05.11.16 – Інформаційно-вимірювальні системи

АВТОРЕФЕРАТ
дисертації на здобуття наукового ступеня
кандидата технічних наук

Львів - 2003

Дисертацією є рукопис.
Робота виконана у Фізико-механічному інституті ім.Г.В.Карпенка НАН України

Науковий керівник: доктор технічних наук, старший науковий співробітник
Русин Богдан Павлович,
завідувач відділу “Методи і системи обробки,
аналізу та ідентифікації зображень”
Фізико-механічного інституту ім.Г.В.Карпенка
НАН України

Офіційні опоненти: доктор технічних наук, професор
Поджаренко Володимир Олександрович,
завідувач кафедри метрології і промислової автоматики
Вінницького національного технічного університету
Міністерства освіти і науки України, м.Вінниця

доктор технічних наук, старший науковий співробітник
Муравський Леонід Ігорович,
завідувач відділу “Оптико-електронні інформаційні
системи” Фізико-механічного інституту ім.Г.В.Карпенка
НАН України, м.Львів

Провідна установа: Національний технічний університет України
“Київський політехнічний інститут”

Захист відбудеться “11” грудня 2003 р. о 10 годині на засіданні спеціалізованої вченої ради Д 35.052.10 у Фізико-механічному інституті ім.Г.В.Карпенка НАН України: 79601, м. Львів, вул. Наукова, 5.
З дисертацією можна ознайомитися у бібліотеці Фізико-механічного інституту ім.Г.В.Карпенка НАН України за адресою: 79601, м. Львів, вул. Наукова, 5.

Автореферат розісланий “8” листопада 2003 р.

Вчений секретар
спеціалізованої вченої ради Погребенник В.Д.
ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
Актуальність теми. З розвитком обчислювальної техніки все більше уваги приділяється створенню нових методів обробки та розпізнавання зображень в інфо-рмаційно-вимірювальних системах (ІВС). Як приклад, констатуємо той факт, що ще донедавна розпізнавання відбитків пальців було прерогативою криміналістів, а сьо-годні ці методи знаходять застосування в різноманітних сферах діяльності людини. З’явилися нові ІВС розпізнавання об’єктів такі, як біометричні ідентифікаційні сис-теми (БІС), а в криміналістиці - автоматизовані дактилоскопічні ідентифікаційні си-стеми (АДІС). На жаль, до сьогодні в Україні немає загальнонаціональної АДІС, а використовуються російські системи “Сонда” і “Папілон” або білоруська “ДАКТО-2000”. З українських систем існують: “УкрДекс” (експлуатується в Державному на-уково-дослідному експертно-криміналістичному центрі (ДНДЕКЦ) м.Києва), яка вичерпала свої можливості, тому роботи над її удосконаленням припинені, та “Ка-лина” (установлена в Науково-дослідному експертно-криміналістичному центрі (НДЕКЦ) м.Львова) – розробка Фізико-механічного інституту ім. Г.В.Карпенка НАН України на основі результатів представленої дисертаційної роботи. Система розроблялася згідно указу Президента України №1376/2000 „Про комплексну про-граму профілактики злочинності на 2001-2005 роки”, „ ...Створити: ... державну автоматизовану уніфіковану пошукову систему „Калина”...”. В галузі біометрич-них систем ситуація ще гірша, оскільки лише одна українська фірма “ЧЕЗАР” (Чер-нігів) випускає одиничними екземплярами БІС криптографічного захисту інформації в електронно-обчислювальних машинах. Світовий же ринок таких систем розвива-ється високими темпами і пропонує різноманітні системи захисту, починаючи від дверних замків і закінчуючи захистом банківських рахунків.
Хоча й існує велика кількість публікацій, більшість із них зосереджено на мето-дах опису та розпізнавання дактилоскопічних зображень за особистими ознаками. Такі ознаки й методи розпізнавання відображають процес порівняння відбитків, що проводиться експертами-криміналістами. На жаль, ці ознаки є суб’єктивними і не повністю описують наявну на зображенні інформацію. Як результат, системи іден-тифікації не працюють із фрагментами папілярних узорів відбитків, на яких є мало особистих ознак. Інші ж методи, які повністю порівнюють зображення відбитків з еталонним, не забезпечують необхідних експлуатаційних параметрів.
Відомі алгоритми й методи попередньої обробки дактилоскопічних зображень розроблені на емпіричних засадах та не використовують для його обробки усієї на-явної на зображенні інформації. Жодним із дослідників не проведено аналізу й ма-тематичного моделювання спотворень таких зображень.
Розвинуті в роботі положення базуються на доробкові багатьох учених, зокрема Г.Василенка, Ф.Гальтона, Ту Дж, Р.Воробля, Б.Русина, Р.Гонсалеса, У.Претта, Б.Голда, Т.Павлідіса, А.Джейна, С.Панканті, С.Пребхеке, Л.Оґормана, Л.Хонга, Н.Раза, Д.Маріо, Д.Мальтоні.
Отже, особливо актуальною проблемою при створенні систем ідентифікації є розробка нових інформативних ознак і методів попередньої обробки, які б повніше використовували наявну на зображенні інформацію.
Слід наголосити, що тільки детальний аналіз і математичне моделювання спо-творень, що виникають під час формування дактилоскопічних зображень, дозволить розробити методи попередньої обробки, які б максимально покращили якість відби-тка папілярного узору. Розробка ж систем інформативних ознак, що не включають суб’єктивного фактора і максимально описують наявну на зображенні інформацію, дозволить усунути недоліки існуючих систем, а саме дозволить проводити ідентифі-кацію за зображеннями з малою площею папілярного узору (в БІС) і робити пошук злочинців за малорозмірними слідами (в АДІС).
Зв’язок роботи з науковими програмами, планами, темами. Задачі, які роз-глядаються в даній дисертаційній роботі, є складовою частиною наукових проектів, які здійснюються у відділі “Методи і системи обробки, аналізу та ідентифікації зо-бражень” Фізико-механічного інституту ім.Г.В.Карпенка НАН України та на кафед-рі радіоелектронних пристроїв та систем Національного університету "Львівська політехніка".
Дослідження, висвітлені в дисертаційній роботі, проводилися згідно з планом науково-дослідних робіт Фізико-механічного інституту ім.Г.В.Карпенка НАН Укра-їни в рамках госпдоговору №2884 від 01.07.2000 „Розробка програмно-математичного забезпечення дактилоскопічної ідентифікації автоматизованої дакти-лоскопічної інформаційно-пошукової системи UkrDacto” та держбюджетної теми „Розробка методів та алгоритмів підвищення якості оптичних зображень стосовно до задач діагностики матеріалів та елементів конструкцій” (номер держ. реєстрації 0100V004859) та Національного університету "Львівська політехніка" у рамках держбюджетних тем ДБ “МОПОЗ” (номер держ. реєстрації 0100U000485) та ДБ "Зондування" (номер держ. реєстрації 0102U001180), де автор брав участь як вико-навець.
