Содержание к диссертации
Введение
Глава 1. Автоматическая аутентификация личности на основе дактилоскопической информации в системах информационной безопасности САПР СБИС 12
1.1 Назначение и структура биометрических систем аутентификации в системах информационной безопасности САПР СБИС. Режимы их функционирования 12
1.2 Критерии точности процедур биометрической аутентификации 16
1. 3 Дактилоскопические системы аутентификации 19
1.4 Методы распознавания отпечатков пальцев человека 20
1.5 Обобщенный метод обнаружения характерных точек (минюций) 23
1.5.1 Улучшение качества изображения отпечатка и выделение папиллярных линий 23
1.5.2 Обнаружение минюций и определение их характеристик 25
1.6 Задача сравнения точечных образов отпечатков и методы ее решения 26
1.7 Точность распознавания отпечатков пальцев при сравнении их точечных образов 33
1.8 Выводы и постановка задачи 35
Глава 2 Разработка математического и алгоритмического обеспечения для системы информационной безопасности САПР СБИС 37
2.1 Формирование системы информативных признаков при распознавании 37
2.2 Использование дополнительных признаков при образовании пар минюций в процессе сравнения точечных образов отпечатков пальцев 39
2.3 Разработка методов формирования и сравнения описателей для локальных областей поля направлений 42
2.4 Разработка методов формирования и сравнения описателей локальной конфигурации минюций 48
2.5 Разработка метода формирования коэффициента сходства минюций при сравнении точечных образов отпечатков 51
2.6 Разработка метода сравнения путем локального совмещения точечных образов отпечатков 53
2.7 Разработка алгоритма сравнения точечных образов отпечатков, основанного на использовании коэффициента сходства минюций 57
2.8 Разработка алгоритма глобального совмещения точечных образов, основанного на использовании преобразования Хока 62
2. 9 Выводы 69
Глава 3. Создание программного обеспечения, реализующего разработанные методы обработки и анализа цифровых изображений отпечатков пальцев, в составе ИБ САПР СБИС 71
3.1 Формирование требований к разрабатываемой библиотеке подпрограмм 71
3.2 Разработка общей структуры библиотеки подпрограмм 73
3.3 Определение набора функций, предоставляемых разрабатываемой библиотекой 75
3.4 Пример использования разработанной библиотеки в составе системы идентификации 82
3.5 Разработка подсистемы контроля локального доступа к ПЭВМ в составе системы ИВ САПР СВИС 85
3. б Выводы 91
Глава 4. Исследование эффективности разработанной системы признаков при сравнении точечных образов отпечатков в системах ИБ САПР СБИС 92
4.1 Исследование эффективности разработанной системы признаков в составе алгоритма сравнения путем локального совмещения точечных образов отпечатков 98
4.2 Исследование эффективности разработанной системы признаков в составе алгоритма сравнения путем глобального совмещения точечных образов, основанного на использовании преобразования Хока 104
4.3 Выводы 107
Заключение 109
Литература
- Критерии точности процедур биометрической аутентификации
- Разработка методов формирования и сравнения описателей для локальных областей поля направлений
- Определение набора функций, предоставляемых разрабатываемой библиотекой
- Исследование эффективности разработанной системы признаков в составе алгоритма сравнения путем глобального совмещения точечных образов, основанного на использовании преобразования Хока
Введение к работе
Последнее десятилетие характеризуется существенным прогрессом в области технологии производства интегральных схем. Это привело к появлению принципиально нового класса СБИС «систем на кристалле» (СНК), степень интеграции которых составляет не менее 1 млн. вентилей на кристалл. Одной из основных особенностей при проектировании СНК является повторное использование сложных функциональных (СФ, IP) блоков. СФ-блоки, как правило, предназначены для решения таких общих задач, как организация MPEG2 кодирования/декодирования, цифровой обработки сигналов, различных интерфейсов (USB, PCI) и т.п. При этом СФ-блок должен быть спроектирован таким образом, чтобы его можно было легко включить в состав той или иной СНК. Поэтому стоимость СФ-блока в среднем в 10 раз превышает стоимость аналогичного разово используемого блока. Использование специализированных библиотек СФ-блоков позволяет значительно сократить время проектирования, которое напрямую влияет на получаемую прибыль предприятий-разработчиков ИС.
