paralele (vectorii gradienţi indică aceeaşi direcţie).
Au fost localizate regiuni de referinţă caracterizate de discontinuităţi ale câmpului de
orientare şi curburi mari ale crestelor, în imagini cu amprente naturale şi în imagini cu amprente
alterate. Aceste regiuni marchează punctele singulare de tip nucleu şi deltă pentru amprente
naturale, Fig. 4.1, şi alterarea pentru amprente denaturate în mod deliberat, Fig. 4.2.
Amprentele naturale sunt comparate cu amprentele alterate, prin observarea regiunilor de
referinţă din imaginea de consistenţă R. În cadrul exoperimentelor prezentate, la reprezentarea
grafică a matricei de consistenţă, regiunile colorate cu nuanţe de albastru sunt determinate de R şi
sunt proporţionale cu amplitudinile vârfurilor, reprezentând localizarea regiunilor de referinţă în
spaţiul 2-dimensional.
Figura 4.1 (a) Amprenta naturală de tip bucleiform; b). Câmpul de orientare; c). Harta de
consistenţă a câmpului de orientare; d). Vârfurile ce indică regiuni de referinţă (puncte
singulare).
Figura 4.2 (a) Amprenta real alterată; b). Câmpul de orientare; c). Harta de fiabilitate; d).
Vârfurile ce indică regiuni de referinţă (marchează incizia chirurgicală).
20
4.2. Estimarea anisotropiei câmpului de orientare în imagini cu amprente folosindu-se cercul Mohr
Folosind interpretarea geometrică a cercului lui Mohr, am propus o nouă metodă de
estimare a anisotropiei câmpului de orientare pe baza unui nou indicator numit uniformitate,
calculat pornid de la valorile proprii ale matricii de autocovarianţă.
O metodă echivalentă cu cea descrisă în secţiunea 4.1 pentru estimarea câmpului de
orientare, este cea bazată pe analiza componentei principale (PCA) propusă de (Bazen and
Gerez, 2002). Folosindu-se PCA se obţine o nouă bază ortogonală, în care proiecţia pe una din
axe are varianţă minimă iar pe cealaltă maximă. Baza este formată din vectorii proprii ai matricii
de autocovarianţă:
∑
=
=
Wyyx
yxx
yyxy
xyxx
GGG
GGG
GG
GGC 2
2
, (4.4)
unde xxG , yyG şi xyG reprezintă varianţa şi covarianţa estimată pentru vectorii gradienţi, xG şi
yG , calculaţi cu formula (4.1).
Am reprezentat grafic această matrice printr-un cerc în spaţiul Mohr, ale cărei elemente au
constituit coordonate carteziene, în care axa orizontală reprezintă varianţa celor doi vectori
gradienţi, pozitivă înspre dreapta, iar axa verticală reprezintă covarianţa vectorilor gradienţi,
pozitivă în sus.
Linia ce uneşte cele două puncte reprezintă diametrul cercului Mohr şi intersectează axa
orizontală prin centrul cercului, Fig. 4.3, localizat în:
2yyxx GG
Center+
= . (4.5)
Figura 4.3 Parametrii cercului Mohr.
21
Din analiza geometrică rezultă că raza cercului este:
2
2
2 xyyyxx G
GGRadius +
−= . (4.6)
În spaţiul imaginii, coordonatele x şi y sunt separate de un unghi de 90º: punctul X de
coordonate ( xyxx GG , ) corespunde unei orientări °= 0θ , iar punctul Y de coordonate ( xyyy GG −, )
corespunde unei orientări de °= 90θ în sistemul de coordinate yx − , în timp ce în spaţiul Mohr,
coordonatele sunt separate de un unghi de 180º, şi deci, în spaţiul Mohr unghiurile sunt dublate
faţă de valoarea lor în sistemul de coordinate yx − al imaginii.
Unghiul de orientare ji ,θ este reprezentat în spaţiul Mohr de unghiul format de XY cu axa
orizontală şi este dat de:
yyxx
xy
GG
Gtg
−=
22θ , (4.7)
obţinut în urma analizei geometrice a cercului.
Valorile proprii ale matricei de autocovarianţă reprezintă “punctele proprii“ 1E şi 2E , în
care cercul intersectează axa orizontală (covarianţă 0 şi varianţă minimă sau maximă), ilustrate în
Fig. 4.3, având valorile:
RadiusCenter±=2,1λ , (4.8)
şi au stat la baza definirii noului indice de uniformitate:
1
2
1Diametru
UCentru Raza
λλ
= = −+
, (4.9)
pe care l-am folosit pentru extragerea regiunilor singulare.
4.3. Analiza amprentelor alterate folosind trăsăturile SIFT
Prezenţa cicatricilor pe imagini cu amprente alterate conduce la extragerea de minuţii false
prezente pe conturul cicatricilor şi în zonele obliterate datorită apariţiei fragmentelor de creastă şi
într-un număr excesiv atunci când se formează creste noi în urma alterării, acest fapt fiind
demonstrat de (Yoon, Feng and Jain, 2012).
