Original title:
Spojení algoritmů pro odstranění vlivu kožních onemocnění na proces rozpoznávání otisků prstů
Translated title:
Connection of algorithms for removal of influence of skin diseases on the process for fingerprint recognition
Authors:
Heidari, Mona ; Derawi, Mohammad (referee) ; Gomez-Barrero, Marta (referee) ; Drahanský, Martin (advisor) Document type: Doctoral theses
Year:
2023
Language:
eng Publisher:
Vysoké učení technické v Brně. Fakulta informačních technologií Abstract:
[eng][cze]
Tato práce se zaměřuje na datové struktury, zpracování obrazu a metody počítačového vidění pro detekci a rozpoznávání nemocí ve snímcích otisků prstů. Počet vyvinutých biometrických systémů a dokonce i používaných biometrických charakteristik se zvyšuje. Všeobecně platí, že otisk prstu jednotlivce je jedinečný a zůstává relativně neměnný po celý život. Struktura papilárních linií se však může měnit nemocemi a může být poškozena kožními chorobami. Vzhledem k tomu, že jsou systémy do značné míry závislé na struktuře papilárních linií jednotlivce, která pozitivně ovlivňuje jejich identitu, lidé trpící kožními nemocemi mohou být diskriminováni, protože jejich papilární linie mohou být narušeny. Vliv kožních onemocnění je důležitým, ale často opomíjeným faktorem v biometrických systémech založených na otiscích prstů. Jedinec trpící kožním onemocněním, které postihuje konečky prstů nemusí být schopen používat určité biometrické systémy. Shromáždění databáze otisků prstů, ovlivněných kožními nemocemi, je náročný úkol. Je nákladný a časově náročný, vyžaduje také pomoc lékařských odborníků a ochotné účastníky trpící různými kožními nemocemi na bříšcíeh prstů. Surová databáze otisků prstů s onemocnénímí byla nejprve analyzována, aby poskytla pevný základ pro budoucí výzkum. Pro každé konkrétní onemocnění jsou nalezeny společné znaky mezi všemi snímky otisků prstů postižených nemocí a je definován obecný popis každého onemocnění a jeho vlivů. Poté automaticky přiřadíme označení na základě kombinace známého stavu obrazu otisku prstu. Navrhované řešení je integrováno s různými algoritmy zaměřenými na knihovny pro zpracování obrazu a metody počítačového vidění pro detekci objektů. Je vyhodnoceno na poškozených souborech dat otisků prstů a popisuje současný stav implementace pomocí navržených technik. Současný stav techniky pro implementaci detekce onemocnění využívá analýzu textury a detekci prvků porovnáváním hodnot intenzity pixelů v malém okolí v obraze. Vzhledem ke složitosti jednotlivých vzorů nemocí vede kombinace algoritmů analýzy textury k lepším výsledkům detekce. Kombinace Gray Level Co-occurrence Matrix (GLCM), Local Binary Pattern (LBP), pole orientací a matematické morfologie může detekovat poškození v obrazech otisků prstů. Kombinace těchto funkcí umožňuje identifikovat změny v textuře a tvaru toku papilárních linií otisků prstů způsobené nemocemi. Tyto techniky zachycují různé aspekty textury a tvaru poškození v obrazech otisků prstů a vedou k identifikaci změn v textuře způsobených nemocemi. V průběhu detekčního procesu jsou použity matematické morfologické operace pro zlepšení strukturálních detailů tím, že odstraňují malé nesrovnalosti v obraze a zjednodušují tvar objektů, což usnadňuje jejich identifikaci a izolaci, rozšiřováním hranic objektů v obraze nebo vyplněním mezer a propojením rozlomených částí objektů. To vede k lepší detekci a rozpoznání objektů.Na konci procesu detekce je použita koherence, která ukazuje hodnocení kvality polí obrazu otisku prstu na tři typy: zdravý, poškozený a pozadí.
This thesis focuses on data structures, image processing, and computer vision methods for detecting and recognizing diseases in fingerprint images. The number of developed biometric systems and even used biometric characteristics is increasing. It is widely accepted that an individual's fingerprint is unique and remains relatively unchanged throughout life. However, the structure of these ridges can be changed and damaged by skin diseases. As these systems depend heavily on the structure of an individual's fingertip ridge pattern that positively determines their identity, people suffering from skin diseases might be discriminated against as their ridge patterns may be impaired. Likely, fingerprint devices have not been designed to deal with damaged fingerprints; therefore, after scanning the fingerprint, they usually reject it. The influence of skin disease is an important but often neglected factor in biometric fingerprint systems. An individual might be prevented from using specific biometric systems when suffering from a skin disease that affects the fingertips. Collecting a database of fingerprints influenced by skin diseases is a challenging task. It is expensive and time-consuming, but it also requires the assistance of medical experts and the ability to find willing participants suffering from various skin conditions on fingertips. The raw diseased fingerprint database is first analyzed to provide a solid foundation for future research. Common signs among all fingerprint images affected by the disease are found for every particular disease, and a general description of each disease and its influences is defined. Then we automatically assign the label based on a combination of the known state of the fingerprint image. The proposed solution is integrated with different algorithms focused on image processing libraries and computer vision methods for object detection. The solution has been evaluated on damaged fingerprint datasets and highlights the state of the art implementations using proposed techniques. The state of the art technique for disease detection implementations uses texture analysis and feature detection by comparing the intensity values of pixels in a small neighborhood in an image. Due to the complexity of each disease pattern, the combination of texture analysis algorithms leads to better detection results. The combination of GLCM, LBP, orientation field, and mathematical morphology can detect damage (artifacts) in fingerprint images. Combining these features makes it possible to identify changes in the texture and shape of the fingerprint flow caused by diseases. These techniques capture different aspects of the texture and shape of the damage in fingerprint images and lead to identifying changes in the texture caused by diseases. In the stages of the detection process, mathematical morphology operations are applied to improve the structural details by removing small irregularities in the image and simplify the shape of objects, making it easier to identify and isolate them expanding the boundaries of objects in an image or filling gaps and connect broken parts of objects, leading to better object detection and recognition. At the end of the detection process, coherence is applied to show the quality evaluation of fingerprint image patches into three types healthy, damaged, and background. Overall, the proposed solution showcases the effectiveness of integrating multiple image processing and computer vision algorithms for disease detection in fingerprint images.\ The combination of these algorithms can accurately detect and localize disease patterns in damaged fingerprint datasets, thus providing a reliable solution for disease detection in forensic applications.
Keywords:
biometrie; databáze otisků prstů.; Detekce onemocnění otisků prstů; metody počítačového vidění; rozpoznávání vzorů; zpracování signálu; biometrics; computer vision methods; Diseased fingerprint detection; fingerprint database.; pattern recognition; signal processing
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/244961
guest ::
