диплом саши. Реферат Ключевые слова биометрия, аутентификация, отпечаток пальца, преобразование Габора
 Скачать 3.72 Mb.
|
|
Реферат Ключевые слова: биометрия, аутентификация, отпечаток пальца, преобразование Габора. Цель работы: разработка алгоритма цифровой обработки образов отпечатка пальца, обладающего преимуществами по сравнению с существующими алгоритмами. В данной работе рассматриваются вопросы улучшения качества отпечатков пальца с целью повышения эффективности работы алгоритмов биометрической аутентификации. Проведен обзор алгоритмов обработки изображений отпечатков пальцев, выполнен анализ алгоритма, основанного на использовании преобразования Габора. Разработано программное обеспечение, реализующее обработку отпечатков пальца с помощью данного алгоритма и проведен численный эксперимент, позволяющий сделать выводы о применимости преобразования Габора в алгоритмах биометрической аутентификации. Содержание 1.Введение 4 2.Исследовательская часть 6 1.2 Дактилоскопия 10 1.3 Общие сведения о проблеме 11 1.3.1 Методы сравнения отпечатков пальцев 11 1.3.2. Метод сравнения отпечатков по ключевым точкам (минуциям) 13 1.4 Обзор существующих алгоритмов цифровой обработки образов отпечатка пальца 15 1.4.1 Сглаживающий фильтр 15 1.4.2 Медианный фильтр 16 1.4.3 Метод пространственной фильтрации образа 16 1.4.4 Обработка изображения с применением фильтра Габора 17 1.5 Общие сведения о преобразовании Габора 20 1.5.1 Преобразование Габора. Свойства преобразования Габора 20 1.5.2 Алгоритм построения одномерного фильтра Габора 21 1.6 Выводы 22 3.Конструкторская часть 23 2.1 Введение 23 2.2 Исследование алгоритмов обработки образов отпечатков пальца 23 2.2.1 Алгоритмы обработки образов, основанные на сглаживающих или медианных фильтрах 23 2.2.2 Метод пространственной фильтрации образа, заключающейся в реализации физического процесса поглощения и отражения света 23 2.2.3 Алгоритм обработки образов основанный на фильтрах Габора 24 2.3 Преобразование Габора 24 2.3.1 Пространственный фильтра Габора для 2-D изображений 24 2.3.2 Комплексная синусоида 24 2.3.3 Огибающая Гаусса 25 2.3.4 Комплексная функция Габора 26 2.3.5 Алгоритм построения двумерного фильтра Габора 27 2.4 Применение фильтра Габора для 2-D изображений 28 2.5 ROC-анализ 33 2.6 Подбор параметров алгоритма. Математическая постановка задачи 36 2.7 Решение поставленной математической задачи 37 2.8 Выводы 38 4.Технологическая часть 40 3.1 Введение 40 3.2 Разработка общей структуры программного обеспечения 40 3.3 Выбор языка реализации 42 3.4 Нормализация изображения 43 3.5 Построение поля направлений 44 3.5 Бинаризация изображения 46 3.6 Применение фильтра Габора 47 3.7 Вывод 49 5.Организационно-правовая часть 50 4.1 Введение 50 4.2 Конституция Российской Федерации 51 4.3 Доктрина информационной безопасности Российской Федерации 51 4.4 Федеральный Закон «Об информации, информационных технологиях и о защите информации» 55 4.5 Федеральный Закон «О персональных данных» 58 4.6 Постановление Правительства Российской Федерации «Об утверждении требований к защите персональных данных при их обработке в информационных системах персональных данных» 60 4.7 Гражданский Кодекс Российской Федерации 62 4.8 Уголовный Кодекс Российской Федерации 66 4.9 Выводы 71 6.Организационно-экономическая часть 73 5.1 Введение 73 5.2 Расчёт трудоёмкости проекта 73 5.2.1 Определение численности исполнителей 75 5.2.2 Построение сетевого графика 76 5.2.3 Диаграмма Гантта 81 5.3 Анализ структуры затрат проекта 82 5.3.1 Затраты на выплату заработной платы 82 5.3.2 Отчисления на социальные нужды 84 5.3.3 Материальные затраты 84 5.3.4 Прочие затраты 85 5.3.5 Затраты на организацию рабочих мест 85 5.3.6 Накладные расходы 86 5.3.7 Суммарные затраты на реализацию программного продукта 86 5.4 Исследование рынка 87 5.4.1 Сервисное обслуживание 88 5.4.2 Отчисления на социальные нужды 89 5.5 Планирование цены ПО на рынке 89 5.6 Вывод 91 Заключение 92 Список литературы 93 Приложение 1. Код функции построения поля направлений 94