22
Textura imaginii cu amprentă conţine însă informaţie discriminatorie, pe care am analizat-o
cu ajutorul descriptorului SIFT (Scale Invariant Feature Transform) (Lowe, 2004). Acesta este
un algoritm ce detectează puncte de interes invariante la scalări. Descriptorul SIFT prezintă două
avantaje majore în comparaţie cu trăsăturile de tip minuţie; în primul rând, SIFT-ul generează un
număr suficient de mare de trăsături pentru un număr mare de scalări şi locaţii, putând fi
controlat de un set de parametri, în timp ce numărul de trăsături de tip minuţii ce poate fi extras
este până la 100. Un al doilea avantaj este faptul că majoritatea trăsăturilor de tip minuţie sunt
detectate şi de către descriptorul SIFT.
Punctele de interes determinate cu ajutorul operatorului SIFT reprezintă maxime locale,
sunt caracterizate de orientare şi magnitudine, şi am arătat că pot fi utile în detectarea
amprentelor alterate, deoarece prezintă o denistate mare pe regiunile alterate, spre deoesebire de
regiunile naturale din imaginea cu amprentă.
Spaţiul scalărilor (Lindberg, 1998) este construit prin concatenarea de imagini filtrate
succesiv cu nucleul Gaussian:
2 2
2
( )
22
1( , , )
2
x y
G x y e σσπσ
+−= , (4.10)
generându-se astfel un spaţiu piramidal al scalărilor.
Funcţia ce reprezintă spaţiul scalării ( , , )L x y σ ataşat imaginii ( , )I x y se obţine ca produs
de convoluţie între funcţia imagine şi nucleul Gaussian:
( , , ) ( , , ) * ( , )L x y G x y I x yσ σ= , (4.11)
unde operatorul * reprezintă operaţia de convoluţie pe direcţiile x şi y.
Parametrul σ reprezintă nivelul de scalare; fiecare nivel de scalare este împărţit în O
octave, iar fiecare octavă este divizată în S subnivele.
Din spaţiul scalărilor se generează spaţiul diferenţelor de filtrări Gaussiene (DoG):
( , , ) ( ( , , ) ( , , ))* ( , )
( , , ) ( , , ) ( , , )
D x y G x y k G x y I x y
D x y L x y k L x y
σ σ σσ σ σ
= −= −
, (4.12)
unde 1/2 sk = reprezintă un parametru multiplicativ.
Detectarea punctelor de extrem din spaţiul diferenţelor de filtrări Gaussiene presupune
găsirea acelor puncte ( , , )P x y σ pentru care:
3 3 3| ( ) | | ( ) |, ( , , )x xD P D P P V x yσ′ ′> ∀ ∈ , (4.13)
fiecare punct fiind comparat cu cei 8 vecini din nivelul de scalare curent, cei 9 vecini de pe
nivelul de scalare superior şi cei 9 vecini de pe nivelul de scalare inferior.
23
După etapa de eliminare a răspunsurilor cu contrast scăzut (sensibile la zgomot) sau de tip
muchie instabile, fiecărui punct de interes i se asignează o orientare pe baza proprietăţilor locale
ale funcţiei imagine. Nivelul de scalare al punctului de interes permite selectarea imaginii
netezite cu filtrul Gaussian, ( , )L x y , astfel încât să se poată calcula magnitudinea ( , )m x y şi
orientarea ( , )x yθ punctului de interes:
2 2
1
( , ) ( ( 1, ) ( 1, )) ( ( , 1) ( , 1))
( , ) tan (( ( , 1) ( , 1)) / ( ( 1, ) ( 1, )))
m x y L x y L x y L x y L x y
x y L x y L x y L x y L x yθ −
= + − − + + − −
= + − − + − −. (4.14)
Pentru imaginea cu amprentă naturală din Fig. 4.4(a) se poate observa că punctele de
interes sunt localizate, în general, la nivelul minuţiilor (punctele unde crestele se termină brusc
sau se bifurcă), iar pentru amprenta din Fig. 4.4(b), aglomerarea punctelor de interes pe zona de
alterare, iar în zonele rămase nealterate, localizate de asemenea la nivelul minuţiilor. Prin
estimarea densităţii acestor puncte de interes, imaginea cu amprentă poate fi clasificată ca fiind
una naturală sau alterată.
(a) (b)
Figura 4.4 Punctele de interes determinate cu ajutorul operatorului SIFT pentru imagine
cu amprentă naturală (a) şi imagine cu amprentă alterată (b).
24
Cap 5. Tehnici de recunoaştere a amprentelor alterate
Acest capitol este dedicat metodelor pe care le-am dezvoltat pentru recunoaşterea
imaginilor cu amprente alterate.
5.1. Metoda de recunoaştere a amprentelor alterate bazată pe analiza
valorilor proprii
Valorile proprii ale matricii de autocovarianţă obţinută prin analiza componentei principale
(PCA) stau la baza unei noi metode de recunoaştere a amprentelor alterate. Seturi de trăsături se
extrag pentru clasa de amprente naturale şi clasa de amprente alterate în mod sintetic ce sunt
folosite ca vector de intrare pentru clasificatorul construit pe baza distanţei Mahalanobis pentru a
se face distincţia între amprente naturale şi amprente alterate.
Se consideră două clase. Fie nNiin I 1 ==Ω clasa ce conţine imagini cu amprente naturale,
unde nN reprezintă numărul de imagini ce aparţin clasei, şi aNiia I 1 ==Ω clasa ce conţine imagini
cu amprente alterate, unde aN reprezintă numărul de imagini ce aparţin clasei.