Дослідження й роботи проводилися в тісній співпраці з ДНДЕКЦ м.Києва і НДЕКЦ м.Львова.
Мета й задачі дослідження. Метою дослідження є розробка методів опису та розпізнавання дактилоскопічних зображень для створення інформаційно-вимірювальних систем ідентифікації. Для досягнення цієї мети в роботі поставлено та вирішено такі задачі:
• дослідження процесів формування зображень у системах ідентифікації, аналіз спотворень, характеристик та методів обробки дактилоскопічних зображень;
• дослідження існуючих систем інформативних ознак та методів їх порівняння, що використовуються в ІВС розпізнавання об’єктів;
• розробка математичної моделі спотворень зображень, що виникають на етапі формування двовимірного зображення з тривимірного об’єкта;
• розробка нових і удосконалення існуючих методів обробки таких зображень;
• розробка нових систем інформативних ознак та методів їх порівняння;
• розробка критеріїв комбінування методів порівняння векторів ознак у системах ідентифікації;
• порівняльний аналіз ефективності та практичне тестування розробок на тестових масивах зображень.
Об'єктом дослідження є дактилоскопічні зображення відбитків пальців.
Предметом дослідження є системи інформативних ознак та методи порівняння дактилоскопічних зображень відбитків пальців.
Методи дослідження. У роботі використано методології числового моделю-вання та аналітичного обґрунтування. Вирішення поставлених задач здійснено на основі положень та методів теорії побудови ІВС, розпізнавання об’єктів і зображень, обробки зображень, теорії ймовірності, статистичної теорії оцінювання, числового аналізу та комп'ютерного моделювання.
Наукова новизна одержаних результатів складається з таких положень:
• Уперше проведено математичне моделювання спотворень, які виникають під час формування зображення відбитка, та описано характеристики ідеального зображен-ня папілярного узору, що дозволило розробити нові і вдосконалити існуючі методи попередньої обробки.
• Розроблено квазіоптимальний частотно-селективний фільтр з адаптивною сму-гою пропускання, що дозволяє проводити фільтрацію зображення, усувати НЧ, ВЧ і зменшувати СЧ шуми.
• Розроблено новий частотний метод оцінки локального періоду папілярних ліній, який, на відміну від існуючих просторових, дозволяє проводити його коректну оцін-ку в областях зображень із спотвореннями, нерегулярною поведінкою потоку папі-лярних ліній або високою крутизною зміни їх напрямку.
• Удосконалено методи сегментації, оцінки локальної орієнтації папілярних ліній і нормалізації яскравості зображення, що дозволило покращити параметри розпізна-вання на 5%.
• Розроблено нову систему інформативних ознак зображення локальної орієнтації папілярних ліній та метод їх порівняння, які в сукупності є інваріантними до зсуву й повороту та не вимагають значних обчислювальних затрат.
• Розроблено нову систему спектральних інформативних ознак, що дозволило по-вністю описувати зображення папілярного узору, а не лише його особливі точки, як більшість існуючих ознак для таких зображень.
• Розроблено кореляційний метод порівняння зображень за спектральними озна-ками, який, на відміну від існуючих, дозволяє проводити ідентифікацію як за по-вним узором, так і за його фрагментом, не вимагаючи збереження в базі даних пов-ного зображення.
• Розроблено багатоетапну процедуру ідентифікації з адаптивними до якості вхід-ного зображення порогами, за допомогою якої поєднано дві системи інформативних ознак і досягнуто взаємокомпенсацію недоліків кожної з них: зменшено час іденти-фікації, зменшено імовірності неправильної ідентифікації та неправильної неіден-тифікації порівняно з існуючими системами.
Практичне значення одержаних результатів.
• Розроблені методи обробки, системи інформативних ознак та методи їх порів-няння можуть бути використані в будь-яких ІВС розпізнавання зображень із квазі-періодичною структурою, наприклад, папілярних узорів, зображень мікроструктури металу тощо.
• Система інформативних ознак зображення локальної орієнтації може бути вико-ристана для опису зображень об’єктів, які представлені контурами і мають визначе-ний центр, наприклад в галузі робототехніки.
• Наведені в роботі блок-схеми етапів попередньої обробки та розпізнавання до-зволяють побудувати на їх основі АДІС та БІС із багатоетапною ідентифікацією. Побудовані системи відрізняються від існуючих тим, що дозволяють проводити іде-нтифікацію за малорозмірними фрагментами папілярних узорів із малою кількістю або повною відсутністю особистих ознак, які зазвичай використовуються існуючими системами та експертами-криміналістами.
• Представлені практичні рекомендації побудови та методики навчання системи на тестовому масиві зображень дозволяють за розробленими критеріями налаштува-ти етапи ідентифікації таким чином, щоб одночасно забезпечити найкращі імовірні-сні та часові показники.
Реалізація та впровадження результатів роботи. Теоретичні положення, роз-роблені в дисертації, є певним внеском у систему знань про процеси формування, обробки та розпізнавання зображень в ІВС. Прикладні програми моделювання мето-дів обробки та розпізнавання зображень використовуються в навчальному процесі Національного університету "Львівська політехніка" при викладанні дисциплін “Цифрове телебачення”, “Системи розпізнавання”, “Цифрова обробка сигналів”.
На основі розробок, блок-схем та рекомендацій до побудови АДІС Фізико-механічним інститутом (ФМІ) НАН України в співпраці з НДЕКЦ м.Львова було розроблено програмний комплекс АДІС “Калина”. Розроблені методи успішно ви-користані для обробки зображень мікроструктури металів і виділення на них тріщин для їх подальшої автоматичної обробки. Розробки, блок-схеми та рекомендації до побудови БІС були використані відділом алгоритмів розпізнавання відбитків паль-ців фірми “Тестеч” (“Testech”, Seoul, Korea) для розробки БІС контролю доступу до електронно-обчислювальних машин і приміщень. Практичну цінність отриманих ре-зультатів підтверджують акти впровадження, отримані у ФМІ НАН України, фірмі “Тестеч”, Державному науково-дослідному підприємстві "Конекс", Львівському центрі космічних досліджень НАН України та НКА України, Національному універ-ситеті "Львівська політехніка".