Биометрическая аутентификация на основе отпечатка пальца является важной темой для исследования в сфере информационной безопасности. На сегодняшний день разработаны различные алгоритмы, производящие обработку образов с целью улучшения качества. Однако пока не отпадает необходимость в разработке и реализации алгоритмов с с лучшими характеристиками. Таким образом, целью дипломного проектирования является разработка алгоритма цифровой обработки образов отпечатка пальца, обладающего преимуществами по сравнению с существующими алгоритмами. Задачами дипломного проекта являются: - исследование математических методов и алгоритмов обработки отпечатков пальца; - математическая постановка задачи; - выбор рационального алгоритма из условия обеспечения качества фильтрации и сохранения ключевой информации; - программная реализация выбранного алгоритма обработки биометрических образов, обработка результатов численного эксперимента; - обоснование экономической целесообразности проекта - рассмотрение организационно-правовых вопросов проекта Дипломный проект состоит из 5 частей. В первой части содержатся общие сведения о проблеме обработки образов отпечатков пальца, введены основные понятия. Приведен обзор существующих алгоритмов. Во второй части проекта описаны плюсы и минусы алгоритмов, рассмотренных в исследовательской части. Выбран наиболее рациональный алгоритм из условия качества фильтрации и сохранения ключевой информации. Описан математический аппарат выбранного метода в контексте поставленной задачи. Приведена математическая постановка задачи. Третья часть посвящена реализации программного обеспечения, иллюстрирующего работу алгоритма. Подробно описаны этапы работы алгоритма, приведены полученные результаты. В четвертой части рассматриваются правовые аспекты, касающиеся дипломного проекта. В пятой части рассмотрены организационно – экономические показатели проектной разработки, оценена экономическая выгода реализации проекта. Расчетно-пояснительная записка состоит из … листов, включает в себя 31+ мат постановка(медианный фильтр уже учтен), рисунок, 11 таблиц, список литературы из 9 наименований.
1.1 Введение Биометрия является прикладной областью знаний, использующей при создании различных автоматических систем разграничения доступа. В биометрии используются уникальные признаки, присущие каждому отдельному человеку (папиллярный узор пальца, форма кисти руки, узор радужной оболочки глаза, параметры голоса, черты лица, термограмма лица, схема кровеносных сосудов, форма и способ подписи, фрагменты генетического кода и др.) и не отделимые от него. Биометрическая идентификация является дополнительным уровнем защиты, так как биометрические данные человека сложно подделать. Так же биометрические данные неизменны и уникальны для каждого человека, что является их достоинством. Основное преимущество аутентификации по биометрическим параметрам очевидно: данные невозможно забыть, потерять, передать другому человеку или украсть, воспроизвести в полном объеме. Для биометрических методов идентификации и аутентификации используются статистические и динамические характеристики личности. Биометрическими характеристиками человека могут являться голос, лицо, структура ДНК, отпечатки пальцев, контур ладони, рисунок вен руки, сетчатка глаза, особенности подписи, походки и другие. На рисунке 1.1 приведена классификация биометрических методов по принципу действия.  Рис.1.1. Биометрический методы аутентификации Как видно их рисунка 1, методы биометрической аутентификации делятся на два класса: статистическая и динамическая. Статистическая аутентификация включает методы, основанные на изучении и анализе характеристик, не меняющихся с течением всей жизни человека, таких как отпечаток пальца, рисунок радужной оболочки глаза, строение ДНК и другие. Динамические методы построены на анализе тех характеристик человека, которые могут измениться с течением времени, такие как походка, почерк или характер набора на клавиатуре. Идеальная биометрическая характеристика должна обладать следующими свойствами: • универсальность – возможность представления человека одной единственной характеристикой; • уникальность – исключение возможности существования двух человек с идентичными характеристиками; • постоянство – независимость характеристики от времени и (относительно) от внешних условий; • измеримость – возможность быстрого и легкого получения характеристики В таблице 1.1 показаны экспертные оценки свойств характеристик человека. Таблица 1.1. Экспертные оценки свойств биометрических характеристик человека. +++ - высокая оценка, ++ - средняя, + - низкая.