Imaginea cu amprentă este procesată pe fereastre nesuprapuse de dimensiuni wxw( 1616x )
centrate în pixelul ),( ji . Pentru fiecare bloc se estimează câmpul de orientare, conform metodei
bazate pe gradiernt, relaţia (4.1), şi puterea de orientare calculată prin metoda analizei
componentei principale introdusă de (Bazen and Gerez, 2002):
1 2
1 2
Strµ µµ µ
−=+
, (5.1)
utilizând valorile proprii ale matricei de autocovarianţă, relaţia (4.4), (simetrică, de dimensiuni
22x , caracteristică unui bloc):
2 2
1
2 2
2
( ) 4,
2 2
( ) 4.
2 2
xx yy xyxx yy
xx yy xyxx yy
G G GG G
G G GG G
µ
µ
− ++= +
− ++= −
(5.2)
Cele două valori proprii sunt luate în considerare mai departe pentru construirea vectorului
de trăsături ce caracterizează imaginea cu:
( ) ( ) ( )
1 2( , ), 1,2,..., ,i i
altered altered alteredi aX i Nµ µ= = (5.3)
unde 1i
µ şi 2iµ reprezintă media valorilor proprii ce descriu orientări cu puterea de orientare mai
mică decât pragul ales de 0.7.
25
Se construieşte vectorul de trăsături specific clasei:
( ) ( ) ( ) ( )
1 2( , ,..., ) .a
altered altered altered altered TNX X X X= , (5.4)
respectiv ( )naturalX în mod similar, pentru care se calculează centrul clasei )(altered
cX :
∑=
=aN
i
alteredi
a
alteredc X
NX
1
)()( 1, (5.5)
şi matricea de covarianţă ce reprezintă clasa )(alteredCov :
∑=
−−−
=aN
i
Taltc
alti
altc
alti
a
alt XXXXN
Cov1
)()()()()( ))((1
1. (5.6)
În mod similar se obţin şi centrul )(naturalcX al vectorului de trăsături ( )naturalX ce reprezintă
clasa de imagini cu amprente naturale şi matricea de covarianţă )(naturalCov .
Pentru a distinge între cele două tipuri de imagini am construit un clasificator bazat pe
distanţa Mahalanobis. Imaginea cu amprentă de test testI aparţine clasei cu amprente alterate
aNiia I 1 ==Ω dacă:
,),min( alteredMnaturalMalteredM DDD = (5.7)
unde:
)()(),( )(1)()()( altc
altTaltc
altcaltM XZCovXZXZD −−=
−, (5.8)
iar naturalMD este calculată în mod similar, Z reprezentând vectorul de trăsături al imaginii de test.
Clasificatorul bazat pe distanţa Mahalanobis va decide dacă imaginea cu amprentă de test
reprezintă o amprentă naturală sau o amprentă alterată.
În Fig. 5.1, sunt reprezentate grafic cele două seturi de antrenare (obţinute pe baza
extragerii valorilor proprii medii specifice fiecărei imagini, calculate pentru ferestre unde puterea
de orientare este mai mică decât 0.7), cu cercuri clasa amprentelor naturale iar cu pătrate clasa
ampretelor alterate în mod sintetic. Se observă o separare bine conturată a celor două clase de
antrenare.
26
Figura 5.1 Valori proprii medii ce descriu clasa de imagini cu amprente naturale şi clasa de
imagini cu amprente alterate. 5.2. Metoda de recunoaştere a amprentelor alterate utilizând algoritmi de
etichetare prin relaxare
Cea dea doua metodă pe care am prezentat-o în acest capitol este bazată pe algoritmul de
etichetare prin relaxare. Pentru detectarea alterării am analizat imaginea cu amprentă pornind de
la trăsături globale cum sunt câmpul de orientare al crestelor, curbura crestelor şi frecvenţa
crestelor, fiecare trăsătură ducând la definirea coeficienţilor de compatibilitate (factori decisivi în
cadrul algoritmului de etichetare prin relaxare).
Etichetarea prin relaxare are rolul de a identifica etichetele , N AΛ = pentru fiecare
bloc 1 2 , ,..., MB b b b= . Pentru a extrage regiunea de alterare este necesară asignarea unei singure
etichete din Λ pentru fiecare bloc, folosind informaţia contextuală.
Imaginea cu amprentă este procesată pe ferestre (blocuri) nesuprapuse de dimensiuni
16x16. Pentru fiecare bloc ( , , , , ),i i i i ib x y C Freq b Bθ= ∈ ale cărui etichete pot fi fie (N) (natural)
fie (A) (alterat), se asociază un vector al probabilităţilor [ ( ) ( )]i i ip p N p A= . Cele două
componente ale vectorului reprezintă probabilitatea cu care eticheta (N) (natural), respectiv
eticheta (A) (alterat), este asignată blocului ib centrat în ( , )x y , având orientarea locală iθ ,
curbura iC şi frecvenţa iFreq .
