instituto de computac¸˜ao - students.ic.unicamp.brra089067/v0main.pdf · raoni florentino da...

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

��

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

��

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

��

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

�

Instituto de ComputacaoUniversidade Estadual de Campinas

Analise da Qualidade e melhoramento de Imagens: um

estudo de caso com Impressoes Digitais

Raoni Florentino da Silva Teixeira - Neucimar Jeronimo Leite (orientador)

Exame de Qualificacao de Mestrado

Resumo

A identificacao baseada em impressoes digitais vem sendo utilizadaem aplicacoes comerciais, investigacoes criminais de tal forma que temsido considerada popularmente como sinonimo de biometria. O reco-nhecimento efetivo depende da qualidade da impressao digital e, paramelhorar seu desempenho, pesquisas vem sendo realizadas visandoum processamento mais adequado dessas imagens. Sabendo-se quetais imagens estao sujeitas a uma serie de deformacoes durante todasas fases desse reconhecimento, desde sua aquisicao ate a reproducao,este trabalho busca avaliar a qualidade de imagens de impressoes digi-tais, verificando a completude e calculando ındices de qualidade. Talavaliacao deve levar em conta caracterısticas globais e locais da ima-gem e, conforme o caso, serve como um indicador do melhoramentomais adequado aos problemas existentes em cada imagem.

SUMARIO i

Sumario

1 Introducao e Motivacao 1

2 Propriedades de uma impressao digital 3

2.1 Impressoes digitais parciais e latentes . . . . . . . . . . . . . . 6

3 Avaliacao de qualidade 7

3.1 Impressoes digitais parciais e latentes . . . . . . . . . . . . . . 9

4 Revisao bibliografica 10

5 Objetivos 16

6 Cronograma 18

7 Conclusao 18


1 Introducao e Motivacao

Imagens digitais estao sujeitas a uma serie de deformacoes durante os proces-sos de aquisicao, processamento, compressao, armazenamento, transmissaoou ainda reproducao [Wang et al., 2004, Gonzalez and Woods, 2000].

Como resultado direto dos problemas causados por essas deformacoes,sao cada vez mais frequentes pesquisas de avalicao da qualidade em ima-gens [Carnec et al., 2003, Hertel and Chang, 2007]. O objetivo dessas pes-quisas e encontrar metodos automaticos para se calcular objetivamente essaqualidade, de tal forma que o resultado obtido por esse calculo seja proximoao obtido por uma avaliacao humana [Wang et al., 2004, Carnec et al., 2003].

Tais metodos sao interessantes sobretudo em aplicacoes compostas porvarias fases de processamento, como por exemplo em aplicacoes de reconheci-mento de texto em imagens Sun et al. [2005] e reconhecimento biometrico [Alonso-Fernandez et al., 2007].

De modo semelhante, as pesquisas sobre reconhecimento biometrico (oubiometria) tem recebido consideravel atencao nos ultimos anos devido a cres-cente procura por reconhecimento automatico de indivıduos, tanto em apli-cacoes forenses quanto empresariais [Alonso-Fernandez et al., 2007, Jain andMaltoni, 2003].

O termo “biometria”refere-se a utilizacao de caracterısticas fisiologicascomo, por exemplo, impressoes digitais, face, retina, ıris, voz e DNA, e/oucomportamentais, tais como, assinatura e caminhar, para reconhecer in-divıduos [Jain and Maltoni, 2003, de Almeida Oliveira and Leite, 2004].

Alem das caracterısticas citadas, qualquer outra que atenda aos seguintesrequisitos pode ser utilizada no reconhecimento biometrico [Jain and Maltoni,2003, Jain et al., 2004, Oliveira and Leite, 2008]:

• universalidade: todas as pessoas possuem;

• distinguibilidade: e suficientemente distinguıvel de uma pessoa para aoutra, mesmo em se tratando de gemeos identicos;

• imutabilidade: nao se altera com o decorrer do tempo e

• coletabilidade: pode ser medida quantitativamente.

Uma importante vantagem da biometria em relacao as abordagens deidentificacao e reconhecimento tradicionais e que ela e mais eficiente e se-gura, uma vez que as caracterısticas consideradas geralmente nao podem serroubadas, perdidas ou copiadas [Jain et al., 2004, 2006b].

A Figura 1 apresenta tres diferentes abordagens para o reconhecimento deindivıduos, a parte (a) corresponde a abordagem baseada no que o indivıduo


carrega como, por exemplo, a que utiliza cartao de identificacao, a parte (b)baseia-se em algo que deve ser lembrado como, por exemplo, a que utilizasenha, e a parte (c) corresponde a abordagem biometrica, nesse caso, repre-sentada pelo metodo que utiliza impressoes digitais como caracterısticas.

Figura 1: Tres abordagens de autenticacao, reconhecimento e identificacaode indivıduos.

O foco deste trabalho e justamente impressoes digitais que, de acordocom a literatura, e a caracterıstica biometrica mais estudada e difundida,utilizada em larga escala em investigacoes criminais e aplicacoes comerciaisque exigem, por exemplo, controle de acessos e identificacao online. Estetipo de caracterıstica tem sido considerado popularmente como sinonimo debiometria [Lee and Tsutsui, 1999, Alonso-Fernandez et al., 2007, Jain andMaltoni, 2003].