Как видно из таблицы, отпечаток пальца, являющийся основной темой данной статьи, имеет высокую оценку уникальности и постоянства, и среднюю оценку универсальности и измеримости. С точки зрения потребителя биометрическая идентификация является подготовительной операцией перед основными процедурами биометрической аутентификации. Основной задачей биометрических систем является задача биометрической аутентификации. Принципиальным отличием идентификации и аутентификации является уровень доверия к пользователю. На предварительном этапе идентификации системы (обучения системы) уровень доверия к регистрируемому пользователю априорно высок. В многопользовательской системе биометрическая идентификация обязательно должна проводиться под прямым контролем ее владельца или его представителя, подтверждающего полномочия регистрируемой личности и корректность ее поведения при обучении системы. Режим биометрической аутентификации, напротив, предполагает низкий уровень доверия к аутентифицируемой личности. При биометрической аутентификации личность-заявитель должна доказать подлинность своего заявленного имени путем предъявления своих уникальных биометрических образов. Следует отметить, что биометрическая аутентификация потенциально уязвима, если она используется независимо от методов классической аутентификации, основанных на протоколов с использованием паролей и ключей. Достаточный уровень информационной безопасности может быть обеспечен только путем сочетания методов классической и биометрической аутентификаций. Как видно из диаграммы (Рисунок 1.2), дактилоскопический метод, основанный на уникальности рисунка папиллярных линий на пальцах человека, является самым распространенным на сегодняшний день биометрическим методом.  Рис.1.2. Распространенность различных биометрических методов, %. 1.2 Дактилоскопия Основная тема данной работы связана с дактилоскопией – способом опознания человека по отпечаткам пальцев, основанном на неповторимости рисунка кожи рук. Данный метод широко применяется в криминалистике и различных системах идентификации и аутентификации. Впервые с целью идентификации личности был применен в 1902 году. После этого дактилоскопический метод опознания личности получил широкое распространение в различных странах мира. Изначально применялся в криминалистике, с целью идентификации личности. Отсутствие компьютеров в то время во многом определило направление развития дактилоскопии. С ростом количества отпечатков пальцев возникла проблема их классификации. Решение этой проблемы позволяло намного быстрее сравнивать отпечатки, ведь операцию сравнения приходилось производить вручную, без использования средств автоматизации. Одним из способов классификации являлось разделение отпечатков по типу папиллярного узора; отпечатки бывают трех типов: арки, петли и завитки (Рисунок 1.3).    (а) (б) (в) Рис. 1.3. Различные типы узоров отпечатка пальца: арка (а), петля (б) и завиток (в). Еще одним признаком классификации является так называемый счетчик линий – количество линий папиллярного узора, расположенных между различными точками изображения – например между центром и дельтой для отпечатка типа петля. Позднее, с появлением компьютеров и их входом в обиход, отпечатками пальцев так же заинтересовались коммерческие корпорации. На данный момент дактилоскопический метод является самым распространенным на сегодняшний день методом идентификации и аутентификации. Он широко применяется при аутентификации с целью физического разграничения доступа или доступа к данным. Однако, несмотря на свое широкое применение, надежность дактилоскопического метода не является доказанной – предположение о неповторимости отпечатков пальца не имеет достаточного научного обоснования, а для опознания по отпечаткам нет оценки достоверности. На практике же достоверность принимается равной 100 %. 