Библиотеки СФ-блоков можно рассматривать как самостоятельный продукт, представляющий собой объект интеллектуальной собственности (Intellectual Property IP) . Поэтому в последнее время актуальным становится необходимость обеспечить эффективную защиту от несанкционированного доступа к проектным данным и документации, а также их нежелательной модификации. Для решения указанных задачи в состав современных САПР СБИС включаются системы информационной безопасности (ИБ). Основными функциями систем ИБ САПР СБИС являются: аутентификация пользователей, разграничение доступа пользователей САПР СБИС к определенным ресурсам, а также обеспечение защиты на сетевом уровне рабочих станций, на которых ведется проектирование.
Традиционными способами аутентификации в системах ИБ САПР СБИС являются методы, основанные на знаниях (пароли) и/или обладании ключом (идентификационные карты и т.п.). Достоинства использования указанных средств защиты заключаются в их простоте, а также низкой стоимости интеграции в различные системы безопасности. Однако такую защиту можно легко обойти в том случае, когда пароль становится известен постороннему человеку, а идентификационная карта оказывается похищенной. Более того, простые пароли не являются криптостойкими, а использование сложных и часто меняющихся паролей оказывается затруднительным для легальных пользователей при повторных обращениях к системе. Биометрические технологии распознавания личности призваны решить указанные проблемы современных систем безопасности.
Биометрические системы защиты относятся к системам автоматического распознавания личности, основанным на использовании определенных физиологических или поведенческих особенностей человека. Среди множества таких особенностей отпечатки пальцев обладают одним из самых высоких уровней надежности, что подтверждается многолетним использованием отпечатков пальцев судебными экспертами при расследовании уголовных преступлений.
Обычно отпечаток получают с помощью чернильного оттиска подушечки пальца на бумаге. В настоящее время появляются компактные устройства считывания, способные получать цифровые изображения отпечатков в реальном масштабе времени. Такие устройства имеют сравнительно низкую стоимость и могут быть легко интегрированы в существующую структуру систем безопасности. Это ведет к более широкому применению полностью автоматических систем распознавания по отпечаткам пальцев во многих областях, в том числе и системах ИБ САПР СБИС.
Поэтому разработка надежных методов и алгоритмов сравнения для автоматического распознавания личности по отпечаткам пальцев в режиме реального времени, с целью обеспечения информационной безопасности в САПР СБИС, является актуальной задачей.
Цель работы
Целью диссертационной работы является разработка математического, алгоритмического и программного обеспечения для автоматической подсистемы дактилоскопического распознавания личности в составе системы ИБ САПР СБИС. Для достижения поставленной цели необходимо решить следующие научно-технические задачи:
Исследовать существующие методы аутентификации пользователей, используемые в системах ИБ САПР СБИС.
Провести анализ признаков, характеризующих изображения отпечатков пальцев человека, а также существующих методов их формирования и сравнения.
Разработать методы формирования и сравнения векторов признаков, являющихся дополнительными по отношению к используемой системе признаков при сравнении отпечатков.
Разработать методы и алгоритмы автоматического сравнения цифровых изображений отпечатков, использующие векторы-описатели, которые несут дополнительную информацию о сравниваемых отпечатках.
Разработать программные средства, реализующие предложенные алгоритмы автоматического сравнения дактилоскопических изображений в составе системы ИБ САПР СБИС.
Исследовать влияние дополнительных векторов признаков на достигаемую точность распознавания в рамках разработанных алгоритмов сравнения отпечатков пальцев.