De fato, em paıses como Estados Unidos e Franca, por exemplo, desde adecada de 60, as polıcias federais tem investido no desenvolvimento de siste-mas biometricos para reconhecimento automatico de impressoes digitais [Jainand Maltoni, 2003]. No Brasil, as secretarias de seguranca publica dos esta-dos mantem armazenadas impressoes digitais, coletadas de todos os cidadaosque possuem carteira de identidade, e em alguns estados como Tocantis, porexemplo, essa coleta ja e realizada de forma digital pelo sistema desenvolvidopela empresa Griaule [de Impressoes Digitais, 2009, Ereno, 2006].

De acordo com a literatura, a exatidao do reconhecimento realizado portais sistemas, porem, depende da qualidade das impressoes avaliadas [Alonso-Fernandez et al., 2007, Wang et al., 2004].

Com base nessa observacao, o objetivo geral deste projeto e uma revisaode literatura e a realizacao de um estudo comparativo metodos para avaliacaode qualidade de imagens de impressoes digitais, para posterior elaboracao deuma metodologia para avaliacao de qualidade.

Visando alcancar esse objetivo, organizamos este documento da seguintemaneira: a secao 2 introduz algumas caracterısticas das impressoes digitais.


A secao 3 descreve os criterios frequentemente adotados na literatura quandose realiza avaliacao de qualidade, principalmente de impressoes digitais. Ja asecao 4 contem uma revisao da literatura sobre avaliacao de imagens de formageral. A secao 5 apresenta um detalhamento dos objetivos deste projeto demestrado. A secao 6 apresenta um cronograma com as atividades a seremdesenvolvidas na realizacao do trabalho. Finalmente, a secao 7 descreve asconsideracoes finais.

2 Propriedades de uma impressao digital

As principais caracterısticas consideradas no reconhecimento biometrico po-dem ser:

• caracterısticas fisiologicas, que correspondem aos atributos inatos aosindivıduos como, por exemplo, DNA, orelha, face, termograma facial,impressao digital, geometria da mao, ıris, veias da mao, odor, retina evoz;

• caracterısticas comportamentais, que correspondem as acoes e atos dosindivıduos, podendo sofrer alteracoes em virtude de doencas ou idadecomo, por exemplo, o caminhar e a assinatura.

Em geral, as caracterısticas fisiologicas sao mais confiaveis e precisas doque as comportamentais, pois sao mais difıceis de serem copiadas ou imitadas,alem de sofrerem menos alteracoes com o passar do tempo. Este trabalho con-sidera apenas as caracterısticas fisiologicas, concentrando-se particularmenteem impressoes digitais que constituem as caracterısticas mais difundidas eestudadas atualmente [Jain and Maltoni, 2003, Jain et al., 2006b].

Alem disso, levando-se em conta os requisitos de uma caracterıstica bio-metrica, apresentados na secao 1, assim como o desempenho e as propriedadesde aceitabilidade (o quanto as pessoas a aceitam) e de circunvencao (quaofacil e burlar o processo de identificacao), pode-se observar, na Tabela 1, queas impressoes digitais possuem um bom compromisso, neste sentido.

Note que apesar da popular universalidade atribuıda as impressoes digi-tais, na tabela anterior o ındice e Medio. Isso porque algumas pessoas por-tadoras de uma sındrome chamada de Nagali nao as possuem, e que a altadistinguibilidade ocorre devido, entre outros, ao fato de que mesmo gemeosapresentam impressoes digitais diferentes.

Uma impressao digital e composta por cristas (ridges) e vales, conformeilustra a Figura 2, e sua copia e o resultado do contato da superfıcie dos dedosdas maos com um determinado objeto. Quando uma pessoa toca algo com


Caracterıstica Univ

ersa

lidad

e

Dis

tingu

ibilid

ade

Imuta

bilid

ade

Col

etab

ilid

ade

Des

empen

ho

Ace

itab

ilid

ade

Cir

cunve

nca

o

DNA A A A B A B BOrelha M M A M M A MFace A B M A B A A

Termograma facial A A B A M A BImpressao digital M A A M A M M

Caminhar M B B A B A MGeometria da mao M M M A M M M

Veias da mao M M M M M M B

Iris A A A M A B BTeclar B B B M B M MOdor A A A B B M B

Retina A A M B A B BAssinatura B B B A B A A

Voz M B B M B A A

Tabela 1: Comparacao das caracterısticas biometricas. A, M e B significamAlto, Medio e Baixo, respectivamente.


os dedos, geralmente deixa resıduos visıveis e invisıveis na superfıcie do quefoi tocado. O resıduo e uma copia da impressao digital e pode ser coletadopara posterior estudo e comparacao.

Figura 2: Cristas e vales em uma impressao digital.

A formacao das impressoes nos dedos das maos e uma combinacao dediversos fatores geneticos e ambientais num processo caotico e aleatorio. Umfeto possui as impressoes digitais completamente formadas por volta dos setemeses e a configuracao nao muda no decorrer da vida, exceto em casos deacidentes [Babler, 1991, Jain et al., 2002, 2007].

Impressoes digitais foram classificadas de diversas maneiras, atraves dahistoria e, de acordo com a literatura, sao analisadas atualmente sob nıveisde singularidade globais, locais e muito finos [Jain and Maltoni, 2003, Jainet al., 2007, Komarinski, 1998].

No nıvel global, pode-se observar pontos de singularidade chamados denucleos e delta, como mostra a Figura 3. Nesse nıvel, as impressoes digitaissao classificadas em tres grandes classes: arco, laco e verticilo [Jain et al.,2007]. Essas classes podem sofrer outras subdivisoes: arco plano, arco angu-lar, laco a esquerda, laco a direita, verticilo e mistos, como ilustra a Figura 4.

