Professional Documents
Culture Documents
Fingerprint Matching Based On Two-Dimensional Discrete Hartley Transform
Fingerprint Matching Based On Two-Dimensional Discrete Hartley Transform
: املقدمة-1
والتصويت،إن انتشار محطات الوصول إلى املعلومات واالستخدام املتزايد للتطبيقات (مثل التجارة
والخدمات املصرفية اإللكترونية) التي تنطوي على نقل البيانات الشخصية تجعل من الضروري توفير،اإللكتروني
.أنظمة موثوقة سهلة االستخدام ومقبولة بشكل عام
إن أنظمة التحقق من الهوية التقليدية مثل جوازات السفر وبطاقات الهوية وكلمات املرور والرموز السرية َّ
يمكن تزويرها بسهولة ،ويبدو أن القياسات الحيوية توفر وسيلة للتغلب على بعض عيوب هذه األنظمة ،باستخدام
ً ً
التحقق الخاص بكل فرد .لفترة طويلة ظل استخدام القياسات الحيوية مقتصرا على تطبيقات الشرطة نظرا
][1
إلمكاناتها ومزاياها ،ويجري اآلن النظر في استخدام هذه التكنولوجيا للعديد من املهام األخرى.
وقد تم تطوير التطبيقات التجارية للتعرف على األشخاص على أساس مالمح الوجه ،بصمات األصابع،
القزحية ،فحص شبكية العين ،وهندسة اليد واإلصبع ،أو الصفات السلوكية للفرد مثل صوت الطباعة ،طريقة
املش ي ،التوقيع ،وآلية الكتابة على لوحة املفاتيح مع مستويات متميزة من املزايا .هذه املعرفات البيومترية (الحيوية)
][2
تعاني من القيود ،والتي يتم التغلب عليها باستخدام نمط فريد من التالل والوديان في صور بصمات األصابع.
حيث إنه في اآلونة األخيرة أصبح من السهل التعرف على بصمات األصابع بطريقة آلية سريعة ،وذلك بسبب
التقدم في قدرات أجهزة الحاسب اآللي وهو ما يعرف بتقنية التعرف على بصمة اإلصبع حيث يشير إلى آلية التحقق
من تطابق بصمتي إنسان باستخدام الخصائص والسمات الفريدة لبصمة اإلصبع.
فالتعرف على بصمات األصابع هو واحد من أكثر املقاييس الحيوية شهرة ،كما أن بصمات األصابع من أقدم
الصفات التي استخدمت ألكثر من قرن لتحديد الهوية إن القوة في استخدام بصمات األصابع يرجع إلى «تفرد
][3
البصمة» وتميزها ،وثباتها
][2
الفكرتين األساسيتين اللتين يعتقد العلماء بهما حول تمييز األفراد عن طريق بصمات األصابع هما:
ً
-1بصمات األصابع ال تتغير أبدا حتى عند التقدم في السن حيث تتشكل التالل الصغيرة على يد الشخص
وقدميه قبل أن يولد وال تتغير ما دام الشخص على قيد الحياة.
َّ
-2ال يمكن أن تتطابق البصمات حتى بالنسبة للتوائم حيث تشير الدراسة إلى أن بصمات التوائم املتطابقة لها
ً
تفاصيل دقيقة مختلفة (والتي يمكن استخدامها ألغراض تحديد الهوية) ،من املمكن أن تكون متشابهة جدا
ً
عند النظر إليها بالعين املجردة ولكن هذا ال يعني تطابقها أبدا.
لبصمة اإلصبع ثالث سمات مميزة والتي تظهر في تركيبات البصمة حيث ال تتشابه على أيدي أو أقدام أي
][4
شخصين:
.1نهايات التالل :وهي ببساطة نهاية التالل.
.2التفرع (االنقسامات أو التشعبات) :هو انقسام على شكل حرف 𝑌 من حافة واحدة إلى قسمين.
ً
.3النواة :هي سلسلة قصيرة جدا على شكل نقطة تبدو وكأنها "".
][2
والشكل التالي يوضح سمات بصمة اإلصبع:
-2مشكلة البحث:
إن املشكلة األساسية التي تقوم املنهجية بمعالجتها هي مشكلة دقة مطابقة البصمات خاصة في التطبيقات
الحساسة مثل البنوك وغيرها وكذلك زمن املعالجة ملطابقة البصمات حيث إن املنهجيات املوجودة مبنية على
التحويل املويجي ومرشحات غابور والذي يتطلب تعقيدية حاسوبية كبيرة وزمن معالجة كبير إضافة إلى الصعوبة في
ً
اختيار املويجة األم أو تصميم املرشحات وفق التطبيق املطلوب مما يزيد أيضا من نسبة الخطأ.