Научная новизна
Разработано математическое и алгоритмическое обеспечение системы ИБ САПР СБИС, включающее в себя:
Методы формирования и сравнения векторов-описателей для локальных областей поля направлений, отличающиеся от известных методов тем, что предлагается использовать блочное поле направлений, построенное при обнаружении минюций по исходному изображению отпечатка, с целью снижения вычислительных затрат на этапе построения вектора-описателя;
Методы формирования и сравнения векторов-описателей локальных конфигураций минюций, отличающиеся от известных тем, что при построении вектора-описателя вводится операция упорядочивания ребер графа локальной конфигурации в зависимости от направления центральной минюций. Это позволяет упростить процедуру их последующего сравнения;
Метод формирования коэффициента сходства минюций, который заключается в совместном использовании разработанных векторов-описателей при формировании пар минюций и может использоваться в качестве дополнительной информации при сравнении точечных образов отпечатков;
Метод и реализующий его алгоритм сравнения точечных образов отпечатков, основанный на использовании предложенного коэффициента сходства минюций;
Алгоритм глобального совмещения точечных образов, основанный на использовании преобразования Хока и предложенного коэффициента сходства минюций.
Практическая значимость работы
Результаты работы нашли применение в составе системы информационной безопасности САПР БИС. Предложенные алгоритмы формирования системы признаков при использовании в составе подсистемы дактилоскопической аутентификации позволяют повысить точность распознавания.
Реализация результатов работы
На основе полученных в работе результатов на предприятии 000 «Юник Ай Сиз» разработана система обеспечения информационной безопасности САПР БИС Avocad. Разработанное алгоритмическое и программное обеспечение внедрено в учебный процесс кафедры ПКИМС.
Использование разработанного алгоритмического обеспечения показывает преимущества его применения в системах автоматической аутентификации личности, входящих в состав ИБ САПР СБИС.
Представляется к защите
Математическое и алгоритмическое обеспечение системы ИБ САПР СБИС, включающее:
Методы формирования и сравнения векторов-описателей для локальных областей блочного поля направлений;
Методы формирования и сравнения векторов-описателей локальных конфигураций минюций, где с целью упрощения процедуры сравнения векторов используется операция упорядочивания ребер графа локальной конфигурации в зависимости от направления центральной минюций;
Метод формирования коэффициента сходства минюций. Указанный коэффициент является дополнительным по отношению к точечному образу отпечатка признаком, который может быть использован при проведении сравнения отпечатков;
Метод и реализующий его алгоритм сравнения точечных образов отпечатков, использующий разработанный коэффициента сходства минюций;
Алгоритм глобального совмещения точечных образов, основанный на использовании преобразования Хока, где с целью уменьшения влияния ложных или отсутствующих минюций на процесс определения параметров совмещения предложено использовать разработанный коэффициента сходства минюций.
Апробация результатов работы
Результаты диссертационной работы докладывались и обсуждались на международных и всероссийских научно-технических конференциях: V международная научно-техническая конференция «Электроника и информатика 2005 , Москва, 2005; XLVIII научная конференция МФТИ, Москва, 2005; 7 международная конференция «Распознавание образов и анализ изображений: новые информационные технологии», Санкт-Петербург, 2004; Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика-2004», Москва, 2004.
Публикации
Основные результаты диссертационной работы опубликованы в 7 печатных работах [33], [42] [47].
Структура и объем диссертации
Диссертация состоит из введения, четырех глав, заключения, приложения, содержащего акты внедрения результатов работы, списка использованных источников из 46 наименований.
Во введении обоснована актуальность темы, определены цели и задачи исследования, изложены научная новизна и практическая значимость работы.
В первой главе диссертационной работы рассмотрены назначение и структура биометрических систем аутентификации пользователей в составе систем ИБ САПР СБИС. Описаны режимы их функционирования. Рассмотрены критерии точности процедур биометрической аутентификации. Приведена классификация методов распознавания отпечатков пальцев человека. Сформулирована задача сравнения точечных образов отпечатков и дан обзор методов ее решения.
Во второй главе разработано математическое обеспечение и алгоритмическое обеспечение системы ИБ САПР СБИС. Сформулированы основные требования к используемым при распознавании отпечатков пальцев признакам. Проведен анализ особенностей папиллярного рисунка отпечатков пальцев человека, на основании которого разработаны методы формирования и сравнения векторов-описателей для локальных областей блочного поля направлений и локальных конфигураций минюций. Разработан метод формирования коэффициента сходства минюций, который заключается в совместном использовании разработанных векторов-описателей при формировании пар минюций. Используя разработанный коэффициент сходства минюций, построены алгоритмы сравнения цифровых изображений отпечатков.