No nıvel local, pode-se observar outros detalhes denominados minucias.Os dois principais tipos de minucias sao as bifurcacoes e terminacoes apresen-tados na Figura 5. O National Institute of Standards and Tecnology (NIST),propos uma taxonomia que inclui, alem desses dois tipos de minucias, umaclasse denominada composta, que compreende trifurcacoes e cruzamentos, euma outra para minucias indeterminadas.

Finalmente, no nıvel muito fino, detalhes tais como os poros dos dedoscontidos nas cristas (ridges) da impressao digital podem ser detectados, comomostra a Figura 6. Essa informacao pode ser util ao reconhecimento porem,

2.1 Impressoes digitais parciais e latentes 6

Figura 3: Nucleo e delta em uma imagem de impressao digital.

Figura 4: Da esquerda para a direita: arco plano, arco angular, laco a es-querda, laco a direita, misto e verticilo.

Figura 5: Imagem de impressao digital com tres minucias. As cristas emdetalhe em (1) e (2) correspondem as caracterısticas conhecidas como ter-minacoes e a crista apresentada em (3) e chamada de bifurcacao.

na pratica, isso normalmente e inviavel, pois as imagens precisam ser de altaresolucao, superior a 1000 dpi 1 [Jain et al., 2007, 2006a, Komarinski, 1998].

2.1 Impressoes digitais parciais e latentes

A miniaturizacao de dispositivos de capturas de impressoes digitais permitiua disseminacao de sistemas de autenticacao biometrica a partir de disposi-

1Acronimo para dots per inch, ou em portugues, pontos por polegada.


Figura 6: Imagem de impressao digital.

tivos como PDAs, telefones celulares e laptops. Sensores com area menordo que 13mm x 18mm capturam impressoes digitais parciais, apresentandomenos minucias que, mesmo assim, podem ser utilizadas na verificacao deusuarios, ou seja, podem ser confrontadas com uma impressao digital com-pleta, previamente armazenada.

Trechos de impressoes digitais capturadas em cenas de crime, conheci-das como latentes, sao classificadas como evidencias na solucao de crimes.Essas impressoes foram acidentalmente disponibilizadas e muito frequente-mente sao invisıveis ao olho humano, necessitando passar por algum processoquımico para sua coleta. Por esta razao, a composicao e qualidade dessasimpressoes podem comprometer a sua correta identificacao.

Em impressoes latentes, tipicamente apenas uma porcao do dedo estapresente. A superfıcie na qual a impressao foi pressionada pode ser de qual-quer natureza e os detalhes das papilas frequentemente estao borrados ouoclusos, alem das distorcoes geometricas da propria imagem. Enquanto umaimpressao digital comum possui de 100 a 200 minucias, uma impressao la-tente pode conter um numero muito reduzido destas. A Figura 7 ilustra umaimpressao latente e sua respectiva imagem.

3 Avaliacao de qualidade

Como os seres humanos sao os receptores finais da maioria das aplicacoes deprocessamento de imagem, a maneira mais confiavel de se avaliar a qualidadede uma imagem e realizada subjetivamente por eles. Por este motivo, aavaliacao de qualidade em imagens realizada por programas de computador(objetiva) deve se correlacionar bem com a subjetividade humana Wang andBovik [2006].

Especificamente sobre impressoes digitais o Tabassi et al. [2004] descreve


Figura 7: Imagem de impressao digital latente e sua respectiva imagem.

a avaliacao de qualidade como a uma previsao do reconhecimento antes deele ser realizado.

Resumidamente, essa qualidade pode ser definida como a facilidade emextrair as caracterısticas usadas na identificacao, tais como minucias, nucleose deltas. Pode ser tambem considerada como uma medida da clareza dosvales e cristas. Neste sentido, e desejavel que as cristas e vales estejam bemcaracterizados e possuam orientacoes bem definidos.

Uma impressao digital pode apresentar varios problemas que afetam di-reta e indiretamente a sua qualidade:

• tipo de sensor (impressoes latentes);

• posicionamento, causando problemas devidos, por exemplo, a pressaoexcessiva ou fraca e a distorcoes geometricas e topologicas.

• pele, que pode gerar excesso de umidade, oleosidade, sujeira, secura,cicatrizes e rugas;

• falta de cooperacao do usuario.

Uma avaliacao desta qualidade afeta a cadeia de processamento das ima-gens e fornece informacoes uteis sobre a viabilidade de seu uso. Alem disto,pode ser usada para definir a etapa posterior mais adequada de proces-samento, ajudando a escolher, por exemplo, entre reaquisicao (caso sejapossıvel), melhoramento (aplicacao de algoritmos de acordo com o problemaa ser resolvido), definicao de limiares dinamicos ou de ındices globais ou re-gionais de confianca. Nesse sentido, o termo qualidade aqui empregado dizrespeito a quao facil e para o sistema processar uma imagem e a viabilidade

3.1 Impressoes digitais parciais e latentes 9

da sua utilizacao. Para sistemas publicos que contam com a cooperacao dousuario, isso nao e um problema pois basta ao usuario reapresentar a respec-tiva impressao digital. Outra forma de contornar o problema da qualidade earmazenar varias amostras da mesma informacao.

3.1 Impressoes digitais parciais e latentes

A tecnologia atual nao e adequada ao reconhecimento das impressoes latentesdevido a suas caracterısticas de qualidade. E extremamente difıcil para umsistema de reconhecimento automatico classificar e localizar minucias nestetipo de imagem, o que requer o trabalho manual de especialistas.

Outras caracterısticas dos padroes das cristas como, por exemplo, forma,orientacao local, frequencia e textura, tambem podem ser consideradas, ape-sar da sua baixa capacidade de distincao.