-3الدراسات السابقة:
تعتمد معظم خوارزميات مطابقة البصمات على التفاصيل minutiaeاملأخوذة من األصابع ،حيث قام
الباحث هيرشاك " "Hrechakوآخرون بتطوير طريقة مطابقة بنيوية مبنية على التفاصيل ] [8الستخراج تفاصيل ذات
جودة عالية ،في حين اقترح الباحث شيرلوك " "Sherlockوآخرون ترشيح فورييه اتجاهي من أجل تعزيز وتحسين
وطور الباحث ناليني " "Naliniنظام مطابقة بصمة األصابع املبني على التفاصيل في الزمن الحقيقي بصمة األصابع ]ّ [9
من أجل مجموعة ضخمة من قاعدة البيانات ] ،[10وتم تنفيذ مطابقة التفاصيل املعتمدة على الشجرة الثنائية من
][11-12
قبل الباحث جين " "Jainوآخرون.
إن الدراسات املرجعية املذكورة أعاله ال تعطي معدل مطابقة جيد ألن نهاية التالل واالنقسامات ال تعطي
معلومات كافية عن املطابقة بمفردها ،ومن أجل تحسين معدل التطابق يتم تكامل ودمج بعض سمات التفاصيل مع
سمات أخرى من أجل الحصول على درجة موثوقية أعلى وزيادة معدل التطابق كما في التقنية املعتمدة على متجهات
][13-15
الطاقة التي تم اقتراحها من قبل العالم ناغاتي "."Nagaty
املحدودية األساسية في التقنية املبنية على التفاصيل أنها تستخرج السمات املحلية من صورة البصمات
فقط ،استخدم العالم جين " "Jainوآخرون مرشحات غابور لسد الثغرات في هذه التقنية حيث أن الخوارزمية
املقترحة تستخدم بنك من مرشحات غابور من أجل التقاط السمات املحلية والسمات العامة حيث أعطت نتائج
أفضل باملقارنة مع املطابقة باستخدام التفاصيل وتبين الدراسات املرجعية ] [16-18أن هذه اإلجرائية تعطي نتائج
أفضل حيث تم استخدام ثمانية مرشحات غابور زوجية والتي تعطي سمات الصورة الزوجية.
تمت مناقشة مرشحات غابور املعقدة والتي تجمع بين املميزات الفردية والزوجية في املرجع ] [16حيث أنه
وعند زيادة عدد فالتر غابور تزداد نسبة املطابقة ويظهر هذا في املرجع ] [19حيث تم استخدام ستة عشر مرشح،
وأعطى مرشح غابور نتائج جيدة ولكن كانت له املحدوديات اآلتية:
.1توابع غابور األساسية غير متعامدة ألن هذا يتطلب كمية كبيرة من الذاكرة.
ً
.2التعقيدية الحاسوبية لخوارزمية غابور مرتفعة جدا مما يقيد من سرعة التطابق.
من أجل التغلب على القيود املوجودة في مرشحات غابور قام العالم تيكو " "Ticoوآخرون ] [20بتطوير تقنية
مطابقة بصمات األصابع باالعتماد على التحويل املويجي Wavelet transformحيث إن توابعه األساسية متعامدة
وعلى الرغم من أن هذه الخوارزمية أسرع باملقارنة مع مرشحات غابور لكن نتائجها ليست جيدة كما هي في مرشحات
][21-23
غابور.
وبناء على ما سبق تم في هذا البحث اقتراح منهجية جديدة باالعتماد على تحويل هارتلي من أجل استخراج ً
السمات والتي تعتبر أسرع باملقارنة مع مرشحات غابور وذات تعقيدية قريبة من التعقيدية الحاسوبية للتحويل
املويجي كما أنها توفر معلومات تمييزية أفضل من التحويل املويجي.