1.3 Общие сведения о проблеме 1.3.1 Методы сравнения отпечатков пальцев На сегодняшний день существует два основных метода сравнения образов отпечатков пальца. Первым методом является корреляционное сравнение. Рассмотри алгоритм, применяемый при использовании данного метода: полученный отпечаток пальца накладывается на каждый эталон из базы данных отпечатков, и производится расчет попиксельной разницы между входным и эталонным отпечатками. Основное преимущество данного метода – низкое требование к качеству полученного отпечатка. Недостатками является необходимость большого объема памяти для хранения базы данных, так как данный алгоритм требует большой объем памяти для каждого отпечатка, и низкое быстродействие алгоритма. Дело в том, что человек каждый раз прикладывает палец под разными углами и не точно в одно и то же место рабочей области сканера. А это значит, что процесс сравнения его ОП с эталонами должен включать в себя множество итераций, на каждой из которых изображение, полученное со сканера, поворачивается под небольшим углом или чуть-чуть смещается. Из-за длительности процедуры сравнения, особенно при решении задачи идентификации, то есть сравнения «один ко многим», данный метод крайне редко применяется при решении задач идентификации и аутентификации. Вторым методом сравнения является метод, использующий ключевые точки – минуции. Алгоритм работы следующий: на основе образа отпечатка пальца формируется шаблон, на котором выделены особые точки – конечные точки и точки ветвления. При сравнении на входном изображении отпечатка пальца так же выделяются ключевые точки, после чего минуци данного отпечатка сравниваются с шаблонами; по количеству совпавших точек принимается решение об идентичности образов. Преимуществом данного алгоритма является скорость работы. Алгоритмы данного класса являются наиболее распространенными. В данной работе рассматриваются алгоритмы сравнения по особым точкам. Для работы алгоритма сравнения отпечатков по особым точкам необходимо изображение высокого качества с низким уровнем шума. Поэтому для улучшения качества образов отпечатков пальца используются специальные алгоритмы обработки изображения. 1.3.2. Метод сравнения отпечатков по ключевым точкам (минуциям) Рассмотрим более подробно метод сравнения отпечатков пальца, основанный на сравнении ключевых точек. Схема алгоритма представлена на рисунке 1.4.  Рис.1.4. Блок-схема алгоритма сравнения отпечатков с использование минуцииКак правило изображение, полученное с помощью сканера, имеет низкое качество. На качество полученного изображения влияет множество факторов – сила нажима пальца при сканировании, влажность воздуха, чистота пальца и самого сканера. Поэтому для повышения качества исходного изображения используют различные методы фильтрации. На этапе скелетизации бинарное изображение образа отпечатка пальца утончаются до скелета. Скелетом линии называется простая цепь (u,v) с вершинами u и v-смежностями, проходящая вблизи геометрического центра линии, причем для каждой вершины  существует ровно две смежные с ней вершины  и  , при этом вершины и не являются смежными.Далее в скелете изображения производится поиск минуций – ключевых точек. В большинстве алгоритмов для распознавания используется только два типа минуций- окончание и разветвление. В скелете изображения они определяются следующим образом: Окончанием называется вершина  скелета такая, что для неё существует ровно одна смежная с ней вершина . Разветвлением называется такая вершина скелета, что для неё существует ровно три смежные вершины , и  , попарно несмежные.Следующим этапом является поиск минуций в изображении. Для каждой ключевой точки определяется её тип (окончание или разветвление), координаты х и у, ориентация. На рисунке 1.5 приведены результаты этапов фильтрации, скелезации и поиска минуций для образа отпечатка пальца.  а б в Рис. 1.5. Изображение после фильтрации (а), скелет изображения (б) минуции (в). Последним этапом аутентификации по отпечатку пальца является сравнение принятого на вход алгоритма изображение с эталоном из базы данных. На основе анализа всех имеющихся данных с использованием решающего правила принимается решение о разрешении или запрещении доступа. 1.4 Обзор существующих алгоритмов цифровой обработки образов отпечатка пальца Рассмотрим наиболее распространенные на сегодняшний день алгоритмы обработки отпечатков пальца. 1.4.1 Сглаживающий фильтр Данный метод широко используется для удаления шумов в изображении вообще и для удаления шумов в образе отпечатка пальца в частности. Заключается в сканировании всего изображения окном N размерности  и перерасчета значения интенсивности для каждого пикселя. Новое значение вычисляется как среднее арифметическое от значения всех пикселей, попавших в окно: ,где  - новое значение интенсивности пикселя с координатами  ,  - исходное значение интенсивности для пикселя с координатами  . (а) (б) Рис. 1.6. Нормализованное изображение(а) и изображение после обработки сглаживающим фильтром (б). 