Assim, a solucao para a analise de impressoes digitais latentes deve sermultipla e deve levar em conta a qualidade da imagem, as partes disponıveisda impressao digital e a participacao humana, pois muito provavelmente oprocesso global sera semi-automatico.

O (NIST) [Tabassi et al., 2004], considerando aspectos globais da im-pressao digital, classificou de maneira informal impressoes latentes, conformeilustra a Figura 8, em:

• good;

• bad e

• ugly.

Figura 8: Exemplos de imagens de impressoes digitais classificadas de acordoa abordagem do NISTE em a)good, b)bad e c)ugly.


Entretanto, como pode-se observar, essa classificacao nao permite umacompreensao da complexidade inerente as impressoes digitais latentes. Umaclassificacao mais adequada e especıfica ao nıvel de processamento de ima-gens precisa levar em conta tanto aspectos globais quanto locais, como, porexemplo:

• boa, tipicamente pode considerar como um trecho de uma impressaodigital de boa qualidade;

• borrada, quando outras texturas alem da textura tıpica da impressaodigital sao encontradas;

• distorcida, quando apresenta uma distorcao geometrica, acima de umvalor de tolerancia, podendo prejudicar o casamento posterior;

• ruidosa, quando apresenta quebras nas cristas, devido a cicatrizes e/ousecura dos dedos;

• completude, quando apenas uma parte da impressao esta presente.

Essa classificacao deve possibilitar, entre outros aspectos, um tratamentomais automatico das impressoes latentes, de acordo com sua qualidade. Dessaforma, as impressoes de boa qualidade podem ser muito bem tratadas pe-los sistemas de reconhecimento atuais Jea and Govindaraju [2005]. As im-pressoes classificadas como borradas devem passar por um pre-processamentoque envolva suavizacao, contraste, reducao de marcas provenientes de cicatri-zes e outros de Almeida Oliveira and Leite [2004]. A ultima classe na qual epossıvel um melhoramento, a classe distorcida, necessita de uma abordagemdiferenciada em relacao as caracterısticas normalmente coletadas a partir daminucias, pois, em funcao das distorcoes as minucias estarao em posicoesdistintas da imagem original, necessitando portanto de uma transformacaode rotacao ou translacao.

4 Revisao bibliografica

O grande objetivo das pesquisas de avaliacao de qualidade em imagens eencontrar um metodo que avalie a qualidade em imagens arbitrarias, e queobtenha alem disso, um resultado semelhante a avaliacao subjetiva realizadapor humanos [Carnec et al., 2003].

No entanto, esse e um problema computacional bastante difıcil que encontra-se ainda em aberto, de modo que em geral, a avaliacao ideal somente e


alcancada por humanos. Apesar disso, na pratica, a avaliacao subjetiva hu-mana e inviavel pois e muito lenta e cara [Wang et al., 2004, Wang and Bovik,2006].

Com base nessa observacao, ha trabalhos na literatura que abordam esteproblema a partir de sua classificacao em tres categorias [Wang and Bovik,2006, Carnec et al., 2003].

A primeira delas reune metodos de referencia completa que utilizam alemda imagem distorcida uma imagem original de referencia, que e utilizada paracalcular o ındice de qualidade, como por exemplo os trabalhos de Seshadri-nathan and Bovik [2008] e Ponomarenko et al. [2008].

Ja a segunda categoria compreende metodos que utilizam uma descricaoda imagem original. Tal descricao considera somente as caracterısticas deinteresse como, por exemplo, o brilho, a cor, etc. Li and Wang [2008], Chonoet al. [2008] e Li and Wang [2009] apresentam metodos de avaliacao dessacategoria.

A terceira categoria por sua vez, nao utiliza imagens ou descritores de re-ferencia, trabalhando apenas com a imagem distorcida. Os trabalhos de Eden[2008], Tian et al. [2008] e Zhou et al. [2008] apresentam metodos que con-templam essa categoria.

Particularmente, quando e realizada a avaliacao de qualidade em im-pressoes digitais sao estudados metodos da segunda e terceira categoria.

Diversos desses metodos foram desenvolvidos, como e apresentado na Ta-bela 2 e, de uma maneira geral, a avaliacao de qualidade baseia-se em ca-racterısticas locais (orientacao, intensidade dos pixels) e globais (orientacao,espectro). As abordagens baseadas em caracterısticas locais consistem nadivisao da imagem em regioes, chamadas de blocos, que recebem valores deacordo com a analise de qualidade realizada. A qualidade global da imageme uma media ponderada desses valores de acordo com alguma heurıstica es-pecıfica. Caracterısticas globais (domınio, frequencia, textura) servem paraobter uma medida da qualidade da imagem, mas melhoramentos necessitamde avaliacao locais.

Hong et al. [1998] modelaram, com base na informacao direcional, a im-pressao digital como uma curva senoidal e calcularam amplitude, frequencia evariancia de blocos da imagem para determinar sua qualidade. Isso nem sem-pre e possıvel, pois a imagem pode ter muito ruıdo, prejudicando a deteccaoda direcao. As regioes sao classificadas como recuperaveis ou irrecuperaveis.Se a porcentagem de blocos recuperaveis estiver abaixo de um limiar, a im-pressao digital e classificada como de qualidade baixa.