Особистий внесок здобувача. Автором самостійно виконано основну частину теоретичних досліджень. Створено програми та проведено тестування методів обро-бки зображень, генерування векторів ознак та їх порівняння. Проведено тестування на реальних тестових масивах АДІС та БІС, побудованих на основі даної роботи. У публікаціях, написаних у співавторстві, автору належать: огляд систем інформатив-них ознак [1], аналіз та математичне моделювання спотворень, які виникають у про-цесі формування зображень [2], квазіоптимальний частотно-селективний фільтр з адаптивною смугою пропускання [3], методи оцінки зображень локальної орієнтації та локального періоду [4-7], система інформативних ознак [8-9,11] та метод їх порі-вняння [8-11], багатоетапна процедура ідентифікації та критерії настройки її етапів [11]. Отримано імовірнісні характеристики систем та проведено їх порівняння з іс-нуючими [8,11].
Апробація результатів дисертації. Результати дисертаційної роботи представ-лено на 4 науково-технічних конференціях, а саме: Шістнадцята відкрита науково-технічна конференція молодих науковців і спеціалістів Фізико-механічного інститу-ту ім. Г.В.Карпенка НАН України (КМН-2001), Львів, 2001 рік; Міжнародна науко-во-технічна конференція “Досвід розробки та застосування приладо-технологічних САПР мікроелектроніки (CADSM)”, Славсько-Львів, 2001 рік; Міжнародна науково-технічна конференція “Сучасні проблеми засобів телекомунікації, комп’ютерної ін-женерії та підготовки спеціалістів (TCSET)”, Славсько-Львів, 2002 рік; Шоста все-українська міжнародна конференція “Оброблення сигналів і зображень та розпізна-вання образів (УкрОБРАЗ’2002)”, Київ, 2002 рік.
Публікації. Основні результати дисертації опубліковані в 11 роботах, 4 з яких - статті у фахових виданнях із переліку, затвердженого ВАК України, 1 патент із дво-ма способами розпізнавання зображень.
Структура й обсяг дисертаційної роботи. Дисертація складається із вступу, чотирьох розділів, висновків, списку використаної літератури та додатків, що ви-кладені на 168 сторінках. Дисертація містить 52 ілюстрації обсягом 16 стор., шість додатків на 13 стор. і список використаних джерел з 106 назв на 11 стор.

ОСНОВНИЙ ЗМІСТ ДИСЕРТАЦІЙНОЇ РОБОТИ
У вступі обґрунтовано актуальність проблеми створення ефективних систем інформативних ознак, методів обробки та розпізнавання дактилоскопічних зобра-жень, показано її зв'язок із науковими програмами, сформульовано мету та задачі досліджень, наукову новизну і практичне значення отриманих результатів. Наведено дані про впровадження результатів роботи, особистий внесок автора та публікації.
У першому розділі “Огляд методів формування, обробки та розпізнавання зображень відбитків пальців в інформаційно-вимірювальних системах” здійс-нено аналіз властивостей об’єкта дослідження, виділено його особливості, як носія інформації про людину. Проведено огляд існуючих ідентифікаційних систем, прин-ципів їх роботи, проаналізовано біометричні характеристики людини, що викорис-товуються для ідентифікації. Проаналізовано способи формування зображень відби-тків пальців, алгоритми та методи їх обробки. На основі аналізу виділено недоліки та переваги кожного методу, намічено структуру попередньої обробки і необхідних у ній етапів. Проведено детальний аналіз та класифікацію існуючих систем інфор-мативних ознак, методів їх порівняння. Окремо розглянуто кореляційні та комбіно-вані методи порівняння зображень. На основі вивчення властивостей об’єкта дослі-дження та методів їх порівняння виділено основні недоліки, що дозволило намітити шляхи подальших досліджень і напрям роботи.
Результати проведеного аналізу існуючих методів обробки свідчать про їх ем-піричний характер, оскільки більшість розробників базуються на власному досвіді, а не на математичній моделі процесу формування зображення. Наголошено, що існу-ючі методи обробки не повністю використовують наявну на зображеннях інформа-цію для подальшої їх обробки з метою покращення структури папілярних ліній. Проведено аналіз та класифікацію існуючих систем інформативних ознак та методів їх порівняння, які використовуються для таких зображень, що вказує на їх суб’єктивність і те, що вони описують лише певні особливі точки папілярного узо-ру, залишаючи поза увагою іншу наявну на зображенні інформацію.
Обґрунтовано необхідність розробки нових та удосконалення існуючих методів обробки, формування нової структури попередньої обробки з включенням у неї до-даткових етапів. Наголошено на необхідності розробки нових систем інформатив-них ознак для повнішого використання інформації на зображеннях, методів їх порі-вняння та багатоетапної процедури ідентифікації.
У другому розділі “Моделювання спотворень і методи обробки дактилоско-пічних зображень” проведено аналіз та математичне моделювання спотворень зо-бражень, що виникають на етапі їх формування. Виділено особливості зображень папілярного узору, на основі яких будуються методи обробки. Описано методи, які включені в попередню обробку зображень (ПОЗ), а саме: удосконалений метод сег-ментації, розроблений квазіоптимальний частотно-селективний фільтр з адаптивною смугою пропускання, удосконалений метод оцінки зображення локальної орієнтації, удосконалений метод локальної нормалізації, спрямований фільтр Габора, запропо-новано використовувати перетворення гістограми. Наведені висновки зроблено на основі проведених у розділі досліджень.
На основі вивчення літератури та аналізу процесу формування, виділено такі типи спотворень:
- Невідповідний контакт папілярного узору і слідонесучої поверхні, ефект “губ-ки” – змодемодельовано геометричними нелінійними перетвореннями відносно ідеального неспотвореного зображення.
- Нерівномірний контакт – змодемодельовано кривою зміни локального контра-сту з обмеженнями яскравості в області локалізації спотворення та мультипліка-тивним шумом.
- Пошкодження папілярних ліній – як і для першого типу, змодемодельовано геометричними нелінійними перетвореннями, але у функціях перетворення з'яв-ляються точки розриву.
- Спотворення, викликані способом отримання дактилоскопічних зображень – враховано введенням адитивного та мультиплікативного шуму.
Запропонована математична модель процесу формування зображення в області дії спотворень матиме такий вигляд:
, (1)
де – ідеальне та спотворене зображення, – функції геометричних перетворень, , – екстремальні значення яскравості вихідного зображення, , – границі обмеження яск-равості, – мультиплікативний шум, – адитивний шум. Наголошуємо, що області дії спотворення можуть перекриватися.
На основі зіставлення ідеального зображення папілярного узору та спотвореної дифракційної ґратки виділено такі особливості об’єкта досліджень:
- колова анізотропія спектра повного зображення та точкова анізотропія фрагмента потоку папілярних ліній;
- ідеальне зображення папілярного узору локально нормалізоване за яскравістю;
- гістограма яскравості описується параболічною кривою.