Третья глава посвящена разработке программного обеспечения, реализующего разработанные методы обработки и анализа цифровых изображений отпечатков. Разработанное программное обеспечение представляет собой библиотеку подпрограмм, которая является составной частью ПО ИБ САПР СБИС. Сформулированы основные требования, предъявляемые к разрабатываемой библиотеке. Подробно описаны ее основные модули и их функции. Приведен пример использования разработанной библиотеки в составе ПО для аутентификации пользователей САПР СБИС Avocad.
В четвертой главе представлены полученные путем экспериментального тестирования оценки влияния каждого из разработанных векторов-описателей на достигаемую точность распознавания.
Описаны методы оценки вероятностей ошибок, определяющих точность процедуры сравнения отпечатков, при проведении верификации пользователей. Получены количественные показатели влияния разработанных векторов-описателей на достигаемую точность распознавания при различных пороговых значениях коэффициента подобия для баз цифровых изображений отпечатков, полученных с помощью недорогих моделей считывающих устройств.
В заключении отмечено, что все поставленные в диссертационной работе задачи полностью выполнены, приведены основные выводы.
В приложении приведены акты внедрения результатов диссертационной работы в различных организациях.
Критерии точности процедур биометрической аутентификации
Сформулируем задачу биометрической верификации (1.1) как задачу проверки следующих гипотез: — основная гипотеза Н0 : входной вектор YQ не принадлежит проверяемому пользователю С, имеющему шаблон Yc ; — альтернативная гипотезаНх : YQ принадлежит пользователю С, имеющему шаблон Yc.
Обозначим через 0 решение системы о том, что проверяемый пользователь не тот, за кого себя выдает, а через Д решение об успешном завершении проверки подлинности личности. Тогда процедура проверки основной гипотезы заключается в следующем: если коэффициент подобия S(YQ,YC) є [0,1] оказывается меньше порогового значения t, то принимается решение D0, иначе - Z), . Применение процедуры проверки гипотезы сопряжено со следующими ошибками: — ошибкой первого рода, которая задается вероятностью P(D,#0) отвергнуть гипотезу Я0, когда она верна (принять решение Dv, когда гипотеза Н0 верна); — ошибкой второго рода, которая определяется вероятностью P(Z)0#,) принять гипотезу Я0, когда она не верна (получить решение 0, когда гипотеза Нг верна). Обозначим через FMR (False Match Rate - вероятность ложного совпадения) вероятность ошибки первого рода, а через FNMR (False Non-Match Rate - вероятность ложного несовпадения (отказа)) вероятность ошибки второго рода.
Точность распознавания биометрической системы в режиме верификации определяется путем построения оценки FMR и FNMR для тестовых наборов биометрических данных. Подробнее данный вопрос применительно к процедуре верификации личности по отпечаткам пальцев рассмотрен в главе 4.
Необходимо отметить, что существует тесная взаимосвязь между значениями FMR и FNMR при проведении верификации. Так, FMR и FNMR можно рассматривать как функции от пороговой величины /. Уменьшение значения порога t делает систему более гибкой по отношению к деформациям и шумам, содержащимся во входных биометрических данных. Однако при этом FMR(t) будет увеличиваться. С другой стороны, увеличение пороговой величины t ведет к повышению безопасности системы, a FNMR(i) - увеличивается. Поскольку разработчик системы не всегда может предусмотреть всех сценариев использования системы верификации (или же система предназначена для широкого круга приложений), то целесообразно указать оценку точности системы для всех возможных рабочих точек (пороговых значений t). Такая зависимость задается с помощью графика зависимости FMR(t) от FNMR(t) (или ( -FNMR(t))) для различных пороговых значений / (Рис. 1.2).
Точность распознавания биометрической системы в режиме идентификации можно определить на основании оценок, полученных для этой системы в режиме верификации, используя следующие допущения.