Ratha and Bolle [1999] propuseram um metodo para a estimacao da qua-lidade usando wavelets, apropriado para imagens comprimidas atraves dometodo WSQ, mas inadequado para imagens nao comprimidas. Geralmente,


Artigos CaracterısticasLocais

CaracterısticasGlobais

Abordagens

Hong et al. [1998] X Gabor e Informacao direcio-nal

Ratha and Bolle[1999]

X wavelets sobre imagensWSQ

Alex et al. [2001] X variancia de Gabor em oitodirecoes

Garris et al. [2001] X X mapas (direcional, baixocontraste, baixo fluxo e altacurvatura)

Lim et al. [2002] X X padrao de uniformidade glo-bal e textura local

Yao et al. [2002] X intensidades dos pixels

Simon-Zorita et al.[2003]

X X controle do posicionamentodo nucleo

Tabassi et al. [2004] X X mapas de qualidadeChen et al. [2005] X X domınio de frequencia

e coerencia global entreregioes

Fierrez-aguilaret al. [2005]

X avaliacao global baseada nodomınio da frequencia

Lee et al. [2006] X curva senoidal

Tabela 2: Comparacao entre artigos sobre qualidade de impressoes digitais.


regioes proximas ao centroide de uma impressao digital recebem pesos mai-ores ja que, provavelmente, possuem mais informacoes que a periferia.

Alex et al. [2001] usam a variancia do filtro de Gabor em 8 direcoes. Em-pregam apenas informacoes da orientacao local, negligenciando informacaode continuidade e uniformidade. Alem disso, o desempenho depende da quan-tidade de filtros e a complexidade computacional e elevada.

Garris et al. [2001] descrevem o software desenvolvido pelo NIST paraextrair o vetor de caracterıstica das minucias. Este pacote detecta minuciasa partir de uma imagem de uma impressao digital, avalia a qualidade dessasminucias e gera um mapa de qualidade da imagem. A imagem e divididaem blocos e o software gera varios mapas (direcional, baixo contraste, baixofluxo e alta curvatura) que servirao para o calculo deste mapa de qualidade.

As informacoes desses quatro mapas sao integradas gerando o mapa dequalidade. As Figuras 9 e 10 exemplificam este mapa de qualidade atravesde tons de cinza, onde o branco representa nıvel 4 e o preto, nıvel 0.

Figura 9: Impressao digital avaliada como de boa qualidade e seu mapa.

Figura 10: Impressao digital avaliada como de ma qualidade e seu mapa.

Lim et al. [2002] utilizam medidas de uniformidade global e padroes de


textura local para definir a qualidade. De cada bloco extrai-se as seguintesinformacoes: nıvel de certeza da orientacao, frequencia das cristas, espessurada crista e a proporcao da espessura entre cristas e vales. A repeticao dospadroes de cristas e vales e verificada pela razao dos autovalores obtidos pelamatriz de covariancia e o gradiente em nıvel de cinza dos blocos da imagem,contudo e necessario definir os pesos para as medidas local e global.

Yao et al. [2002] propuseram um algoritmo para avaliar e classificar asimagens como secas (dry) e manchadas (smudged) em funcao da media evariancia da intensidade dos pixels (caracterısticas locais). Usa a curva ROCpara mostrar o ganho alcancado apos remover as impressoes de pior quali-dade.

Simon-Zorita et al. [2003] consideram sua avaliacao com base no controledo posicionamento do nucleo da impressao digital. Sao tres nıveis de controle(baixo, medio e alto), como ilustra a Figura 11. A aquisicao da impressaodigital e supervisionada para garantir que o nucleo esteja dentro de uma areaestabelecida. Avaliacoes sao realizadas entre impressoes digitais de classesdistintas, impressoes dentro da mesma classe e sobre um grupo de imagenspreviamente classificadas por peritos humanos com relacao a criterios de qua-lidade (completude, borrado, ruıdo no plano de fundo, presenca de artefatos,entre outros).

Figura 11: Impressao digital avaliada como de ma qualidade e seu mapa.

Tabassi et al. [2004] consideram as caracterısticas da impressao digitalobtidas pelo NIST (mapas de qualidade) para estimar a qualidade baseado-se na capacidade de separacao entre distribuicoes de casamento (match) enao-casamento de uma impressao digital. Uma impressao digital tem boaqualidade quando essas distribuicoes estao bem separadas. Uma rede neurale utilizada para classificar as impressoes em cinco grupos: poor, fair, good,very good e excelent.

Chen et al. [2005] propuseram dois ındices de qualidades para imagensde impressoes digitais. O primeiro ındice mede a concentracao de energiano domınio da frequencia como uma caracterıstica global. O segundo ındicemede a coerencia global em regioes locais. Ambos sao usados para predicao de


desempenho de um sistema de identificacao em tres estagios: melhoramento,extracao de caracterısticas e casamento. O objetivo e definir como cadaestagio se comporta de acordo com qualidade da imagem.

O ındice global possui melhor capacidade de predicao na etapa de me-lhoramento. O ındice local e levemente mais eficaz no estagio de extracao.Ambos os ındices sao efetivos na predicao e melhoramento da etapa de casa-mento.

Fierrez-aguilar et al. [2005] utilizam um ındice de avaliacao global baseadono domınio da frequencia pois imagens com boa qualidade possuem um anelbem definido no domınio da frequencia, assim como a distribuicao de energiapossui um pico mais definido, a medida que a qualidade da imagem melhora,como pode ser observado na Figura 12. O ındice de qualidade e definido emtermos de concentracao de energia dentro de uma regiao de interesse. Esteındice e normalizado no intervalo [0,1].

Figura 12: Exemplos de impressoes digitais com qualidade de imagem cres-cente na primeira linha, domınio de frequencia na segunda linha e na ter-ceira linha a distribuicao de energia entre aneis concentricos no domınio dafrequencia.

