バイオメトリクスと画像処理

この情報化時代において、画像は大きなシェアを占めています。バイオメトリクスでは、バイオメトリクス画像が以前にデータベースに保存されている個人を識別するために画像処理が必要です。顔、指紋、菖蒲などは画像ベースの生体認証であり、画像処理とパターン認識技術が必要です。

画像ベースの生体認証システムが正確に機能するためには、ユーザーの生体認証のサンプル画像が非常に明確で混和されていない形式である必要があります。

バイオメトリクスにおける画像処理の要件

ユーザーの生体認証の画像は、生体認証システムに送られます。システムは、方程式を使用して画像を操作し、各ピクセルの計算結果を保存するようにプログラムされています。

データ内の特定の微細な特徴を選択的に強化し、特定のノイズを除去するために、デジタルデータはさまざまな画像処理操作にかけられます。

画像処理方法は、3つの機能カテゴリに分類できます-

画像の復元

画像の復元には主に-が含まれます

  • サンプル取得時に画像に導入されるノイズを低減します。
  • 生体認証の登録中に表示された歪みの除去。

画像の平滑化により、画像のノイズが減少します。平滑化は、各ピクセルを隣接するピクセルの平均値に置き換えることによって実行されます。バイオメトリックシステムは、メディアンフィルタリング、適応フィルタリング、統計ヒストグラム、ウェーブレット変換などのさまざまなフィルタリングアルゴリズムとノイズリダクション技術を使用します。

画像エンハンスメント

画像強調技術は、画像の任意の部分または特徴の可視性を改善し、他の部分の情報を抑制します。復元が完了した後にのみ実行されます。これには、画像をさらに処理するために使用できるように、明るくする、シャープにする、コントラストを調整するなどが含まれます。

特徴抽出

画像から2種類の特徴が抽出されます。

  • General features −画像の内容を説明するために使用される、形状、テクスチャ、色などの特徴。

  • Domain-specific features −顔、虹彩、指紋などのアプリケーションに依存する特徴です。ガボールフィルターは特徴を抽出するために使用されます。

画像から特徴を抽出するときは、適切な分類器を選択する必要があります。広く使用されている分類子Nearest Neighbor classifier、候補画像の特徴ベクトルをデータベースに保存されている画像のベクトルと比較します。

B-Splines指紋生体認証システムの曲線パターンを記述するために適用される近似です。Bスプラインの係数が特徴として使用されます。虹彩認識システムの場合、虹彩の画像は離散ウェーブレット変換(DWT)を使用して分解され、DWT係数が特徴として使用されます。