Пусть N - количество шаблонов в БД системы. Будем считать, что при идентификации проводится поиск и сравнение для всех N шаблонов, а БД содержит единственный шаблон для каждого зарегистрированного пользователя. Тогда вероятность ошибки первого рода FMRH и вероятность ошибки второго рода FNMRN при идентификации будут определяться следующим образом [1]: FMRN = 1-(1- FMR)N, (1-3) FNMRN=FNMR. (1.4)
Ложное совпадение происходит в том случае, если входные данные незарегистрированного в системе пользователя совпадают с одним или несколькими шаблонами, содержащимися в БД. В выражении (1.3) (1-FMR) представляет собой вероятность того, что не произойдет ложного совпадения входных данных с одним шаблоном. Тогда (l-FMR)N вероятность того, что ложное совпадение не произойдет для любого шаблона, содержащегося в системной БД. Если FMR 0,\, то выражение (1.3) можно представить как FMRN N-FMR, что указывает на линейную зависимость величины вероятности ложного совпадения от количества шаблонов в БД. Вероятность ложного отказа FNMRN совпадает с величиной соответствующей ошибки в режиме верификации.
Требования к точности распознавания определяются областью применения биометрической системы распознавания (Рис. 1.2). Так, при криминалистической идентификации необходимо обеспечить минимальное значение FNMR . Высокая величина FMR не является критичным параметром, поскольку цель идентификации не пропустить преступника, даже если потребуется организовать дополнительную экспертизу для некоторого числа шаблонов, помеченных системой как совпавшие с входными данными. С другой стороны, для систем безопасности с высоким уровнем защиты важно минимизировать значение FMR в ущерб удобства использования за счет высокого значения FNMR . Большинство гражданских приложений требует компромиссного решения о допустимых значениях FMR и FNMR .
Разработка методов формирования и сравнения описателей для локальных областей поля направлений
Здесь GS - маска сглаживающего оператора Гаусса с размерами WgxWg . Размер блока W выбирается на интервале [2г;4г], где г -период папиллярных линий отпечатка, который равен примерно 9 пикселям при разрешении изображения отпечатка 500 пикселей на дюйм [20].
В работе [27] предложен описатель локальной области поля направлений, который применяется при последующем сравнении минюций, присутствующих на обрабатываемых отпечатках. Такой описатель представляет собой упорядоченный вектор, каждый элемент которого является разностью между углом направления {х у) в точке \х,у), выбранной определенным образом на одной из нескольких концентрических окружностей, построенных вокруг рассматриваемой минюций, и направлением д для этой минюций. Необходимо отметить, что получение такого описателя связано с необходимостью вычисления значений углов Чух у) в требуемых точках по улучшенному изображению отпечатка.
В настоящей работе предлагается использовать блочное поле направлений (2.1), построенное на этапе обнаружения минюций по исходному изображению отпечатка, для формирования вектора, описывающего локальную область поля направлений. Это позволяет снизить вычислительные затраты при формировании описателя локальной области поля направлений по сравнению с подходом, предложенным в работе [27] .
Указанный описатель строится для каждой минюции с параметрами \х,у,в}, для которой соответствующая ей локальная область поля направлений полностью покрывает папиллярный рисунок отпечатка. Разработанный метод формирования описателя включает следующие шаги: 1) определить координаты (к,і) блока, которому принадлежит минюция: У ,1= X к = 2) для каждого из блоков B(i,j)eQ, где Q - окрестность блока (k,l), вычислить модуль разности между углом F(/,y), определяющим направление папиллярных линий в блоке B(i,j), и углом (&,/), характеризующим блок с координатами (&,/). 4%fr я-\Ч (і,])-Ч (к,ІІесли\Ч{і,])-Ч (к,і] , 1 (/, j) - (&, /)j, в противном случае; 3) упорядочить полученные значения разностей для блоков B\i,j)eQ в соответствии с их расположением относительно направления в рассматриваемой минюции.
Результатом работы этого метода является вектор D , элементами которого являются значения 4 (/,7). Этот вектор обладает свойством инвариантности к взаимным сдвигам и поворотам, которые могут наблюдаться на сравниваемых отпечатках.
Конфигурация окрестности D текущего рассматриваемого блока, которая используется в данной работе, изображена на рис. 2.3. Выбор такого вида окрестности Q определяется необходимостью дать характеристику для достаточно большой области поля направлений, которая располагается вокруг минюции. При этом, по аналогии с [27], расстояние между выбранными для построения описателя блоками должно составлять не менее 2г (удвоенного периода папиллярных линий).