Lee et al. [2006] consideram qualidade como uma medida de similaridadeentre a estrutura senoidal de uma impressao ideal e a estrutura da impressao

5 Objetivos 16

de consulta. A avaliacao e regional (por bloco) e particiona a imagem emduas classes: regiao boa e regiao ruim.

5 Objetivos

O objetivo geral deste projeto e a realizacao de uma revisao de literatura e umestudo comparativo sobre a avaliacao de qualidade em imagens, estudandoespecificamente impressoes digitais, visando posteriormente a elaboracao deuma metodologia de avaliacao de qualidade.

Particularmente, o objetivo deste trabalho e estudar diversos metodos deavaliacao de qualidade de impressoes digitais, a partir de suas caracterısticaslocais e globais. Essa avaliacao e util para sistemas biometricos que utilizamimpressoes digitais, no melhoramento dessas imagens, ou para indicar que enecessario se possıvel uma reaquisicao.

Para tanto, sera utilizada a abordagem composta pelas etapas apresen-tadas na Figura 13 e descritas a seguir:

• alinhamento da imagem de impressao digital, esta etapa inicial e ne-cessaria para encontrar e remover as transformacoes de rotacao e translacao;

• avaliacao global, atraves de medicao da energia da imagem;

• avaliacao local, consistindo em:

divisao da imagem em regioes WxW;

em cada regiao estima-se a direcao, frequencia, define-se uma mapadirecional e calculam-se ındices de qualidade locais, que podem serajustados de acordo com as demais regioes circunvizinhas. O tamanhodesta janela (WxW) pode ser estabelecido automaticamente, de acordocom o ındice de qualidade obtido, ou seja, quanto menor a qualidade,pode-se descer a uma granularidade mais fina, a fim de se obter umvalor mais representativo da regiao. Outros valores estaticos como, porexemplo, media e desvio padrao podem ser calculados;

• comparacao de direcao de cada regiao com a relacao as circunvizinhaspara avaliar continuidade/quebra. Mudanca brusca na direcao podeindicar regiao de baixa qualidade ou caracterısticas importantes comopor exemplo deltas ou nucleos;

• deteccao de distorcoes, causadas pelo mapeamento 3D para 2D e pelapressao exercida pelo dedo;

5 Objetivos 17

• avaliacao da completude da impressao digital, se partes significantes(regioes com nucleo e delta) da impressao digital nao foram capturadasou se apenas uma fracao da impressao esta disponıvel, isso pode serdescoberto atraves da avaliacao da simetria da impressao;

A imagem dos blocos pode ser classificada da seguinte maneira:

• borrada;

• ruidosa (devido a presenca de quebras devido a cicatrizes, dedos secos,etc.);

• distorcida;

• boa.

Figura 13: Etapas da abordagem proposta.

A impressao digital sera classificada de acordo com seus blocos e esta clas-sificacao tem por objetivo facilitar a etapa seguinte que e a de melhoramentoda imagem. Para cada classe, uma abordagem especıfica de melhoramento erecomendada. Por exemplo, imagens borradas possuem cristas mais espessasque os vales, necessitando de um afinamento. Ja as imagens ruidosas, quesao caracterizadas por um excesso de quebras nas cristas podem passar porum processo de dilatacao. E imagens com distorcao geometrica pode passarpor uma transformacao afim.

Esses ındices de qualidade podem servir ainda para rejeitar ou aceitar umaimagem. Em todo caso, ao longo desse trabalho outras avaliacoes devem serdefinidas para afinar essa metodologia de avaliacao de qualidade.

6 Cronograma 18

Tarefa Inıcio Conclusao

1 Marco 2009 Dezembro 20092 Julho 2009 Marco 20103 Abril 2010 Outubro 20104 Outubro 2010 Novembro 20105 Junho 2010 Fevereiro 20116 Marco 2011

Tabela 3: Conograma de Atividades

Resumidamente, as principais contribuicoes deste trabalho para area com-preende a avaliacao da completude de imagens de impressoes digitais e a pro-posta de uma metodologia para validacao de imagem atraves de indicadoresde confianca.

6 Cronograma

O cronograma das atividades esta especificado na Tabela 3, sendo detalhadoa seguir:

1. cumprimento de creditos;

2. pesquisa e implementacao de diversas tecnicas de avaliacao de quali-dade de impressoes digitais;

3. testes sobre o banco de dados de imagens do NIST e da empresa Gri-aule;

4. avaliacao dos indicadores de qualidade;

5. escrita da dissertacao e

6. defesa da dissertacao.

7 Conclusao

A necessidade de identificar indivıduos tem levado empresas e governos aprocurar solucoes mais automaticas e que causem menos impacto a vidadas pessoas. Historicamente, impressoes sao utilizadas na tarefa de identi-ficar pessoas, sendo aceitas tanto pelas empresas quanto pelos indivıduos.

REFERENCIAS 19

A evolucao tecnologica permitiu o barateamento de computadores e dispo-sitivos eletronicos como scanners, bem como o desenvolvimento de sistemasautomaticos de identificacao de impressoes digitais, que tem crescido bastantea tal ponto que aplicacoes comerciais utilizam-na para autenticar acesso deforma rapida e confiavel, por exemplo em sistemas de controle de ponto.

As imagens com essas impressoes estao, no entanto, sujeitas a uma seriede distorcoes, decorrentes de falhas no processo de aquisicao ou falta de coo-peracao do usuario, por exemplo. Tais deformacoes afetam toda a cadeia deprocessamento das imagens e invariavelmente trazem problemas ao reconhe-cimento efetivo.