Coerenţa Coh este aleasă pentru a seta valoarea iniţială a probabilităţii:
[ ( ) 1 ( )]ip Coh i Coh i= − , (5.9)
unde Coh reprezintă coerenţa definită ca fiind:
( )2 24xx yy xy
xx yy
G G GCoh
G G
− +=
+, (5.10)
27
ce urmează a fi ajustată la fiecare iteraţie cu ajutorul unui set de funcţii de compatibilitate, prin
verificarea ipotezelor de compatibilitate ţinând cont de toate ipotezele posibile – de toţi vecinii
tetra-conectaţi ai blocului curent şi toate clasele la care aceşti vecini pot aparţine.
Vectorul de probabilităţi trebuie să satisfacă următoarele condiţii:
( ) 0, ,
( ) 1,i
i
p i
p iλ
λ λλ
∈Λ
≥ ∀
= ∀∑, (5.11)
fiind indeplinite deoarece coerenţa are valori cuprinse în intervalul [0,1].
Funcţiile de compatibilitate ce formează matricea funcţiilor de compatibilitate:
( , ) ( , )
, 1... , 1,2,3,4( , ) ( , )
ij ij
ijij ij
R N N R N Ai M j
R A N R A A
= = =
R , (5.12)
reprezintă de fapt o masură a compatibilităţii între clase şi obiecte.
În cadrul metodei propuse, funcţiile de compatibilitate sunt construite cu ajutorul celor trei
coeficienţi de compatibilitate: coeficientul diferenţă de orientare diffoC , coeficientul curbură curvC
şi coeficientul de frecvenţă freqC .
Coeficientul de compatibilitate diferenţă de orientare este definit ca fiind:
1 ,1 _
,diffo
TH DIFFOC
altfel
α αα
− − ≤= −
, (5.13)
unde α reprezintă diferenţa de orientare dintre blocul curent şi blocul vecin:
( )
/ 2i j
i
d θ θα
π−
=, (5.14)
unde ( )i jd θ θ− reprezintă distanţa (diferenţa) unghiulară definită cu:
| |, | | / 2
( )| |,
i j i j
i ji j
dacăd
altfel
θ θ θ θ πθ θ
π θ θ− − ≤
− = − −, (5.15)
iα având valori în intervalul [0,1].
O diferenţă de orientare între blocuri învecinate, mai mică decât valoarea de prag
predefinită TH_DIFFO (diferenţa unghiulară minimă acceptată) semnifică faptul că etichetele
atribuite acestor două blocuri sunt compatibile.
Curbura reprezintă un coeficient ce însumează diferenţele de orientări dintre cei 8 vecini ai
blocului curent. Informaţia oferită de curbură asigură atribuirea etichetei alterat (A) acelori
blocuri pentru care diferenţele de orientări între vecinii octo-conectaţi (H=8) însumate:
28
11 1
( ) / ( / 2)H H
i m m mm m
C d θ θ π α+= =
= − =∑ ∑ , (5.16)
depăşesc valoarea de prag predefinită TH_C, coeficientul de compatibilitate curbură fiind definit
cu:
_ , _
curv
TH C C C TH CC
C
− ≥= −
, (5.17)
în care curbura C este definită cu relaţia (5.16).
Coeficientul de compatibilitate frecvenţă este construit prin analiza formei sinusoidale
generată de semnătura x (Hong et al., 1998): o undă sinusoidală bine definită ce este
caracteristică zonelor naturale din imaginea cu amprentă şi chiar unde afectate de către minuţii
vor oferi suport pentru asignarea etichetei natural (N), în timp ce pentru regiuni în care, pentru
unda generată de semnătura x, nu se pot detecta vârfuri se atribuie un coeficient negativ ce va
oferi suport pentru asignarea unei etichete alterat (A).
Fie iF indicele de amplitudine asociat fiecărui bloc:
vârfuri cu amplitudini _
nr total vârfuri detectatei
TH AF
≥= , (5.18)
considerând pragul prestabilit _ 1.4TH A= .
O regiune în care toate vârfurile detectate au amplitudini mai mari decât valoarea de prag
prestabilită, va primi un coeficient de frecvenţă pozitiv ce va oferi suport maxim pentru
asignarea etichetei natural (N), în timp ce o regiune în care nu pot fi detectate vârfuri va oferi
suport maxim pentru asignarea etichetei alterat (A):
2, toate varfurile au amplitudini _
, cel putin 4 varfuri consecutive si _
,cel putin 4 varfuri consecutive si _
1 ,se pot detecta varfuri dar nu exista cel putin4 consecutive
2, nu se pot detecta varfuri
freq
TH A
F F TH F
C F F TH F
F
> ≥= − <
− −−
, (5.19)
unde F este definit cu relaţia (5.18) iar TH_F reprezintă una din valorile de prag prestabilite,
_ 0.6TH F = .
Pe baza coeficienţilor de compatibilitate, am construit funcţiile de compatibilitate ce
formează matricea de compatibilitate între blocurile vecine ib şi jb :
1 2
2 3
( , ) ( , )
( , ) ( , )ij ij
ijij ij
R N N R N A s s
R A N R A A s s
= = − −
R , (5.20)
29
în care 1s , 2s şi 3s modelează structura de compatibilitate, definiţi cu relaţiile:
1 diffos C= , (5.21)
unde coeficientul de compatibilitate al diferenţelor de orientări diffoC este definit cu relaţia (5.13),
2
, 0, 0
, 0, 0
,altfel
curv curv freq
freq curv freq
curv freq
C C C
s C C C
C C
≤ >= > ≤ +
, (5.22)
pentru care cei doi coeficienţi de curbură şi frecvenţă, curvC şi freqC sunt definiţi cu (5.17),
respectiv (5.19).