На основі моделювання спотворень та наведених особливостей ідеального зо-браження вибрано методи попередньої обробки, удосконалено існуючі або розроб-лено нові, а саме:
• Удосконалений метод сегментації, який на відміну від існуючих блочних, про-водить попіксельну сегментацію, простіший та гнучкіший у виконанні. Метою його застосування в ПОЗ є виділення інформативної області ? зображення, де присутній папілярний узор. Сегментація включає обчислення градієнта яскравості зображення за допомогою операторів Кірша, обчислення норми градієнта, подальшу медіанну фільтрацію, порогову бінаризацію результуючого зображення та перемноження його з вхідним. Використання медіанної фільтрації зумовлене необхідністю формування згладженої картини градієнта, на якій були б усунуті імпульсні шуми від фонових об’єктів, що еквівалентно усуненню із зображення неінформативних фонових об’єктів на етапі сегментації.
• Розроблений квазіоптимальний частотно-селективної фільтр з адаптивною сму-гою пропускання, який, на відміну від просторового квазіоптимального фільтра, не має просторової селективності та додана адаптивна смуга пропускання. Цей метод не вимагає додаткових оцінок параметрів як спрямовані фільтри, тому може викори-стовуватися перед оцінкою локальних характеристик зображення, чим і підвищить точність цих етапів ПОЗ.
Визначення амплітудно-частотної характеристики (АЧХ) фільтра передбачає інтегральну оцінку проекції й визначення за нею верхньої та нижньої частоти про-пускання (рис.1).
АЧХ у циліндричній системі координат такого фільтра описується формулами:
, (2)
, (3)
де - координати в циліндричній системі координат, - спектр зображення, - частота, яка відповідає локальному пікові проекції спектра і глобальній частоті папілярних ліній, що обернено пропорційна до глобального періоду, - нижня частота смуги про-пускання фільтра, визначається, як локальний мінімум проекції, - верхня частота, визначається за точкою перетину кривої (значення визначається експерименталь-но), - енергія ВЧ шумів.
• Удосконалений метод блочної середньоквадратичної оцінки зображення лока-льної орієнтації за кутом градієнтів яскравості. Для цього дискретне зображення розбивається на блоки розміром 4?4 точки, в межах яких орієнтація приймається постійною і для них оцінюється орієнтація папілярних ліній у блоках розміром 24?24 точки і які є центрованими відносно (,- розмір зображення).
Оцінка проводиться за формулами:
(4)
, (5)
де - масиви значень елементів градієнтів яскравості зображення. Використання бло-ків, що перекриваються, для оцінки локальної орієнтації дозволило збільшити точ-ність оцінки, особливо в областях із локальними спотвореннями (шрам, рана, змор-шка тощо), відмовитись від подальшого проведення згладження зображення локаль-ної орієнтації, не проводити ітераційної оцінки, як це роблять в існуючих методах. Зображення локальної орієнтації , яке оцінюється цим методом, необхідне для адаптації АЧХ спрямованого фільтра Габора.
• Удосконалений метод локальної блочної нормалізації яскравості, який базуєть-ся на другій і третій особливості об’єкта дослідження. Існуючі методи базуються на тому, що зображення має нормальний закон розподілу яскравості, що не відповідає дійсності. Точно оцінити параметри нормального розподілу в малому околі точки нормування неможливо (а тому локальна нормалізація буде мати збої), але можна точно оцінити величини максимальної й мінімальної яскравості околу, які є параме-трами параболічного закону розподілу. Оцінка й нормалізація проводиться блочним методом аналогічно до оцінки зображення локальної нормалізації
, (6)
де, - мінімальна й максимальна яскравості в межах блоків, - нормалізоване зобра-ження. Локальна нормалізація дозволяє частково усувати спотворення нерівномір-ного контакту.
• Розроблений метод частотної блочної оцінки зображення локального періоду, який базується на першій особливості об’єкта. Вхідне зображення розбивається на блоки розміром 32?32, , в межах яких період вважається постійною величиною. Оцінюється частота папілярних ліній у межах блоків розміром 128?128 точки, які центровані відносно (аналогічно до оцінки зображення локальної орієнтації). Для цього обчислюється спектр блоку , визначається розподіл частот папіляр-них ліній у блоці , за проекцію (3) спектра находиться координата її піка в СЧ області і записується в масив зображення локального періоду . Задачею такого етапу в ПОЗ є оцінка локальних характеристик зо-браження для адаптації фільтра Габора.
• Обробка спрямованим фільтром Габора, який адаптується до точкової анізот-ропії фрагмента потоку папілярних ліній, що описується частотою та орієнтацією, котрі відповідають локальній частоті й орієнтації папілярних ліній. Отже, адаптува-вши параметри фільтра Габора до параметрів точкової анізотропії, отримуємо адап-тований до параметрів папілярних ліній квазіоптимальний частотно та просторово-селективний фільтр, який пропускає без змін гармонічні складові, що відповідають центру анізотропії і подавляє інші. Оскільки параметри папілярних ліній змінюють-ся, то адаптація АЧХ фільтра проводиться для кожної точки зображення згідно із зображеннями локальної орієнтації та періоду . Оскільки імпульсна характери-стика (ІХ) є локалізована, то розмір її обмежується й проводиться пряма згортка зображення з адаптацією ІХ для кожної його точки:
, (7)
, (8)
, , ,
, - оброблене й вхідне зображення, - розмір масиву ІХ, - ширина ІХ.
Фільтр Габора дозволяє максимально відфільтрувати шуми, усуває НЧ і ВЧ та СЧ шуми, які характеризуються спектральними складовими, що не збігаються із ло-кальним напрямком та періодом папілярних ліній, на які налаштована його ІХ.
• Перетворення гістограми, яке передбачає приведення гістограми кінцевого зо-браження до гістограми ідеального (див. третю особливість об’єкта дослідження).
Методи, які запропоновано для ПОЗ, забезпечують максимальне наближення параметрів реального зображення до ідеального, усунення шумів та спотворень, від-новлення папілярних ліній. І, в першу чергу, забезпечує необхідні для розпізнавання параметри зображення, а саме рівність енергії яскравості будь-яких однорозмірних фрагментів зображення з області ?.
У третьому розділі “Системи інформативних ознак і методи їх порівняння” розроблено критерії доцільності вибору етапів у багатоетапному процесі ідентифіка-ції, розроблено систему інформативних ознак зображення локальної орієнтації, які описують потоки папілярних ліній, систему спектральних ознак для повного опису зображень, методи їх порівняння та адаптивні до якості вхідного зображення ітера-ційний та лінійні пороги ідентифікації для кожного етапу.
Концепція застосування багатоетапної процедури ідентифікації в роботі полягає у взаємній компенсації недоліків різних ознак. Розроблений процес ідентифікації ба-зується на точності кореляційних і швидкості структурних методів порівняння зо-бражень. Для того, щоб побудувати багатоетапну ідентифікацію, яка представлена в наступному розділі, розглядається двоетапний метод.
