Documente Academic
Documente Profesional
Documente Cultură
Reconhecimento de Padres
SILVIA MARIA FARANI COSTA1
JOO MARCELO V. DE OLIVEIRA1
ADRIANA PAULA BORGES1
FRANCISCO JAVIER RAMIREZ FERNANDEZ1
1
1. Introduo
O reconhecimento de impresses digitais, abordado em biometria, tem se destacado no contexto
do reconhecimento de padres. O sistema de autenticao biomtrica faz uso de caractersticas
individuais para validar a identidade de um indivduo.
A comparao de impresses digitais, antigamente restrita a rea criminal, exerce papel
fundamental na verificao de pessoas. Hoje, porm, com o avano tecnolgico, a verificao de
impresses digitais pode ser empregada em sistemas de segurana, transaes financeiras, controle
de acesso a locais restritos, controle de freqncia de funcionrios, logins em redes corporativas,
validao de documentos, autenticao de portadores de cartes, comprovao de identidade, etc.
Desta forma, percebemos que a verificao de impresses digitais no est somente associada
identificao jurdica de um indivduo, atualmente tem sido usada em diversas aplicaes aonde a
tecnologia vem facilitar o cotidiano das pessoas, aumentando a cada dia a demanda dos sistemas
computacionais.
Na segunda seo destacamos o estado da arte neste tema tecnologia biomtrica. Na seo
trs abordamos os conceitos sobre os Sistemas de Identificao de Impresses Digitais Automtico
- AFIS. O clculo da imagem direcional abordado na seo quatro. A seo cinco aborda a
suavizao do mapa direcional, onde possvel fazer uma analogia sobre o mtodo exposto na
literatura que faz uso do clculo de seno-cosseno e a nossa proposta que utiliza um mtodo
estatstico baseado no clculo da moda. Na seo seis apresentamos a implementao do software.
A aplicao do algoritmo direcional para a identificao dos axnios em imagens de neurnios em
cultura descrita na seo sete. As concluses do trabalho e perspectivas futuras so descritas na
seo oito.
2. Tecnologia Biomtrica
A comparao manual da impresso digital uma tarefa tediosa, onde os aspectos geomtricos
usados para comparao so extremamente pequenos necessitando auxlio de lentes de aumento
para obter uma melhor definio da marca da impresso digital, [3],[8]. Outro ponto a ser
considerado a reviso do banco de dados que pode impor um alto grau de complexidade tal que a
comparao manual pode se estender por dias em alguns casos. Esses problemas podem ser
facilmente superados pela automao do processo de classificao da impresso digital visando
otimizar o processamento.
Mtodos tradicionais de verificao pessoal normalmente usam algo que conhecemos (PIN
Personal Identification Number, ou seja, uma senha) ou algo que possumos (uma chave, um
carto), [5],[10], (Figura 1). O grande problema que estes recursos podem ser esquecidos,
roubados, perdidos, copiados, armazenados de maneira insegura e at utilizados por uma pessoa que
no tenha autorizao. Desta forma, no surpreendente que o novo campo de atraes seja a
biometria, ou seja, a maneira de identificar pessoas por intermdio de suas caractersticas fsicas.
digital em um dos cinco tipos: Verticilo, Arco Plano, Arco Angular, Presilha Direita e Presilha
Esquerda. A partir do momento que se sabe qual a categoria da impresso digital, ou seja, a qual
classe ela pertence, parte-se para a etapa de verificao. Esse processo ocorre contrastando a
impresso digital desejada com todas as outras do banco de dados, uma a uma. Observe que agora
ser necessrio verificar apenas 1/5 do total de imagens de um banco de dados, visto que somente
faz sentido comparar impresses digitais que tenham a mesma classificao.
4
5
C
3
4
4
S1
S0
Os valores de cada pixel, que variam de 0 (preto) a 255 (branco), so somados em oito direes
conforme a mscara da Figura 2, de forma a se obter oito somatrias, S0, S1, ..., S6, S7. Esses 8
nmeros so os possveis valores de direo que um pixel pode assumir. Essa mscara, na verdade,
fora que os valores dos pixels sejam somados em 8 direes distintas que nada mais so do que 8
diferentes ngulos, conforme mostra a Figura 3 em uma imagem original.
Descobertos os valores da soma de cada uma das oito direes possveis (S0, S1, ..., S6, S7),
basta descobrir qual a direo que ele vai assumir: 0, 1, ..., 6, 7. Para tal, feito o seguinte
algoritmo:
1.
Descobre-se qual a direo cuja soma dos pixels apresentou o menor valor. Para
facilitar o entendimento, ser chamada de MENOR_DIREO.
2.
Descobre-se qual a direo cuja soma dos pixels apresentou o maior valor. Para
facilitar o entendimento, ser chamada de MAIOR_DIREO.
3.
Descobre-se qual o valor do pixel central. Para facilitar o entendimento, ser chamado
de PIXEL_CENTRAL.
4.
Descobre-se o valor total das direes somando os oito valores obtidos S0, S1, ..., S6, S7.
Para facilitar o entendimento, ser chamado de TODAS_DIREES.
5.