Suportul pentru asignarea etichetei alterat (A):
3
, 0, 0, 0
, 0, 0, 0
, 0, 0, 0
, 0, 0, 0
, 0
, 0
diffo curv freq diffo curv freq
curv freq diffo curv freq
diffo curv freq diffo curv freq
curv freq diffo curv freq
curv curv
freq freq
C C C C C C
C C C C C
C C C C C Cs
C C C C C
C numai C
C numai C
+ + ≥ ≥ ≥ + < ≥ ≥
+ + < < <= + ≥ < <
<<
, (5.23)
creşte cu fiecare coeficient de compatibilitate cu valoare negativă.
Funcţia de compatibilitate ( , )ijR N N reprezintă suportul pe care blocul vecin j, etichetat
natural (N), îl oferă blocului curent i pentru ca acesta să fie etichetat natural (N).
Funcţiile de compatibilitate ( , )ijR N A şi ( , )ijR A N reprezintă suportul între regiuni vecine
ce trasează limita între arii naturale şi arii alterate. Am ales ca:
( , ) ( , )ij ijR A N R N A= − , (5.24)
luand în considerare faptul că dacă există suport pentru asignarea etichetei natural (N), atunci
când blocul vecin este etichetat alterat (A) (si 0curvC ≥ , şi 0freqC ≥ ) cu atât mai mult nu trebuie
susţinută asignarea etichetei alterat (A) atunci când vecinul este etichetat natural (N).
Funcţia de compatibilitate ( , )ijR A A reprezintă suportul oferit de către blocul vecin j, care
este etichetat alterat (A), pentru ca blocul curent i să fie etichetat alterat (A).
Ideea de bază a etichetării prin relaxare constă în ajustarea probabilităţii ataşate obiectului
curent, folosind probabilităţile ataşate obiectelor vecine şi funcţia de compatibilitate între obiecte
învecinate.
Fie ( )ip tλ probabilitatea ca blocul i să aibă ataşată eticheta λ la momentul iteraţiei t.
Pentru ajustarea probabilităţii corespunzătoare blocului curent se iau în calcul toţi vecinii tetra-
30
conectaţi j şi toate probabilităţile ataşate acestora 'λ , precum şi funcţia de compatibilitate '( , )ijR λ λ între perechi bloc-etichetă ( , )io λ şi '( , )jo λ :
''
4'
1
1( 1) ( ) ( ) ( , )
4R
i R i ijjj
wq t w p t p t Rλ λ λλ
λ λ∈Λ
=
−+ = + ∑∑ , (5.25)
unde [0,1]Rw ∈ reprezintă o pondere ce permite luarea în considerare atât a probabilităţilor
vecinilor cât şi a probabilităţii blocului curent, pentru calculul incrementului.
Pentru a fi îndeplinită condiţia din relaţia (5.11), se face o renormalizare a lui ipλ :
' ''
( )[1 ( 1)]( 1)
( )[1 ( 1)]i i
i
i i
p t q tp t
p t q tλ λ
λλ λλ ∈Λ
+ ++ =+ +∑
, (5.26)
după fiecare ajustare (la fiecare iteraţie t).
Procesul de relaxare continuă până când se atinge numărul maxim de iteraţii prestabilit sau
se îndeplineşte condiţia de convergenţă.
În urma finalizării etapei de relaxare prin etichetare, fiecare bloc ib a primit una din cele
două etichete posibile: fie natural (N), fie alterat (A).
Pentru fiecare imagine cu amprentă se calculează un indice de alterare, definit ca fiind
procentul de blocuri etichetate alterat (A) din numărul total M de blocuri din regiunea de interes.
Prin compararea indicelui de alterare cu o valoarea de prag prestabilită Th, se asociază două
decizii:
0
1
: Imagine cu amprentă naturală,
: Imagine cu amprentă alterată,
D indice de alterare Th
D indice de alterare Th
<≥
. (5.27)
În cazul în care algoritmul ia decizia 1D , acesta va returna regiunea extrasă din imaginea cu
amprentă, detectată ca fiind alterată.
Metoda a fost testată pe o bază de date cu imagini cu amprente real alterate obţinând rata de
detecţie real pozitivă TPR=84% pentru o rată de detecţie fals pozitivă de 1% (1 imagine din 100
de imagini cu amprente naturale va fi clasificată ca fiind alterată). În Fig. 5.2 am plotat curba
ROC (Receiver Operating Characteristic), ce ilustrează performanţele metodei propuse, variind
valoarea de prag Th între 8% şi 15%.
Exemplele ilustrate în Fig. 5.3(a)-(c), reprezintă detecţii real pozitive, returnate pentru un
prag al indicelui de alterare de Th=10%, marginile regiunii alterate extrase fiind conturate cu
roşu. Algoritmul nu prezintă dificultăţi la extragerea regiunilor obliterate sau a regiunilor unde
crestele devin perpendiculare, o caracteristică evidentă a alterării.