يمكن اختصار النتيجة السابقة باملخطط التالي:
املخطط( (1مخطط املقارنة بين مرشح غابور والتحويل املويجي وتحويل هارتلي
مقارنة
تحليل الصورة األساسية ملستويين اثنين باستخدام ترتيبات املناطق التسعة ملعامالت 𝑇𝑊𝐷(التحويل
𝑇𝑊𝐷 (التحويل املويجي املتقطع) املويجي املتقطع) الستخراج املعالم
الشكل( )3التحويل املويجي للصورة األساسية والصورة املجزأة (الصورة املجزأة لربع واحد ويكرر لكل ربع)
𝑀−1 𝑁−1
1
= )𝑛𝐷𝑗 (𝑗0 ،𝑚، )∑ ∑ 𝑓(𝑥،𝑦)𝜓𝑗 ،𝑚،𝑛 (𝑥،𝑦) (2
√𝑀𝑁 𝑥=0 𝑦=0 0
حيث إ َّن:
𝑗𝐿 تعطي معامالت التقريب ( approximationالشكل العام للصورة)
𝑗𝐷 تعطي تفصيل detailedللمويجة لصورة البصمة عند السوية ( 𝑗 − 1تفاصيل الصورة)
وتعبر 𝐻و 𝐿 في الصورة السابقة عن مرشح تمرير منخفض ومرشح تمرير مرتفع وتستخدم من أجل تفكيك
(تحليل) decompositionصورة البصمة ،وتعطي 𝐿𝐿1تقريب الصورة االصلية عند املستوى 1للتحليل املويجي
ثنائي البعد ،كما تعطي الحزم الفرعية 𝐿𝐻1، 𝐻𝐿1، 𝐻𝐻1تفاصيل الصورة األصلية عند املستوى 1للتحليل
املويجي ثنائي البعد.
تعبر املعادلة ) (3عن التحليل املويجي ثنائي البعد على الثمانيات jللصورة املتقطعة )𝑦 𝑓(𝑥،كصور
فرعية من الشكل :3j + 1
} (𝐿𝑗 ، {𝐷𝑗1 ،𝐷𝑗2 ،𝐷𝑗3 )) (3
𝐽……𝑗=1
حيث 𝑗𝐿تقريب الصورة األصلية بدقة منخفضة و 𝑘𝑗𝐷 التحويل املويجي للصور الفرعية املحتوية على
تفاصيل الصورة عند قياسات مختلفة 𝑗 2وكذلك اتجاهات مختلفة (أفقية ،شاقولية وقطرية) .يمكن حساب
االنحراف املعياري والطاقة ملعامالت DWTمن كل مستوى تحليل مويجي لكل صورة فرعية من أجل إنشاء سمة
ً علما أن التحليل ألكثر من ثالثة مستويات ال يقدم مساهمة ًّ
فعالة في معدل اإلدراك إضافة إلى أنه متجه الطول 𝑗.3
يزيد من التعقيدية الحاسوبية.
يتم تمثيل االنحراف املعياري والطاقة باملعادلتين ) (4و) (5على التوالي:
𝑁−1 𝑁−1
1
√=𝑆 )∑ ∑(𝑏 (𝑖،𝑗) − 𝑀)2 (4
𝑁×𝑁
𝑖=0 𝑗=0
𝑁−1 𝑁−1
1
= ) 𝐸(𝑦𝑔𝑟𝑒𝑛𝑒 )∑ ∑ |𝑏 (𝑖،𝑗)| (5
𝑁×𝑁
𝑖=0 𝑗=0
حيث )𝑗 𝑏 (𝑖،تمثل قيمة البكسل للصورة الفرعية املحللة و𝑁 × 𝑁 حجم الصورة الفرعية املحللة
ً
و Mهي متوسط الصورة الفرعية و Sاالنحراف املعياري للصورة الفرعية و Eالطاقة للصورة الفرعية ،وكال من
االنحراف املعياري والطاقة تستخدم من أجل تشكيل متجه السمة وبالتالي يكون طول متجه السمة .72
الشكل ( )4مقارنة بين ( )aمعامالت التحويل املويجي املتقطع )b( ،معامالت تحويل هارتلي املتقطع
الشكل ( )a( )6الصورة األصلية )b( ،الصورة بعد عملية القص بنافذة 128×128
الشكل ( )a( )7تحويل هارتلي للصورة التي تم قصها بحجم 128×128حول نواة البصمة )b(،تفكيك الصورة
املحولة وفق هارتلي إلى أربعة أجزاء بحجم .64×64
الشكل( )8ترتيب املناطق التسعة ملعامالت تحويل هارتلي من أجل استخراج السمة ( )aللصورة الجزئية األولى
( )bللصورة الجزئية الثانية ( )cللصورة الجزئية الثالثة ( )dللصورة الجزئية الرابعة
تعطي املعادلة ( )8تمثيل ملتجهات السمة لكل من صورة قاعدة البيانات وصورة االختبار:
)𝐹𝑖 ،𝐹𝑡 = [𝑆1 ،𝑆2 ،𝑆3 ، … ،𝑆36 ،𝐸1 ،𝐸2 ،𝐸3 ، … ،𝐸36 ] (8
ً
ويكون طول متجه السمة مساويا لـ ×4عدد الحزم الجزئية × عدد معامالت السمة املدمجة ،ويتم تخزين
سمات صورة قاعدة البيانات من أجل تشكل قاعدة بيانات السمة.