Для формирования результирующего вектора D принимается следующий порядок обхода окрестности Q (рис. 2.3). Сначала просматриваются 16 соседних блоков, причем их обход осуществляется по часовой стрелке, начиная с блока, на который указывает вектор направления в минюции, принадлежащей центральному блоку (k,l). Затем таким же образом производится просмотр блоков, находящихся на периферии.
Определение набора функций, предоставляемых разрабатываемой библиотекой
Далее приведено описание функций, предоставляемых каждым из модулей БПРО.
1. модуль получения цифровых изображений отпечатков реализован в виде класса FPBitmapWork, который предоставляет сервисные функции по работе с файлами изображений отпечатков, записанных в формате Microsoft Device-Independent Bitmap (DIB): RECOGN_STATUS FPBitmapWork::LoadFPImage(const char filename); - загрузка в память изображения отпечатка из файла с именем filename. Изображение отпечатка представляется в памяти одним или тремя массивами беззнаковых целых чисел в зависимости оттого, является ли изображение полутоновым (однокомпонентным) или цветным (трехкомпонентным). Элементы изображения располагаются в массиве строка за строкой начиная с верхнего левого края. RECOGN_STATUS FPBitmapWork::SaveFPImage(const char filename); сохранение находящегося в памяти изображения отпечатка в файл с именем filename; RECOGN_STATUS FPBitmapWork::CreateFPImage(int height, int width, IMAGE_MODE Mode); создает пустое изображение1, ширина и высота которого задается значениями width и height соответственно. Тип изображения задается параметром Mode, который определяется как: typedefint IMAGE_MODE itdefine GREYSCALEJMAGE 1 //однокомпонентное полутоновое // изображение #define RGBJMA GE 2 // цветное трехкомпонентное //изображение RECOGN_STATUSFPBitmapWork::DestroyFPImage(); отвечает за освобождения памяти, занимаемой изображением, полученным в результате вызова методов LoadFPImageQ и CreateFPImageQ. Следующие функции позволяют получить доступ к области памяти, в которой размещается изображение, а также получить параметры этого изображения: unsigned char FPBitmapWork::GetBitmapArray(); - возвращает указатель на область памяти, в которой располагается полутоновое изображение. В случае цветного изображения, функция возвращает нулевой указатель. unsigned char FPBitmapWork::GetR_BitmapArray(); unsigned char FPBitmapWork::GetG_BitmapArray(); unsigned char FPBitmapWork::GetB_BitmapArray(); - возвращают указатели на области памяти, в которых размещены цветовые компоненты изображения; в случае применения к однокомпонентному изображению, эти функции возвращают нулевые указатели. intFPBitmapWork::GetBitmapWidth(); intFPBitmapWork::GetBitmapHeight(); возвращают ширину и высоту изображения соответственно. модуль формирования вектора системы информативных признаков включает в себя следующие функции: RECOGN_STATUS FPExtractionlnit(FP_EXTR_PARAM pExtrParam); функция подготавливает необходимые внутренние структуры данных для проведения операции формирования вектора системы признаков для отпечатка в соответствии с параметрами, передаваемыми посредством указателя на соответствующую структуру: typedef struct _fp_extr_param і char pParamArray; //указатель на массив, содержащий параметры //для метода извлечения unsigned int ParamArraySize; //размер массива параметров } FP_EXTR_PARAM; Необходимо отметить, что конкретный набор параметров определяется применяемыми методами построения векторов признаков отпечатков. RECOGN_STATUSFPExtractionProcess( unsigned char plmageData, //буфер, содержащий изображение //отпечатка, предназначенного для обработки; int ImageWidth, //ширина обрабатываемого изображения; int ImageHeight, //высота обрабатываемого изображения; FINGERPRINT_DATA ppFpData, //двойной указатель на //результирующий образ отпечатка; int pStatus, //указатель на переменную, в которую //помещается код статуса операции извлечения; boot DebugFlag); //флаг, включающий выдачу промежуточных //результатов выполнение операции формирования вектора системы признаков для отпечатка, заданного своим изображением. При этом память под формируемый образ отпечатка выделяется внутри функции, а указатель на него помещается в CppFpData). Структура данных образа отпечатка имеет следующее объявление: typedef struct _fingerprint_data { unsigned char pData; //указатель на массив, содержащий //набор характерных признаков отпечатка; unsigned int DataSize; //размер массива данных } FINGERPRINT_DATA; Переменная - код статуса выполнения операции, на которую указывает pStatus, может принимать следующие значения: 0 операция выполнена успешно; 1 изображение отпечатка отклонено алгоритмом извлечения. Если функция возвращает код ошибки или код статуса отличен от 0, то память под образ не выделяется.