În plus, pentru imagini cu amprente naturale, algoritmul va returna poziţia punctelor
singulare (nucleu şi delta), Fig. 5.3(d).
31
Figura 5.2 Curba ROC pentru algoritmul propus.
(a) (b) (c) (d)
Figura 5.3 Detecţii real pozitive în recunoaşterea imaginilor cu amprente alterate (pentru un index de alterare Th<10%): (a) obliterate, (b) plastie în Z, şi (c) transplant de piele de la un
deget la altul.
Metoda propusă extrage structuri de creste papilare denaturate, astfel încât pentru imagini
cu amprente naturale dar de foarte proastă calitate, cât şi pentru imagini cu amprente afectate de
boli ale pielii, algoritmul va returna zonele afectate.
Metoda poate fi îmbunătăţită prin adăugarea de noi etichete pentru cele două cazuri în care
amprenta digitală este denaturată în mod natural, şi nu deliberat.
32
Cap 6. Concluzii
În particular, această lucrare se concentrează asupra tentativelor de atac asupra unui sistem
biometric prin folosirea de amprente nenaturale – alterate în mod deliberat (modificate prin
operaţii chirurgicale sau tăieturi, arsuri), cu scopul de a masca identitatea unei persoane evitând
astfel identificarea.
Cercetarea în domeniul recunoaşterii amprentelor alterate reprezintă o problemă deschisă.
În ciuda numeroaselor cazuri de tentativă de alterare a tiparului amprentei digitale, sunt foarte
puţine lucrări publicate în domeniu. Capitolul 2 este dedicat stadiului actual al cunoaşterii în
domeniu, în care am prezentat aspecte fundamentale pentru analiza şi reprezentarea imaginilor
cu amprente, vulnerabilităţile la care sunt expuse sistemele biometrice bazate pe amprente şi
stadiul actual al cercetării în domeniul amprentelor alterate.
Pentru analiza amprentelor alterate am folosit trăsături globale ce pot fi extrase din
imaginea cu amprentă: câmpul de orientare al crestelor, frecvenţa crestelor şi puncte singulare.
Metodele propuse pentru extragerea acestor tipuri de trăsături au fost prezentate în Capitolul 2,
pe parcurul tezei prezentând şi metodele pe care le-am implementat în cadrul algoritmilor
propuşi: metoda bazată pe gradient pentru extragerea câmpului de orientare (Capitolul 4),
metoda bazată pe semnătura x pentru extragerea frecvenţei crestelor (Capitolul 5) şi indicele
Poincaré pentru extragerea punctelor singulare (Capitolul 2).
Întrucât, în acest moment nu există o bază de date publică cu imagini cu amprente real
alterate, ci doar colecţii personale ale experţilor criminialişti, am propus simularea alterării în
imagini cu amprente, având ca suport baza de date FVC2002. Capitolul 4 este dedicat metodelor
propuse de analiză a amprentelor alterate.
Rezultatele cercetărilor din cadrul studiilor doctorale au fost prezentate în articole publicate
sau în curs de recenzie.
Conferinţe internaţionale:
Petrovici, (2012), Simulating Alteration on Fingerprint Images, IEEE Workshop on
Biometric Measurements and Systems for Security and Medical Applications (BIOMS
2012), September 14, Salerno, Italy, CD, ISBN 978-1-4673-2721-3.
Lucrare premiată cu “GIRPR Best Student Paper Award”
Petrovici and C. Lazar, (2011), Estimation of the Directional Field Anisotropy based on
Mohr's Circle în Fingerprint Images, IEEE International Conference on Intelligent
Computer Communication and Processing (ICCP 2011), August 25-27, Cluj-Napoca,
Romania, pp. 323-326, ISBN 978-1-4577-1479-5.
Petrovici and C. Lazar, (2011), Detection of Altered Fingerprints Using a Mahalanobis
Distance Based Classifier, Proceedings of 18th International Conference on Control
Systems and Computer Science (CSCS18 2011), May 24-27, Bucuresti, Romania, pp.
604-611, ISSN 2066-4451.
33
Petrovici and C. Lazar, (2010), Altered Fingerprints Analysis Based on Orientation Field
Reliability, Proc. of 14th International Conference on System Theory and Control,
October 17-19, Sinaia, Romania, pp. 385-391, ISBN 2068-0465.
Reviste:
Petrovici and C. Lazar, (2010), Identifying Fingerprint Alteration Using the Reliability
Map of the Orientation Field, The Annals of the Univeristy of Craiova, Series
Automation, Computers, Electronics and Mechatronics, Vol. 7 (34), No. 1, 2010, pp. 45-
52, ISSN 1841-0626.
Lucr ări pentru care se efectuează recenzia:
Petrovici and C. Lazar, (2012), Fingerprint alterations labeling by relaxation operations,
Journal of Control Engineering and Applied Informatics (CEAI).
Petrovici and C. Lazar, (2012), Detection of altered fingerprints by extracting singular
regions through relaxation labeling, The 6th IEEE / IAPR International Conference on
Biometrics, Madrid, Spain.
Petrovici and C. Lazar, (2012), Altered fingerprints analysis based on SIFT keypoints,
Buletinul Institutului Politehnic din Iasi, Automatic Control and Computer Science
Section.
