Beruflich Dokumente
Kultur Dokumente
Volumen 18
Los autores se dan cuenta que con el actual crecimiento rápido en tecnología
multimedia, existe una inminente necesidad de técnicos eficientes para buscar
y consultar bases de datos de imágenes grandes. Debido a sus necesidades
únicas y peculiares, las bases de datos de imágenes no pueden tratarse de
manera similar a otros tipos de bibliotecas digitales. Las dependencias
contextuales presentes en las imágenes y la naturaleza compleja de los datos
de imagen bidimensionales hacen que los problemas de representación sean
más difíciles para las bases de datos de imágenes. Una representación
invariable de una imagen sigue siendo un problema de investigación abierto.
Por estas razones, es difícil encontrar una técnica universal de recuperación
basada en contenido. Los enfoques actuales basados en la forma, la textura y
el color para la indexación de bases de datos de imágenes han tenido un éxito
limitado. Además, estas técnicas no han sido adecuadamente probadas en
presencia de ruido y distorsiones; es por ello que deciden establecer un método
más factible, tomando como base otros métodos ya existentes.
2. Extracción de la característica
Una característica muy importante para reducir el espacio de búsqueda
durante una coincidencia es la clase de patrón de una huella digital. Las
huellas dactilares se clasifican en cinco categorías principales: arco, arco de
tiendas de campaña, lazo izquierdo, lazo derecho y espiral. La clase de
patrón puede ser ambigua en huellas dactilares parciales e indeterminada
para huellas digitales ruidosas. En estos casos se asigna una clase
alternativa o una clase de comodín. Otra característica de alto nivel es la
densidad de cresta en una huella dactilar. La centralidad de nuestro proceso
de extracción de características es la computación de las direcciones de
crestas en ventanas que no se superponen en la imagen de huella dactilar.
La dirección predominante se calcula como una estimación óptima de los
vectores de dirección en cada píxel de la ventana.
2.1 Clasificación de huellas dactilares
El problema de la clasificación de huellas dactilares se refiere a la
asignación de una imagen de huella digital a una de las siguientes clases:
arco, arco de tienda, whorl, lazo izquierdo, lazo derecho y rechazo. Para un
sistema automático, el problema está en que el sistema tiene que tener en
cuenta las direcciones de crestas globales y también su conectividad local.
Aquí los autores usan un algoritmo basado en tres partes principales: la
dirección del bloque de computación, la suave dirección de la imagen y la
ubicación de los puntos singulares. Basado en el número de puntos
singulares localizados, se puede usar un conjunto simple de reglas para
obtener la etiqueta de clase.
2.1 Extracción de minucias
Uno de los principales problemas en la extracción de características
estructurales es la presencia de ruido en la imagen de la huella digital. Los
métodos comúnmente usados para tomar impresiones de huellas dactilares
implican aplicar una capa uniforme de tinta en el dedo y rodar el dedo sobre
papel. Esto provoca los siguientes tipos de problemas: las áreas de
entintado excesivo del dedo crean áreas manchadas en la imagen, las
roturas en las crestas se crean por las áreas bajo entintadas, y la piel que
es elástico en naturaleza puede cambiar las características posicionales de
las características de la huella digital dependiendo sobre la presión que se
aplica sobre los dedos. Aquí se realiza un proceso que se divide en tres
operaciones:
Pre procesamiento y segmentación
Es obtener una imagen de cresta de huella dactilar segmentada
binariamente a partir de una imagen de huella dactilar de escala de
grises de entrada, donde las crestas tienen un valor 1 si es blanco, y el
resto de la imagen tiene valor 0. Esto se logra a través de los cuatro
pasos siguientes:
1. Calculo del campo de orientación
2. Separación de primer plano
3. Segmentación de la cresta
4. Suavizado direccional de las crestas
Adelgazamiento y extracción de características
Post procesamiento
2.2 Cuenta de Ridge
La detección de puntos singulares es una parte significativa de nuestro
procedimiento de clasificación. Una vez obtenidos los puntos núcleo-delta
del módulo clasificador, para obtener la densidad de cresta, utilizamos el
esqueleto de la huella dactilar utilizada en nuestra fase de extracción de
características. El número de puntos que cortan la línea imaginaria entre el
punto central y el punto delta en el esqueleto nos da el número de crestas
entre el núcleo y el delta. El núcleo y el delta son puntos muy estables en
una huella digital. Por lo tanto, este conteo de cresta es también una buena
estimación de la densidad de cresta.
4. Resultado experimental
Por otro lado si bien el algoritmo es bueno y reduce el tiempo del algoritmo,
podría elaborarse un algoritmo mejor o en todo caso mejorar el algoritmo
anterior para poder reducir aún más el tiempo de ejecución del algoritmo y de
esta manera obtener los resultados que deseamos en el menor tiempo posible
y sin perder la exactitud de los resultados.