Исследование эффективности разработанной системы признаков в составе алгоритма сравнения путем глобального совмещения точечных образов, основанного на использовании преобразования Хока
Построим оценку приращения полной вероятности ошибки распознавания для разработанных признаков, которые используются в составе алгоритма сравнения, описанного в разделе 2.8. Для этого, проведем модификацию исходного алгоритма, аналогичную той, что была применена для алгоритма сравнения, рассмотренного в предыдущем разделе.
Пусть в качестве элементов матрицы SM, которая участвует в процессе формирования показателей достоверности, выступают коэффициенты подобия SORIENT( I P) і qeQ, peF векторов-описателей локальных областей полей направлений. Обозначим такую модификацию исходного алгоритма как «Алгоритм G2 . Далее, будем использовать коэффициенты подобия SLS(q,p) векторов-описателей локальных конфигураций минюций qeQ и peF в качестве элементов матрицы SM . Указанную модификацию исходного алгоритма будем называть «Алгоритм G3». Исходный алгоритм обозначим как «Алгоритм G4 . На рис. 4.6 приведены графики зависимости значений ЕМЫ и ERROR ОТ ИСПОЛЬЗуемых ПОРОГОВЫХ значений коэффициента подобия fe[0,l], взятых с шагом 0,01, для баз изображений отпечатков DB1 и DB2. Здесь PRROR определяется как разность между оценками полной вероятности ошибки распознавания для алгоритмов G4 и G3, a P ROR как разность между значений полных вероятностей ошибки распознавания для алгоритмов G4 и G2.
Как и для алгоритма сравнения, рассмотренного в предыдущем разделе, использование локальных конфигураций минюции в качестве признака при формировании пар минюции оказывает существенное большее влияние на достигаемую величину вероятности полной ошибки распознавания по сравнению с использованием параметров локальных областей поля направлений.
Таким образом, алгоритм G4, основанный на использовании разработанного в разделе 2.5 коэффициента сходства минюций в качестве дополнительного условия при формировании показателей достоверности, не обнаруживает существенных преимуществ перед алгоритмом G3, использующим коэффициенты подобия локальных конфигураций для выделенных на сравниваемых отпечатках минюций.
Необходимо также отметить, что неудовлетворительные результаты алгоритма G2, полученные для базы изображений отпечатков DB1, можно объяснить недостаточным для корректного формирования массива показателей достоверности количеством минюций, для которых могут быть построены векторы-описатели локальных областей полей направлений.
1. Проведено исследование влияния разработанных векторов-описателей на достигаемую точность распознавания, которое выявило преимущество использования предложенного коэффициента сходства минюций PairSimilarity(q,р), qeQ, реР при формировании матрицы SM на первом шаге разработанного метода сравнения точечных образов отпечатков перед раздельным использованием векторов-описателей, характеризующих локальные области полей направлений и локальные конфигурации минюций.
2. При вычислении оценки глобальных линейных искажений на основе преобразования Хока использование коэффициента сходства минюций PairSimilarity{q,p), qeQ, рєР, в качестве дополнительного условия в процессе формирования показателей достоверности не обнаруживает существенных преимуществ перед применением процедуры сравнения векторов-описателей для локальных конфигураций минюций.
3. Разработанные в главе 2 алгоритмы сравнения точечных образов отпечатков, использующие предложенный коэффициент сходства минюций, позволяют примерно 1,5-2 раза снизить вероятность ложного отказа при значениях вероятности ложного совпадения, меньших 0,1%, по сравнению с известным алгоритмом [16] , основанным на использовании преобразования Хока.