Nesse sentido, resumidamente, as principais contribuicoes deste traba-lho de mestrado sao: um estudo comparativo de metodos de avaliacao dequalidade, a descricao de indicadores de qualidade de impressoes digitais ede completude e processamento adaptativo de acordo com a avaliacao daimagem.

Referencias

L. S. Alex, A. Kot, and W. Koo. Quality measures of fingerprint images. InIn: Proc. AVBPA, Springer LNCS-2091, pages 266–271, 2001.

F. Alonso-Fernandez, J. Fierrez, J. Ortega-Garcia, J. Gonzalez-Rodriguez,H. Fronthaler, K. Kollreider, and J. Bigun. A comparative study of finger-print image-quality estimation methods. Information Forensics and Se-curity, IEEE Transactions on, 2(4):734–743, Dec. 2007. ISSN 1556-6013.doi: 10.1109/TIFS.2007.908228.

W. J. Babler. Embryologic development of epidermal ridges and their confi-gurations. Birth Defects: Original Article Series, 2:95–112, 1991.

M. Carnec, P. Le Callet, and D. Barba. An image quality assessment methodbased on perception of structural information. In Image Processing, 2003.ICIP 2003. Proceedings. 2003 International Conference on, volume 3, pa-ges III–185–8 vol.2, Sept. 2003. doi: 10.1109/ICIP.2003.1247212.

Y. Chen, S. Dass, and A. Jain. Fingerprint quality indices for predictingauthentication performance. In In: Proc. AVBPA, Springer LNCS-3546,pages 160–170, 2005.

K. Chono, Y.-C. Lin, D. Varodayan, Y. Miyamoto, and B. Girod. Reduced-reference image quality assessment using distributed source coding. In

REFERENCIAS 20

Multimedia and Expo, 2008 IEEE International Conference on, pages 609–612, 23 2008-April 26 2008. doi: 10.1109/ICME.2008.4607508.

M. de Almeida Oliveira and N. J. Leite. Reconnection of fin-gerprint ridges based on morphological operators and multis-cale directional information. Computer Graphics and ImageProcessing, Brazilian Symposium on, 0:122–129, 2004. doi:http://doi.ieeecomputersociety.org/10.1109/SIBGRA.2004.1352952.

G. T. de Impressoes Digitais. Afis, biometria, controle de ponto, controlede acesso. On Line., 2009. Consultado em 13 jun. 2008. Disponıvel naInternet em http://www.griaule.com/page/pt-br.

A. Eden. No-reference image quality analysis for compressed video sequences.Broadcasting, IEEE Transactions on, 54(3):691–697, Sept. 2008. ISSN0018-9316. doi: 10.1109/TBC.2008.2001718.

D. Ereno. Reconhecimento digital - sistema desenvolvido pela empresa griauleesta entre os melhores do mundo. Revista da Fapesp, 130:67–69, 2006.

J. Fierrez-aguilar, Y. Chen, J. Ortega-garcia, and A. K. Jain. Incorpora-ting image quality in multi-algorithm fingerprint verification. In Proc.IAPR Intl. Conf. on Biometrics, ICB, Springer LNCS-3832, pages 213–220. Springer, 2005.

M. D. Garris, C. Watson, R. McCabe, and C. Wilson. User’s guide to nistfingerprint image software (nistir 6813). On Line., 2001. Disponıvel na In-ternet em ftp : //sequoyah.nist.gov/pub/nistinternalreports/ir6813.pdf .Acessado em julho de 2009.

R. C. Gonzalez and R. E. Woods. Processamento de Imagens Digitais.Addison-Wesley, 2th edition, 2000.

D. Hertel and E. Chang. Image quality standards in automotive vision ap-plications. In Intelligent Vehicles Symposium, 2007 IEEE, pages 404–409,June 2007. doi: 10.1109/IVS.2007.4290148.

L. Hong, Y. Wan, and A. Jain. Fingerprint image enhancement: Algorithmand performance evaluation. IEEE Transactions on Pattern Analysis andMachine Intelligence, 20:777–789, 1998.

A. Jain, Y. Chen, and M. Demirkus. Pores and ridges: Fingerprint mat-ching using level 3 features. In ICPR ’06: Proceedings of the 18th In-ternational Conference on Pattern Recognition, pages 477–480, Washing-

REFERENCIAS 21

ton, DC, USA, 2006a. IEEE Computer Society. ISBN 0-7695-2521-0. doi:http://dx.doi.org/10.1109/ICPR.2006.938.

A. K. Jain and D. Maltoni. Handbook of Fingerprint Recognition. Springer-Verlag New York, Inc., Secaucus, NJ, USA, 2003. ISBN 0387954317.

A. K. Jain, S. Prabhakar, and S. Pankanti. On the similarity of identicaltwin fingerprints. Pattern Recognition, 35(11):2653 – 2663, 2002. ISSN0031-3203. doi: DOI: 10.1016/S0031-3203(01)00218-7.

A. K. Jain, A. Ross, and S. Prabhakar. An introduction to biometric re-cognition. Circuits and Systems for Video Technology, IEEE Transac-tions on, 14(1):4–20, 2004. doi: 10.1109/TCSVT.2003.818349. URLhttp://dx.doi.org/10.1109/TCSVT.2003.818349.

A. K. Jain, A. Ross, S. Pankanti, and S. Member. Biometrics: A tool forinformation security. IEEE transactions on information forensics and se-curity, 1:125–143, 2006b.