34
Bibliografie (Bazen and Gerez, 2002). Bazen A.m and Gerez s. H., „Systematic Methods for the Computation
of the Directional Fields and Singular Points of Fingerprints”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, no. 7, pp. 905-919, 2002.
(BioLab, 2007). BioLab – University of Bologna, “FVC 2006 Web Site,” online: http://bias.csr.unibo.it/fvc2006.
(Burger et al., 2011). B. Burger, D. Fuchs, E. Sprecher, and P. Itin, “The immigration delay disease: adermatoglyphia-inherited absence of epidermal ridges”, Journal of the American Academy of Dermatology, vol. 64, pp. 974-980, 2011.
(Burks, 1958). Burks J.W., “The Effect of Dermabrasion on Fingerprints: A Preliminary Report”, Archives of Dermatology, vol. 77, no. 1, pp. 8 – 11, 1958.
(Cappelli, Ferrara and Maltoni, 2010). Cappelli R., Ferrara M. and Maltoni D., "Minutia Cylinder-Code: a new representation and matching technique for fingerprint recognition", IEEE Transactions on Pattern Analysis Machine Intelligence, vol.32, no.12, pp.2128-2141, December 2010.
(Chang and Lin, 2001). Chang C.-C. and Lin C.-J., LIBSVM: a library for support vector machines, 2001, software online: http://www.csie.ntu.edu.tw/~cjlin/libsvm.
(Chen and Jain, 2007). Chen Y. and Jain A.K., “Dots and Incipients: Extended Features for Partial Fingerprint Matching,” in Proc. Biometric Symposium, 2007.
(Chikkerur, Cartwright and Govindaraju, 2006). Chikkerur S., Cartwright A.N. and Govindaraju V., “K-plet and Coupled BFS: A Graph Based Fingerprint Representation and Matching Algorithm,” in Proc. Int. Conf. on Biometrics, LNCS 3832, pp. 309–315, 2006.
(Chikkerur et al., 2005). S. Chikkerur, V. Govindaraju, and A.N. Cartwright, "Fingerprint Image Enhancement Using STFT Analysis", in Proc. ICAPR, vol. 2, pp.20-29, 2005.
(Cummins, 1935). Cummins H., “Attempts to Alter and Obliterate Finger-prints”, Journal of American Institute of Criminal Law and Criminology, vol. 25, pp. 982–991, 1935
(Dalal and Triggs, 2005). N. Dalal and B. Triggs, “Histograms of Oriented Gradients for Human Detection,” Proc. IEEE Computer Vision and Pattern Recognition Conf., vol. 1, pp. 886-893, June 2005.
(Drahansky et al., 2012). M. Drahansky, M. Dolezel, J. Urbanek, E. Brezinova, and T. Kim, “Influence of skin diseases on fingerprint recognition”, Journal of Biomedicine and
Biotechnology, May 2012. (Feng, 2008). Feng J., “Combining minutiae descriptors for fingerprint matching,” Pattern
Recognition, vol. 41, no. 1, pp. 342–352, 2008. (Feng and Jain, 2011). Feng J. and A. K. Jain, "Fingerprint Reconstruction: From Minutiae to
Phase", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 33, No. 2, pp. 209-223, February, 2011.
(Feng, Jain and Ross, 2009) . Feng J., Jain A. K. and Ross A., “Fingerprint Alteration”, MSU Technical report, MSU-CSE-09-30, Dec. 2009.
(Feng, Jain and Ross, 2010) . Feng J., Jain A. K. and Ross A., "Detecting Altered Fingerprints", ICPR, Istanbul, Turkey, August 23-26, 2010.
FVC2002. FVC2002: the Second International Fingerprint Verification Competition, http://bias.csr.unibo.it/fvc2002/. (Hong et al., 1998). Hong L., Wan Y. and Jain A. K., “Fingerprint Image Enhancement:
Algorithm and Performance Evaluation”, IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 20, no. 8, pp. 777–789, 1998.
(Jain, Chen and Demirkus, 2007). Jain A.K., Chen Y. and Demirkus M., “Pores and ridges: High-resolution fingerprint matching using Level 3 features,” IEEE Transactions on Pattern Analysis Machine Intelligence, vol. 29, no. 1, pp. 15–27, 2007.
35
(Jea and Govindaraju, 2005). Jea T.Y. and Govindaraju V., “A minutia-based partial fingerprint recognition system,” Pattern Recognition, vol. 38, no. 10, pp. 1672–1684, 2005.
(Jiang and Yau, 2000). Jiang X. and Yau W.Y., “Fingerprint Minutiae Matching Based on the Local and Global Structures,” in Proc. Int. Conf. on Pattern Recognition (15th), vol. 2, pp. 1042–1045, 2000.
(Khalil et al., 2010). Khalil M. S., Muhammad D., Khan M. K. and Alghathbar K., ”Singular Points Detection using Fingerprint Orientation Field Reliability”, International Journal of Physical Sciences, volume 5 (no. 4), 2010, 352-357.
(Lowe, 2004). Lowe D., „Distinctive image features from scale-invariant keypoints”, International Journal of Computer Vision, 60(2), pag. 91-110, 2004.