ً
ولكن املسافة اإلقليدية ليست دائما املقياس األفضل وذلك ألنه يتم تربيع املسافات قبل جمعها مما يؤثر
ً
على تلك السمات وبالتالي يكون عدم التشابه كبيرا وبالتالي يجب التفكير هنا باستخدام طريقة يتم فيها حساب
ً
بدال من التربيع كمقياس عام للتباين أو عدم التشابه ويطلق على مجموع الفرق املجموع املطلق للفروق في كل بعد
ُ ً
املطلق أحيانا بـ City Blockأو مسافة منهاتن Manhattan distanceوتعرف مسافة منهاتن أو L1كما في املعادلة
( )10اآلتية:
𝑁
-6مناقشة النتائج:
أن النتائج عند املستوى الثالث أفضل من النتائج عند مستوى التفكك 1و .2وال نالحظ في الجدول (َّ )1
توجد زيادة ملحوظة في GARأو نقصان ملحوظ في FARخارج املستوى الثالث ولكنها تزيد من طول متجه السمة
ومن هنا سوف يزداد زمن املعالجة وبالتالي ُوجد أن املستوى الثالث هو مستوى التفكك األمثل للمقارنة ،ومتوسط
األداء للمستويات الخمسة للمنهجية املقترحة يعطي نتائج افضل من DWTكما هو واضح من الجدول ( )1أعاله.
تفوق املنهجية املقترحة على DWTومرشح غابور. ويظهر الجدول (ّ )2
معدل القبول الكاذب FARمن %21.84إلى وقد أظهرت النتائج التجريبية أن الطريقة املقترحة تقلل من ّ
ً
%16.74على أساس قاعدة بيانات جامعة بولونيا ومن %31.29إلى %28.69استنادا إلى قاعدة بيانات
FVC2002مقارنة مع املنهجيات املوجودة والتي تستخدم سمات التحويل املويجي ،وحيث إن تحويل هارتلي
يحسب القيم الحقيقية فقط على العكس من تحويل فورييه املتقطع الذي يتطلب عمليات جمع وضرب عقدية مما
يعني تعقيدية حسابية أكبر
: الخالصة والتوصيات-7
تم في هذا البحث إظهار أن تحويل هارتلي يمكن أن ُيستخدم بكفاءة الستخراج سمات مفيدة وتمييزية من َّ
نقترح دراسة منهجية مبنية على تحويل الجيب املتقطع ثنائي البعد.صور بصمات األصابع ملطابقة البصمات
وزيادة،( على نفس قاعدة البيانات السابقة ومن ثم مقارنة النتائج مع تحويل هارتلي ثنائي البعد املتقطعDCT)
عدد السمات التي يمكن مقارنتها باستخدام سمات احصائية واحتمالية مثل التباين واالنتروبي والتشتت والنزعة
.املركزية لزيادة الدقة
: املراجع-8
[1] Bernadette, D., Carmen, G.M. "Multimodal Biometrics," Annals of Telecommunications, Volume 62(2)-
May 4, 2012.
[2] Fingerprint recognition in Arabic, http://www.pitt.edu.
كيف يتم التعرف على بصمة اإلصبع بطريقة آلية؟│صوت األمة.[ علوم مسرح الجريمة3]
(http://www.soutalomma.com/Article/812303)
أنا أصدق العلم- [ كيف يعمل النظام اآللي للتعرف على بصمات األصابع؟4]
(https://ibelieveinsci.com/?p=55452)
[5] Bharkad, S.D., Kokare, M.B. "Fingerprint Identification: Ideas, pattern recognition, Machine intelligence
and Biometrics(PRMI)," Chapter 17, Springer publication 2011, pp.417-455.