A. K. Jain, Y. Chen, and M. Demirkus. Pores and ridges: High-resolutionfingerprint matching using level 3 features. IEEE Transactions on PatternAnalysis and Machine Intelligence, 29(1):15–27, 2007. ISSN 0162-8828.doi: http://doi.ieeecomputersociety.org/10.1109/TPAMI.2007.17.

T.-Y. Jea and V. Govindaraju. A minutia-based partial fingerprint recogni-tion system. Pattern Recognition, 38(10):1672 – 1684, 2005. ISSN 0031-3203. doi: DOI: 10.1016/j.patcog.2005.03.016.

P. Komarinski. AUTOMATED FINGERPRINT IDENTIFICATION SYS-TEMS (AFIS). Elsevier Academic Press, 1th edition, 1998. ISBN 0-12-418351-4.

S. Lee, C. Lee, and J. Kim. Model-based quality estimation of fingerprintimages. In D. Zhang and A. K. Jain, editors, ICB, volume 3832 of LectureNotes in Computer Science, pages 229–235. Springer, 2006. ISBN 3-540-31111-4.

S. B. Lee and S. Tsutsui. Intelligent biometric techniques in fingerprint andface recognition. CRC Press, Inc., Boca Raton, FL, USA, 1999. ISBN0-8493-2055-0.

Q. Li and Z. Wang. General-purpose reduced-reference image quality assess-ment based on perceptually and statistically motivated image representa-tion. In Image Processing, 2008. ICIP 2008. 15th IEEE International Con-ference on, pages 1192–1195, Oct. 2008. doi: 10.1109/ICIP.2008.4711974.

REFERENCIAS 22

Q. Li and Z. Wang. Reduced-reference image quality assessment using divi-sive normalization-based image representation. Selected Topics in SignalProcessing, IEEE Journal of, 3(2):202–211, April 2009. ISSN 1932-4553.doi: 10.1109/JSTSP.2009.2014497.

E. Lim, X. Jiang, and W. Yau. Fingerprint quality and validity analysis. InImage Processing. 2002. Proceedings. 2002 International Conference on,volume 1, pages I–469–I–472 vol.1, 2002. doi: 10.1109/ICIP.2002.1038062.

M. A. Oliveira and N. J. Leite. A multiscale directional operator andmorphological tools for reconnecting broken ridges in fingerprint ima-ges. Pattern Recogn., 41(1):367–377, 2008. ISSN 0031-3203. doi:http://dx.doi.org/10.1016/j.patcog.2007.05.019.

N. Ponomarenko, V. Lukin, K. Egiazarian, J. Astola, M. Carli, and F. Bat-tisti. Color image database for evaluation of image quality metrics. InMultimedia Signal Processing, 2008 IEEE 10th Workshop on, pages 403–408, Oct. 2008. doi: 10.1109/MMSP.2008.4665112.

N. K. Ratha and R. Bolle. Fingerprint image quality estimation. Technicalreport, IBM Computer Science Research, 1999.

K. Seshadrinathan and A. Bovik. Unifying analysis of full referenceimage quality assessment. In Image Processing, 2008. ICIP 2008. 15thIEEE International Conference on, pages 1200–1203, Oct. 2008. doi:10.1109/ICIP.2008.4711976.

D. Simon-Zorita, J. Ortega-Garcia, J. Fierrez-Aguilar, and J. Gonzalez-Rodriguez. Image quality and position variability assessment in minutiae-based fingerprint verification. Vision, Image and Signal Processing, IEEProceedings -, 150(6):402–408, 2003. doi: 10.1049/ip-vis:20031037. URLhttp://dx.doi.org/10.1049/ip-vis:20031037.

J. Sun, Y. Hotta, Y. Katsuyama, and S. Naoi. Camera based degraded textrecognition using grayscale feature. In Document Analysis and Recognition,2005. Proceedings. Eighth International Conference on, pages 182–186 Vol.1, Aug.-1 Sept. 2005. doi: 10.1109/ICDAR.2005.61.

E. Tabassi, C. L. Wilson, and C. I. Watson. Fingerprint image quality.Technical report, NIST Report NISTIR 7151, 2004.

Y. Tian, M. Zhu, and L. Wang. Analysis and design of no-reference imagequality assessment. In MultiMedia and Information Technology, 2008.

REFERENCIAS 23

MMIT ’08. International Conference on, pages 349–352, Dec. 2008. doi:10.1109/MMIT.2008.171.

Z. Wang and A. C. Bovik. Modern Image Quality Assessment (Synthesis Lec-tures on Image, Video, and Multimedia Processing). Morgan & ClaypoolPublishers, 2006. ISBN 1598290223.

Z. Wang, A. C. Bovik, H. R. Sheikh, S. Member, E. P. Simoncelli, andS. Member. Image quality assessment: From error visibility to structuralsimilarity. IEEE Transactions on Image Processing, 13:600–612, 2004.

M. Y.-S. Yao, S. Pankanti, N. Haas, N. Ratha, and R. M. Bolle. Quali-tifying quality: A case study in fingerprints. In In: Auto ID’02 Procee-dings Workshop on Automatic Identification Advanced Technologies, pages126–131, 2002.

J. Zhou, B. Xiao, and Q. Li. A no reference image quality assessment methodfor jpeg2000. In Neural Networks, 2008. IJCNN 2008. (IEEE World Con-gress on Computational Intelligence). IEEE International Joint Confe-rence on, pages 863–868, June 2008. doi: 10.1109/IJCNN.2008.4633899.

instituto de computac¸˜ao - students.ic.unicamp.brra089067/v0main.pdf · raoni florentino da...

Documents