(Maltoni et al., 2009). Maltoni D., Maio D., Jain A. K. and Prabhakar S., Handbook of Fingerprint Recognition, Springer, 2009.
(Marcialis, Roli and Tidu, 2010). Marcialis G.L., Roli F. and A. Tidu, „Analysis of Fingerprint Pores for Vitality Detection”, Proc. of 20th IEEE/IAPR International Conference on Pattern Recognition (ICPR 2010), August, 23-26, 2010, Instanbul, Turkey, pp. 1289-1292.
(Moenssens, 1971). Moenssens A., Fingerprint Techniques, Chilton Book Company, London, 1971.
NIST. http://www.nist.gov/ NIST4, NIST Special Database 4, NIST 8-Bit Gray Scale Images of Fingerprint Image Groups
(FIGS), http://www.nist.gov/srd/nistsd4.htm. (Perlin, 1985). Perlin K., “An image synthesizer,” Computer Graphics, vol. 19, no. 3, pp 287–
296, 1985. (Perlin, 2002). Perlin K., “Improving Noise,” in Proceedings of the 29th annual conference on
Computer Graphics and interactive techniques (SIGGRAPH), ACM Press, pp. 681–682, 2002.
(Petrovici, 2012). Petrovici A., “Simulating Alteration on Fingerprint Images”, IEEE Workshop on Biometric Measurements and Systems for Security and Medical Applications BIOMS, September 14, Salerno, Italy, CD, 2012.
(Petrovici and Lazar, 2012a)*, „Fingerprint alterations labeling by relaxation operations”, Journal of Control Engineering and Applied Informatics (CEAI).
(Petrovici and Lazar, 2012b)*, „Detection of altered fingerprints by extracting singular regions through relaxation labeling”, The 6th IEEE / IAPR International Conference on Biometrics, Madrid, Spain.
(Petrovici and Lazar, 2012c)*, „Altered fingerprints analysis based on SIFT keypoints”, Buletinul Institutului Politehnic din Iasi, Automatic Control and Computer Science Section.
(Petrovici and Lazar, 2011a), Petrovici A. and Lazar C., “Detection of Altered Fingerprints Using a Mahalanobis Distance Based Classifier”, Proceedings of 18th International Conference on Control Systems and Computer Science (CSCS18 2011), May 24-27, Bucuresti, Romania, pp. 604-611, 2011.
(Petrovici and Lazar, 2011b), Petrovici A. and Lazar C., “Estimation of the Directional Field Anisotropy based on Mohr's Circle in Fingerprint Images”, IEEE International Conference on Intelligent Computer Communication and Processing (ICCP 2011), August 25-27, Cluj-Napoca, Romania, pp. 323-326, 2011.
(Petrovici and Lazar, 2010a), Petrovici A. and Lazar C., “Altered Fingerprints Analysis Based on Orientation Field Reliability”, Proc. of 14th International Conference on System Theory and Control, October 17-19, Sinaia, Romania, pp. 385-391, 2010.
(Petrovici and Lazar, 2010b), Petrovici A. and Lazar C., “Identifying Fingerprint Alteration Using the Reliability Map of the Orientation Field”, The Annals of the Univeristy of Craiova, Series Automation, Computers, Electronics and Mechatronics, Vol. 7 (34), No. 1, 2010, pp. 45-52, 2010.
36
(Ratha et al., 2000). Ratha N.K., Pandit V.D., Bolle R.M. and Vaish, V., “Robust Fingerprint Authentication Using Local Structural Similarity,” in Proc. Workshop on Applications of Computer Vision, pp. 29–34, 2000.
(Samischenko, 2001). S. S. Samischenko, Atlas of the unusual papilla patterns / Atlas neobychnykh papilliarnykh uzorov, Urisprudentsiia, Moscow, 2001.
(Singh, 2008). Singh K., „Altered Fingerprints”, 2008, online: http://www.interpol.int/Public/ Forensic/fingerprints/research/alteredfingerprints.pdf.
(Stosz and Alyea, 1994). Stosz J.D. and Alyea L.A., “Automated System for Fingerprint Authentication Using Pores and Ridge Structure,” in Proc. of SPIE (Automatic Systems for the Identification and Inspection of Humans), vol. 2277, pp. 210–223, 1994.
(Updegraff, 1934). Updegraff H. L., “Changing of Fingerprints”, The American Journal of Surgery, vol. 26, pp. 533–534, 1934
(Wong, Choo and Tan, 2009). Wong M., Choo S.-P. and Tan E.-H., “Travel Warning with Capecitabine”, Annals of Oncology, 2009.
(Yoon, Feng and Jain, 2012). Yoon S., Feng J. and Jain A. K., "Altered Fingerprints: Analysis and Detection", IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012
(Zhao and Jain, 2010). Zhao Q. and A. K. Jain, "On the Utility of Extended Fingerprint Features:A Study on Pores", CVPR, Workshop on Biometrics, San Francisco, June 18, 2010.
(Zhao, Feng and Jain, 2010). Zhao Q., Feng J. and A. K. Jain, "Latent Fingerprint Matching: Utility of Level 3 Features", MSU Technical Report. MSU-CSE-10-14, Aug. 2010.
* - lucrări în curs de recenzie.