Для того, щоб вибрати та налаштувати перший етап ідентифікації, розроблені два критерії доцільності та налаштовування, а саме:
, (9)
, (10)
де, , - імовірності неправильної неідентифікації, неправильної та правильної іденти-фікації першим етапом, , - час порівняння першим та другим етапами ідентифі-кації.
Забезпечення першого критерію не дозволить погіршити загальні імовірнісні характеристики, а другого – зменшити часові затрати на ідентифікацію, які будуть рівні часу порівняння вхідного зображення першим етапом.
На першому етапі ідентифікації запропоновано описувати зображення локаль-ної орієнтації, яке описує потоки папілярних ліній, що є стійкими до спотворень фо-рмуваннями. Для цього визначаються координати центра узору і навколо нього опи-суються чотири концентричних кола радіусами ( - середній пері-од папілярних ліній, - номер кола,80 (рис.2).
Вектор інформативних ознак локальної орієнтації є масивом розміром 4?360 і описується так:
, (11)
де - значення локальної орієнтації папілярних ліній -ї точки -го кола.
Такий вектор ознак є інваріантним до зсуву, а інваріантність до повороту забез-печується циклічним зсувом одного з векторів під час обчислення різниці між векто-рами:
, (12)
де - кількість елементів вектора ознак, - межа інваріантності за ку-том, - вектор ознак вхідного зображення, - вектор ознак еталона з бази даних (БД). Значення зсуву , для якого різниця між та циклічно зсу-нутим є найменшою, відповідає орієнтації вхідного зображення відносно еталонного.
Для другого етапу ідентифікації розроблено систему спектральних ознак у су-купності з кореляційним методом порівняння. Можливість опису зображення обме-женою кількістю спектральних складових випливає з першої особливості об’єкта дослідження, а тому спектр зображення розбивається на інформативну й неінформа-тивні області (рис.3). Далі вектор ознак формується зі спектральних складових ін-формативної області А (рис.3) і запишеться так:
,
, (13)
де - дискретні відліки осей просторових частот спектра обробленого зобра-ження.
Розроблено кореляційний метод порівняння вхідного зображення з еталонним, який передбачає порівняння зображень на основі кореляційної функції, обчисленої за векторами спектральних ознак та:
, , (14)
, , (15)
, , (16)
, , (17)
де , - масиви кореляційної функції в просторовій і частотній областях, - кількість елементів у векторах ознак, - добуток елементів векто-рів та , - масиви координат спектральних складо-вих, які записані у вектори ознак, - обернене дискретне перетворення Фур’є, - енергії спектральних складових векторів та , - нормований пік кореляційної функції зображень, що порівнюються.
Мірою подібності двох зображень є величина . Нормування її до меншої енергії забезпечує можливість ідентифікувати фрагмент узору з його повним відбит-ком. При цьому пік буде рівний одиниці з точністю забезпечення ПОЗ рівності їх енергій (похибка не більша 10%). Координати піка відповідають зсуву вхід-ного зображення відносно еталонного.
Отже, поєднання спектральних ознак та кореляційного методу порівняння за ними дозволило усунути суттєвий недолік таких методів, а саме: необхідність збе-реження в базі даних повного зображення еталона. Використання для обчислення значення спектральних складових з області А (рис.3) дозволило усунути з про-цесу розпізнавання висококорельовані НЧ і низькокорельовані ВЧ складові зобра-ження і, тим самим, збільшити точність ідентифікації. Нормування піка кореляцій-ної функції за меншою енергією (17) дозволило проводити ідентифікацію узору за його фрагментом із точністю ідентифікації двох повністю відображених відбитків одного пальця. Кореляційний метод є інваріантним до зсуву, а інваріантність до по-вороту буде забезпечена процесом багатоетапної ідентифікації.
Для комбінування багатоетапної процедури ідентифікації запропоновано вико-ристовувати адаптивні до якості вхідного зображення пороги ідентифікації. Для цьо-го якість вхідного зображення визначена, як потужність спектральних складових ін-формативної області спектра центральної зони узору:
, (18)
- спектр центральної зони узору, - інформативна область спектра . На основі дедуктивного методу аналізу, аналітичного виведення і, вра-ховуючи статистичну взаємозалежність орієнтації потоків папілярних ліній, доведе-но, що два відбитки одного пальця без геометричних спотворень будуть мати міні-мальну різницю (12). На основі цього розроблено ітераційний адаптивний до якості поріг ідентифікації за векторами ознак зображення локальної орієнтації:
, (19)
де - мінімальна різниця (12) отримана на першому етапі, , - па-раметри, які визначаються під час навчання системи на тестовому масиві зображень і відповідають за налаштовування порогу до геометричних спотворень та збоїв в оці-нці орієнтації. Оскільки значення змінюється в процесі порівняння вхідного зображення з еталонними, то і значення порога буде ітераційно змінюватися.
Такий поріг дозволяє максимально зменшити кількість кандидатів, що необхід-но порівнювати кореляційним методом, що еквівалентно зменшенню часозатрат і забезпеченню критерію (10). Налаштовування ж параметрів цього порога за тесто-вим масивом дозволить забезпечити критерій (9).
Отже, комплексно застосувавши розроблені ознаки й методи у двоетапній про-цедурі ідентифікації, досягаємо взаємокомпенсації їх недоліків із збереженням їх пе-реваг.
Четвертий розділ “Реалізація попередньої обробки та розпізнавання дакти-лоскопічних зображень у системах ідентифікації” присвячений створенню блок-схем етапів попередньої обробки та ідентифікації, розробці рекомендацій практич-ного застосування методів та систем інформативних ознак, формуванню багатоета-пної процедури ідентифікації, практичному тестуванню програмно створених на ба-зі роботи АДІС “Калина” та БІС.
На основі методів, представлених у розділі 2, розроблено блок-схему ПОЗ для БІС та АДІС, які відрізняються методами оцінки зображення локальної орієнтації. Блок-схему складнішої ПОЗ для АДІС подано на рис. 4.
Далі, для подальшого пришвидшення роботи та точності системи ідентифікації запропоновано ввести надлишковість опису й формувати два вектори спектральних ознак в АДІС і один у БІС. А саме, описувати спектральними ознаками центральну зону узору, яка є найінформативнішою, оскільки густина розподілу точок аномаль-ної поведінки папілярних ліній, що визначають її унікальність у цій зоні є найбіль-шою. Додатково слід зазначити, що ця зона є завжди присутньою на зображеннях у БІС, що є важливим для ідентифікації. Для формування спектральних ознак центра-льної зони узору вирізаємо окіл центра діаметром 100 точок для вхідного зображен-ня та 120 точок для еталонних. Використання околів різних розмірів забезпечує не-чутливість кореляційного методу до неточності визначення центра узору в межах ±10 точок.