[6] Bharkad, S., Kokare, M. "Survey of current fingerprint matching methods," Proceeding in international
conf. on Computer networks and security, 2008, pp.352-355.
[7] Cummins, H., Midlo, C. "Fingerprints, Palms and Soles: An Introduction to Dermatoglyphics," Dover
Publications, Inc., New York, 1961.
[8] Hrechak, A.K., McHugh, J.A. "Automated fingerprint recognition using structural matching," IEEE Trans.
Pattern Anal. Mach. Intell, 1996, pp.799-813.
[9] Sherlock, B.G., Monro, D.M., Millard, K. "Fingerprint enhancement by directional Fourier filtering," IEE
Proc., Vision, Image Signal Process, 1994, pp.87-94.
[10] Nalini, K.R., Karu, K., Chen, S., Jain, A.K. "A real-time matching system for large fingerprint databases,"
IEEE Trans. Pattern Anal. Mach. Intell, 1996, pp.799-813.
[11] Bhowmick, P., Bhattacharya, B.B. "Approximate Fingerprint Matching Using Kd tree," proc.IEEE on
pattern Recognition, 2004, pp.544-547.
[12] Jain, M.D., Nalin, P., Prakash, C., Balasubramanian, R. "Binary Tree Based Linear Time Fingerprint
Matching," Proc. IEEE on Image Processing, 2006, pp.309-312.
[13] Bartunek, J.S., Nilsson, M., Nordberg, J., Claesson, I. "Neural Network Based Minutiae Extraction from
Skeletonized Fingerprint," proc.IEEE on TENCON, 2006, pp.1-4.
[14] Nagaty, K.A., "An Energy-Based Fingerprint Matching System," Proc. IEEE on Consumer
Communications and Networking, 2004, pp.706-709.
[15] Tico, M., Kuosmanen, P. "Fingerprint Matching Using an Orientation-Based Minutia Descriptor," IEEE
Trans. on Pattern Analysis and Machine Intelligence, 2003, pp.1009-1014.
[16] Horton, M., Meenen, P., Adhami, R., Cox, P. "The Costs And Benefits of using complex 2D Gabor Filter
in a filter Based Fingerprint Matching system." Proc.IEEE on System Theory, 2002, pp.171-175.
[17] Jain, A.K., Prabhakar, S., Hong, L., Pankanti, S. "Finger Code: A Filterbank for Fingerprint
Representation and Matching," Proc.IEEE on Computer Vision and Pattern Recognition, 1999, pp.187-193.
[18] Jain, A.K., Prabhakar, S., Hong, L., Pankanti, S. "Filterbank-Based Fingerprint Matching," IEEE Trans. On
image processing, 2000, pp.846-859.
[19] Munir, M.U., Javed, M.Y. "Fingerprint Matching using Ridge Patterns," Proc.IEEE on Information and
Communication Technology, 2005, pp.116-120.
[20] Tico, M., Immonen, E., Ramo, P., Kuosmanen, P., Saarinen, J. "Fingerprint Recognition Using Wavelet
Features," The 2001 IEEE International Symposium on Circuits and Systems, 2001, pp.21-24.
[21] Bharkad, S., Kokare, M. "Comparison of Transform based features for fingerprint Matching,"
Proceeding in IEEE conf. on Electronic Design and Signal Processing, December, 2009.
[22] Bharkad, S., Kokare, M. "Sine Transform Based fingerprint Matching," International journal of
Technology and engineering system, Vol.01, 2010, pp.131-136.
[23] Bharkad, S., Kokare, M. "Sine Transform Based fingerprint Matching," Proceeding in international
conf. on Information science and applications, 2010, pp.56-59.
[24] Hong, L., Wan, Y., Jain, A.K. "Fingerprint Image Enhancement: Algorithms and Performance
Evaluation," IEEE Transactions on PAMI, 1998, PP.777-789.
[25] Jain, A. "Fundamentals of Digital Image Processing," Englewood Cliffs, NJ: Prentice-Hall, 1989.
[26] Bharkad, S., Kokare, M. "Performance evaluation of distance metrics: application to fingerprint
recognition," International journal of pattern recognition and artificial intelligence (IJPRAI), Vol.25, No.6,
2011, pp.777-806.
[27] Biometric system Lab, University of Bologna, Casena-Italy, http://www.csr.unobo.it/research/biolabl.