Se (4 * PIXEL_CENTRAL) + MAIOR_DIREO + MENOR_DIREO for menor do
que 3/8 * TODAS_DIREES, considera-se que o pixel central est em uma rea com
menor soma (pixels mais para preto), portanto escolhida a direo que obteve a menor
soma: MENOR_DIREO. Caso contrrio, considera-se que o pixel central est em
uma rea com maior soma (pixels mais para branco), assim escolhida a direo que
obteve maior soma: MAIOR DIREO.
Em outras palavras, a direo (d) ser p se o pixel central est localizado na crista (linha preta),
e q se o pixel central estiver localizado no vale (linha branca). Se o pixel central tem valor C, ento
suas direes so dadas por:
p se ( 4C + Sp + Sq) <
d=
3
8
Si
i=0..7
q caso contrrio
O clculo da equao acima, fornece a direo de cada pixel dentro das 8 direes possveis.
propondo permite fazer a suavizao gerando um mapa direcional menos distorcido e minimizando
tambm a complexidade de clculo.
Detalhamos nos itens a seguir dois mtodos para calcular a suavizao da imagem direcional: o
mtodo seno-cosseno classicamente citado na literatura e o mtodo por ns proposto que faz uso de
tcnicas estatsticas.
3. Cada bloco percorrido pixel a pixel, para se descobrir qual o valor de direo que mais
ocorre no bloco, que ser chamado de DIREO_MODA. Esse valor, obtido para o bloco,
ser o valor da direo suavizada procurada para cada bloco da imagem.
Dado um mapa direcional suavizado, a classificao feita baseada nos pontos singulares, ou
seja, ncleos e deltas. Um ponto ser classificado como ordinrio, ncleo ou delta pelo clculo do
ndice de Poincar, [9]. Este algoritmo calcula as mudanas dos ngulos de direo em uma janela
2x2. Desta forma, percebe-se que as direes se fixam em 0 quando temos um ponto ordinrio, 180 quando temos um ponto delta e +180 para o ponto ncleo. Aps localizar todos os ncleos e
deltas, classificamos a imagem de acordo com o nmero e localizao destes pontos.
6. Implementao do Software
O software desenvolvido pode ser manipulado facilmente pelo usurio. Foi desenvolvida uma
biblioteca em C++ onde implementamos os algoritmos propostos.
O programa de classificao permite a seleo de pontos falsos caso apaream e gera um
relatrio descrevendo o nmero de pontos ncleos e deltas encontrados bem como uma mensagem
de erro na ocorrncia de pontos falsos.
Observe a interface grfica, (Figura 6). Inicialmente o programa carrega uma imagem e aplica
um filtro de contraste caso seja necessrio.
Na etapa final o usurio pode escolher qual mapa direcional ser utilizado para classificao da
imagem. Observe que os pontos de interesse para classificao so apresentados em diferentes
cores: verde para os ncleos, azul para os pontos deltas e vermelho para os pontos ordinrios. Como
mencionado anteriormente, os pontos utilizados para classificao so os ncleos e os deltas. Desta
forma possvel localiz-los facilmente neste programa. Pode-se ainda selecionar os pontos falsos
que porventura apaream para que sejam desconsiderados na classificao. Observe a interface
grfica aps a classificao, (Figura 8).
8. Concluses
Para aplicao em impresses digitais, o software de classificao desenvolvido foi testado para
330 imagens, provenientes de quatro bancos de dados. O Nist Special Database 4, com 50 imagens
disponibilizadas pelo FBI (Federal Bureau of Investigation). O banco de dados DSPAMI com 14
imagens e o FINGDB, com 168 imagens, ambos fornecidos pelo Biometric Systems Lab, e por fim
um banco de dados obtido no Departamento de Dactiloscopia do Estado de So Paulo, com 98
imagens. Considerando esse universo foi possvel classificar 80% das imagens automaticamente.
Neste trabalho destacamos principalmente a utilizao do mtodo estatstico para suavizao do
mapa direcional que tornou possvel gerar imagens com melhor qualidade minimizando a
complexidade de clculo.
Quanto ao programa atribui-se cor vermelha para um ponto ordinrio, azul para o delta e verde
para o ncleo, de forma que o usurio possa visualizar melhor provveis pontos falsos que podem
ser desconsiderados manualmente. Este programa foi implementado em linguagem C++ e possui
alto grau de flexibilidade, uma vez que o usurio pode optar pelo nmero de direes, tamanho da
grade para suavizao e tambm qual mapa direcional (seno-cosseno ou estatstico) ser utilizado
para a classificao. Finalmente o programa gera um relatrio com informaes sobre a imagem
classificada.
O algoritmo direcional tambm gerou resultados interessantes quando aplicado s clulas. Desta
forma podemos afirmar que possvel utilizar este algoritmo para vrias aplicaes em Biologia,
em particular para anlise e monitorao do crescimento dos axnios como foi apresentado neste
trabalho.
Referncias
[1] CAPPELLI, Raffaele; LUMINI, Alessandra; MAIO, Dario; MALTONI, Davide; "Fingerprint
Classification by Directional Image Partitioning", IEEE Transactions on Pattern Analysis and
Machine Intelligence, 1999, vol. 21, n 5, pp. 402-421.
[2] COETZEE, Louis; BOTHA, Elizabeth C.; "Fingerprint Recognition in Low Quality Images",
Pattern Recognition, 1993, vol. 26, n 10, pp. 1441-1460.