Розроблено критерій для покращення результатів ідентифікації за спектральни-ми ознаками, який виражається у максимізації віддалі між еталонами в просторі ознак, що відповідає максимальній різниці векторів ознак. Для цього необхідно мак-симізувати різницю між коефіцієнтами кореляції двох відбитків одного узору і двох різних узорів , змінюючи значення (рис.3).
Оскільки спектральні ознаки й кореляційний метод їх порівняння не є інваріан-тним до повороту, то запропоновано формувати на етапі ідентифікації набір векто-рів спектральних ознак для набору кутів із діапазону інваріантності . Дослі-джено, що при повороті на 0,5? коефіцієнт кореляції зменшується на 9%, що є несут-тєвим. Тому, формуємо набір спектральних ознак центральної зони та всього зобра-ження, для кожного градуса.
В загальному чотириетапна процедура ідентифікації для АДІС та триетапна для БІС передбачає такі блоки (дужками позначені дії або блоки притаманні лише конк-ретному типові системи):
1. Ідентифікація за вектором, що передбачає порівняння вхідного зображення з усіма еталонними за формулою (12) й ітераційним адаптивним порогом (13), форму-вання списку кандидатів, сортування (БІС) у напрямку збільшення різниці між (12) (найподібніший еталон буде порівнюватися першим на наступному етапі). Результа-том є список і кут повороту вхідного зображення відносно еталонного. Етап не передбачає видачі рішення про ідентифікацію.
2. Ідентифікація за набором векторів методом, описаним формулами (14-17) і лінійним адаптивним порогом для переходу на наступний етап або загальним поро-гом ідентифікації для видачі рішення про ідентифікацію (БІС). Результатом етапу є розріджений список (АДІС), уточнений кут , координати піку кореляційної функції (16).
3. Корекція координат центра узору за координатами піка кореляційної функції, генерування набору векторів, , обчислення міри подібності їх з еталонними за (14-17), порівняння її з лінійним адаптивним порогом (АДІС) або загальним порогом ідентифікації (БІС). Результатом є рішення про неідентифікацію або ідентифікацію (БІС), розріджений список кандидатів (АДІС), уточнений кут (АДІС), міра подібності (АДІС).
4. Порівняння за набором спектральних ознак (АДІС). Результатом є список кандидатів із мірами подібності, зсувом і кутом між вхідним й еталонним зображен-ням.
Така багатоетапна процедура ідентифікації дозволила зменшити часозатрати і збільшити точність ідентифікації. Наприклад, час ідентифікації для БІС визначаєть-ся першим етапом, який є дуже швидким.
Проведено налаштовування адаптивних порогів ідентифікації етапів за критері-ями (9-10) на тестовому масиві зображень, яке проводилося за експериментальною залежністю міри подібності (16) або різниці (12) від якості зображення (19).
Тестування характеристик АДІС та БІС проводилося на ЕОМ із процесором Pentium III – 600МГц. Програми виконані в Visual C++ 6.5, код не оптимізований. Тестова база для БІС складається з 1000 зображень 256 градацій сірого (100 пальців із 10-ма відбитками кожного) розміром 400?300 точок. Оцифровування проводилася біосенсором фірми Testech. Для АДІС тестова база складається з 5000 еталонних зо-бражень 256 градацій сірого, розміром 512?512 точок, оцифрованих із дактилокарт прикладною відеосистемою ELMO та 40 зображень слідів такого ж формату. Часові показники роботи систем такі: час попередньої обробки ?0.8сек в БІС і ?10сек в АДІС, середній час ідентифікації у БІС ?1,5сек і порівняння в АДІС ?6хв.
Імовірнісну характеристику АДІС представляє розподіл місць еталона в списку кандидатів, який відповідає вхідному зображенню (рис.5), а БІС – залежність ймові-рностей неправильної ідентифікації (ІНІ) та неідентифікації (ІНН) від загального порогу (рис.6).
Порівняти імовірнісні показники АДІС з існуючими немає можливості оскільки такі дані не публікуються, але можемо наголосити, що пошук злочинця в АДІС вва-жається успішним, якщо його еталонний відбиток знаходиться в списку з 30-ти кан-дидатів. Отже, в АДІС проведена 100% ідентифікація злочинців. Розроблена АДІС повністю автоматизована (на відміну від Дакто-2000, Сонда 7, в яких оператори по-винні коректувати скелети), не вимагає наявності особистих ознак на відбитку (як в існуючих системах), що дозволяє здійснювати пошук за слідами малого розміру (чо-го не роблять існуючі АДІС).
Імовірнісні показники БІС є кращі або рівні існуючим, але розмір області, за якою проводиться ідентифікація, рівний ?100?100 точок. Для більшості відбитків із таким розміром інформативної області існуючі алгоритми видаватимуть повідом-лення про малу кількість ознак для опису без подальшої ідентифікації. Імовірнісні характеристики й можливості розроблених систем підтверджують досягнення мети роботи.
ВИСНОВКИ
У дисертаційній роботі розроблено нові системи інформативних ознак зобра-жень папілярних узорів і методи їх порівняння. Найбільшу увагу звернено на спект-ральні ознаки, які будуються за допомогою перетворення Фур’є та багатоетапну процедуру ідентифікації. Оскільки результати розпізнавання прямо залежать від якості зображень, за якими проводиться ідентифікація, то розроблено нові або удо-сконалено існуючі методи попередньої обробки. Нижче перераховані основні ре-зультати отримані в роботі:
1. Проведено порівняльний аналіз і класифікацію відомих алгоритмів і методів попередньої обробки, а також систем інформативних ознак папілярних узорів і ме-тодів їх порівняння. Встановлено, що існуючі методи попередньої обробки таких зображень базуються на емпіричних засадах і не використовують усіх можливих за-собів для їх покращення. Більшість існуючих систем інформативних ознак папіляр-них узорів не описують усієї наявної на зображенні інформації, а системи, які вико-ристовують повні зображення для порівняння, не забезпечують необхідних експлуа-таційних параметрів.
2. Уперше проведено математичне моделювання спотворень, що виникають під час формування зображення відбитка. Описано характеристики ідеального зо-браження папілярного узору. Це дозволило розробити нові й удосконалити існуючі методи попередньої обробки.
3. Розроблено квазіоптимальний частотно-селективний фільтр з адаптивною смугою пропускання, що дає змогу проводити фільтрацію зображення перед оцін-кою його локальних характеристик, усувати НЧ, ВЧ і зменшувати СЧ шуми, тим са-мим збільшити точність оцінки та якість спрямованої фільтрації.
4. Розроблено новий частотний метод оцінки локального періоду папілярних ліній, який, на відміну від існуючих просторових, дозволяє проводити коректну оці-нку в пошкоджених областях і в областях із нерегулярною поведінкою потоку або високою крутизною зміни його напрямку. Це, у свою чергу, дозволяє точніше адап-тувати спрямований фільтр Габора до точкової анізотропії зображення потоку папі-лярних ліній.
5. Удосконалено методи сегментації, оцінки локальної орієнтації папілярних ліній і нормалізації яскравості зображення, що дозволило покращити результати об-робки. Запропоновано використовувати перетворення гістограми для приведення її до гістограми ідеального зображення папілярного узору і тим самим максимально наблизити параметри вихідного зображення до параметрів ідеального.
6. Розроблено нову систему інформативних ознак зображення локальної оріє-нтації, яке відображає потоки папілярних ліній, що є найстійкішими формуваннями узору, і метод їх порівняння, які в сукупності інваріантні до зсуву та повороту та не вимагають значних обчислювальних затрат і, на відміну від класифікаційних ознак (що використовуються для класифікації узорів за потоками), повністю позбавлені суб’єктивізму. Запропоновано використовувати їх для першого швидкого етапу іде-нтифікації.
7. Розроблено нову систему спектральних інформативних ознак і кореляцій-ний метод їх порівняння. Ці ознаки дали змогу повністю описувати зображення па-пілярного узору, а не лише його особливі точки. Розроблений кореляційний метод дозволяє проводити порівняння зображень за їх спектральними ознаками і на відмі-ну від існуючих методів, проводити ідентифікацію як за повним, так і за фрагментом узору. Він також не вимагає на відміну від існуючих кореляційних методів, збере-ження в базі даних повного зображення.
8. Розроблено критерії доцільності застосування багатоетапного методу іден-тифікації, які також є критеріями налаштовування адаптивних порогів кожного ета-пу, що дозволило розробити багатоетапну процедуру ідентифікації з адаптивними лінійними та ітераційними порогами, за допомогою якого поєднано дві системи ін-формативних ознак і досягнуто взаємокомпенсації недоліків та збереження переваг кожної з них, а саме: зменшено час ідентифікації, імовірності неправильної іденти-фікації та неідентифікації.
9. Проведено тестування розроблених методів. Тестування проводилося на те-стовому масиві реальних зображень, отриманих біосенсором з пальців та відеосис-темою з реальних дактилокарт і карток слідів злочинців. Проведено настройку адап-тивних порогів етапів ідентифікації. Результати тестування показали, що для БІС часові параметри й імовірнісні характеристики є кращі або на рівні існуючих, але при цьому площа узору, за якою проводиться ідентифікація, приблизно в 10 разів менша, ніж використовується в існуючих системах. АДІС побудована на основі роз-роблених блок-схем відрізняється від існуючих повною автоматизацією й можливіс-тю проведення ідентифікації за малими слідами, в яких кількість особистих ознак є мінімальна або вони повністю відсутні.
Результати тестування розроблених систем ідентифікації вказують на те, що поставлені в роботі задачі – розв’язані і досягнуто кінцевої мети, а саме більш пов-ного опису зображень папілярних узорів, що і дозволяє цим системам досягати не-обхідних імовірнісних характеристик, використовуючи лише малі фрагменти узору, які не можуть бути ідентифіковані існуючими системами. Новизна такого підходу до ідентифікації підтверджується патентом України “Спосіб розпізнавання зобра-ження”.
Отримані в роботі результати можуть бути використані під час вирішення задач обробки й розпізнавання зображень із квазіперіодичною структурою. Вони також можуть використовуватися для побудови систем ідентифікації як автономно, так і в поєднанні з іншими ознаками й методами.
СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ
1. Русин Б., Остап В. Вибір інформативних ознак зображень відбитків пальців при розпізнаванні /Огляд/. // Вісник “Радіотехніка та телекомунікація”. – Львів: ДУ “Львівська політехніка”, – 2000. – №399. – C.56-64.
2. Русин Б.П., Прудиус І.Н., Остап В.П. Спотворення й алгоритм попередньої оброб-ки дактилоскопічних зображень. // Відбір і обробка інформації. – Львів: НАН Украї-ни Фізико-механічний інститут ім. Г.В.Карпенка. – 2002. – №92. – С.87-91.
3. Русин Б., Остап В. Попередня фільтрація при розпізнаванні зображень. // Комп’ютерні технології друкарства. – Львів: Українська академія друкарства. – 2000. – №4. – С.295-300.
4. Остап В.П. Обробка дактилоскопічних зображень спрямованими фільтрами. // Матеріали XVI Відкритої науково-технічної конференції молодих науковців і спеці-алістів Фізико-механічного інституту ім. Г.В.Карпенка НАН України (КМН-2001). – Львів: Фізико-механічний інститут ім. Г.В.Карпенка НАН України. – 2001. – С.205-208.
5. Ostap V.P. The Fingerprint Image Processing by Directional Filtration. // Abstracts XVI Open Scientific and Technical Conference of Young Scientifics and Specialist of the Karpenko Physico-Mechanical Institute of NAS of Ukraine. – Lviv: Karpenko Physico-Mechanical Institute of NAS of Ukraine. – 2001. – P.57.
6. Rusyn B., Prudyus I., Ostap V. Fingerprint Image Enhancement Algorithm. // Proc. VI-th International Conf. “The Experience of Designing and Application of CAD Systems in Microelectronics” (CADSM 2001). – Lviv-Slavsko: Lviv Politechnic National University. – 2001. – P.193-194.
7. Rusyn B., Ostap O., Ostap V., Kosarevych R. Estimation of Singular Points in Fingerprints Images. // Proc. Intern. Conf. “Modern Problem of Radio Engineering, Telecomunications and Computer Science”. – Lviv-Slavsko: Lviv Politechnic National University. – 2002. – P.236.
8. Остап В.П. Кореляційний метод порівняння дактилоскопічних зображень за спек-тральними ознаками. // Радіоелектроніка та телекомунікації. – Львів: Національний університет “Львівська політехніка”. – 2002. – №440. – С.155-162.
9. Rusyn B., Ostap V., Ostap O. A Correlation Method for Fingerprint Image Recognition Using Spectral Features. // Proc. Intern. Conf. “Modern Problem of Radio Engineering, Telecomunications and Computer Science” (TCSET’2002). – Lviv-Slavsko: Lviv Politechnic National University. – 2002. – P.219-220.
10. Пат. 39442 А Україна, МКИ G 06 K 9/68. Спосіб розпізнавання зображень. / Ру-син Б.П., Остап В.П., Остап О.П.; Державний університет “Львівська політехніка”, Фізико-механічний інститут ім. Г.В.Карпенка НАН України. – №2000084716; Заявл. 08.08.2000; Опубл. 15.06.2001; Бюл. №5. – C.147-148.
11. Русин Б., Остап В., Остап О. Система ідентифікації особи за спектральними ознаками відбитків. // Праці Шостої всеукраїнської міжнародної конференції “Обро-блення сигналів і зображень та розпізнавання образів” (УкрОБРАЗ’2002). – Київ: Українська асоціація з оброблення інформації та розпізнавання образів. – 2002. С.195-198.
АНОТАЦІЇ
Остап В.П. Методи опису та розпізнавання дактилоскопічних зображень для створення інформаційно-вимірювальних систем - Рукопис.
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальніс-тю 05.11.16 – Інформаційно-вимірювальні системи – Фізико-механічний інститут ім. Г.В.Карпенка Національної академії наук України, Львів, 2003.
Дисертацію присвячено створенню нових систем інформативних ознак зобра-жень відбитків папілярного узору та методів їх ідентифікації. Приділено увагу роз-робці й удосконаленню методів обробки таких зображень. Для досягнення постав-леної мети математично описано спотворення, наведено параметри ідеального не-спотвореного зображення папілярного узору, що дало змогу розробити нові та удо-сконалити існуючі методи обробки. В роботі розроблено багатоетапну процедуру ідентифікації, етапи якої комбінуються адаптивними до якості вхідного зображення ітераційними та лінійними порогами, що дозволило компенсувати недоліки й збере-гти переваги розроблених систем інформативних ознак. Для першого етапу іденти-фікації розроблено систему інформативних ознак зображення локальної орієнтації та метод їх порівняння. Для наступних етапів розроблено систему спектральних ознак і кореляційний метод їх порівняння. Як результат, багатоетапний метод іден-тифікації забезпечує часові показники завдяки швидкому, але неточному першому етапові, а імовірнісні характеристики - наступним етапам порівняння спектральних ознак, які повніше описують наявну на зображенні корисну інформацію. Результати тестування автоматизованої дактилоскопічної ідентифікаційної та біометричної іде-нтифікаційної систем показали, що їх імовірнісні показники кращі або рівні існую-чим, але розмір узору, за яким проводиться ідентифікація, в ?10 разів менший, ніж використовують існуючі системи, що і підтверджує повноту опису корисної інфор-мації на зображенні.
Ключові слова: відбиток пальця, ідентифікація, розпізнавання зображень, обробка зображень, система інформативних ознак, кореляційний метод розпі-знавання.

Остап В.П. Методы описания и распознавания дактилоскопических изоб-ражений для создания информационно-измерительных систем. - Рукопись.
Диссертация на соискание ученой степени кандидата технических наук по специа-льности 05.11.16 – Информационно-измерительные системы – Физико-механический институт им. Г.В.Карпенка Национальной академии наук Украины, Львов, 2003.
Диссертация посвящена созданию новых систем информативных признаков изображений отпечатков папиллярного узора и методов их идентификации. Уделено внимание разработке и усовершенствованию методов обработки таких изображе-ний. Для достижения поставленной цели математически описано искажения, приве-дено параметры идеального неискаженного изображения папиллярного узора, что позволило разработать новые и усовершенствовать существующие методы обработ-ки. В работе разработано многоэтапный метод идентификации, этапы которого ком-бинируются с помощью адаптивных к качеству входного изображения итерацион-ных или линейных порогов, что позволило компенсировать недостатки и сохранить преимущества разработанных систем информативных признаков. Для первого этапа идентификации разработано систему информативных признаков изображения лока-льной ориентации и метод их сравнения. Для следующих этапов разработано систе-му спектральных признаков и корреляционный метод их сравнения. Как результат, многоэтапный метод идентификации обеспечивает временные показатели благодаря скоростному, но неточному первому этапу, а вероятностные характеристики - сле-дующим этапам сравнения спектральных признаков, которые более полно описыва-ют имеющуюся на изображении полезную информацию. Результаты тестирования автоматической дактилоскопической идентификационной и биометрической иден-тификационной систем показали, что их вероятностные показатели лучшие или рав-ные существующим, но размер узора, за которым производится идентификация в ?10 раз меньше, нежели используют существующие системы, что и подтверждает полноту описания полезной информации на изображении.
Ключевые слова: отпечаток пальца, идентификация, распознавание изоб-ражений, обработка изображений, система информативных признаков, корре-ляционный метод распознавания.

Ostap V.P. Methods of description and recognition of fingerprint images for informating-measuring systems creation - Manuscript.
Thesis for the candidate’s degree in technical science on 05.11.16 – Informating-Measuring Systems – Karpenko Physico-Mechanical Institute of National Academy of Science of Ukraine, Lviv, 2003.
The thesis is dedicated to the development of new feature systems of fingerprint image and identification methods. Also, new image preprocessing methods were developed and known methods were improved, inasmuch as identification quality depends on preprocessing stage.
At first, known preprocessing methods were analyzed, mathematical model of fingerprint image distortion was developed and parameters of perfect fingerprint image were described. These allow developing new and improving known preprocessing methods, i.e., improve segmentation, local orientation estimation and local normalization methods and also develop quasi-optimal frequency-selective filter with adaptive band and local period estimation method.
Known features and fingerprint image recognition methods were analyzed. Conclusion is such, that being features do not describe all presented in image information. Further, a multi-stage identification method was developed. Also the criteria of advisability and tuning of each identification stage were developed. Local ridge orientation image description was proposed because ridge orientation is description of ridge flows, which are stable formations. Classical ridge flows description is made using classification features, which are unfortunately visual description. Feature system of local ridge image and comparison method were developed, which provide together rotation and shift invariance. This feature system was used for first fast identification stage. Spectral feature system and correlation comparison method were developed for next identification stages. Such features describe whole pattern instead of peculiar points of pattern. And now, it is not necessary to store whole image for correlation comparison method. Also, undesirable spectral items are not used under correlation process that has improved identification quality. Iterative and linear thresholds were developed for each stage based on criteria of advisability and tuning.
Some flow-charts of three-stage biometric identification (BIS) and forth-stage automatic fingerprint identification systems (AFIS) were developed for technical application. The achieved result practical recommendations are described. Tuning of adaptive identification thresholds of BIS and AFIS using real learning arrays was made. Probability characteristics and time parameters were estimated for developed systems.
As result, multi-stage identification method has acceptable time parameters due to fast first identification stage and probability characteristics due to next stages, which use spectral features. Tests of AFIS and BIS show that false accept rate and false refusal rate are better or equal to rates of exist systems. But the size of used for identification fingerprint pattern is about 10-times less than existent systems demand. So, it means that developed features describe more desirable information about fingerprint pattern.
Key words: fingerprint, identification, image recognition, image processing, feature system, correlation image recognition method.