1.4.2 Медианный фильтр Так же широко распространенный метод удаления шумов в изображении. Изображение сканируется окном размерности , значение интенсивности пикселей внутри каждого окна сортируется по возрастанию (убыванию); выходным значением является интенсивность пикселя, находящегося в середине списка.Пример 1.4.3 Метод пространственной фильтрации образа Метод заключается в реализации физического процесса поглощения и отражения света Работа данного алгоритма осуществляется в несколько этапов: 1. На вход алгоритма поступает полутоновое изображение R с градациях серого. На данном этапе работы алгоритма производится пороговая обработка образа отпечатка пальца для получения бинарного изображения.  ,где  - значение пикселя с координатами в бинарном изображении.2. Бинарное изображение сканируется окном размерности , для центрального пикселя окна с координатами рассчитывается коэффициент отражения, равный отношению количества попавших в окно белых пикселей  к размерности окна: ,где  -коэффициент отражения пикселя с координатами .3. На этом этапе рассчитывается новое значение интенсивности для каждого пикселя. Новое значение интенсивности пикселя равно произведению коэффициента отражения на максимальную интенсивность света:  ,где  - максимальное значение интенсивности, - значение интенсивности пикселя с координатами .1.4.4 Обработка изображения с применением фильтра Габора Обработка образа отпечатка пальца данным алгоритмом осуществляется в несколько этапов: 1. Нормализация изображения. Необходимо для того, чтобы задать предварительные средние значения и отклонения. Нормализованное изображение G определяется как  изображение, где G(i,j) – значение нормализованной яркости пикселя с координатами (i, j). Нормализованное изображение рассчитывается исходя из среднего и среднеквадратического отклонения исходного изображения: ,где  и  - заданные значения среднего и среднеквадратичного отклонения соответственно,  и  - исходные значения среднего и среднеквадратичного отклонения, вычисляются по формулам: , ,2. Из нормализованного изображения рассчитывается ориентационное изображение. Ориентационное изображение О определяется как изображение, где  - локальная ориентации (угол наклона) выступа в пикселе с координатами : где  и  - градиенты пикселя с координатами по осям X и соответственно Y.3. Из нормализованного изображения рассчитывается частотное изображение. Частотное изображение F представляет собой изображение , где  - локальная частота выступа, которая определяется как частота папиллярных линий образа отпечатка пальца. Если из-за особенностей папиллярного узора нет возможности определить частоту пикселя, то его частота определяется как средняя величина частоты соседних блоков.Пусть  -количество пикселей между двумя соседними вершинами гребней в блоке размерностью  , центром которого является пиксель с координатами , тогда частота в данном пикселе будет равна: .4. Бинаризация изображения. Бинарное изображение R определим как изображение, где показывает категорию пикселя . Пиксель может быть пикселем впадины или пикселем гребня.,где  - порог маскирования,  - интенсивность пикселя нормализованного изображения.5. Использование фильтров Габора, настроенных на локальную ориентацию выступов; применяется к нормализованному входному изображению:  ,где  ;  ;  - ориентация фильтра Габора,  - частота синусоидальной плоской волны,  и  - пространственные константы огибающей Гаусса вдоль осей x и y соответственно. Эти константы устанавливаются и корректируются на основе эмпирических данных о работе алгоритма.  (а) (б) Рис.1.7. Пример исходного отпечатка(а) и результат обработки фильтром Габора для этого отпечатка(б). 1.5 Общие сведения о преобразовании Габора В данном разделе будет дано определение преобразования Габора, перечислены его основные свойства, а так же рассмотрены особенности применения преобразования Габора в двумерном пространстве. 1.5.1 Преобразование Габора. Свойства преобразования Габора Пусть у нас имеется функция , тогда преобразование Фурье для этой функции выглядит следующим образом: Преобразование Фурье дает частотную информацию, содержащуюся в сигнале, то есть говорит нам о том, каково содержание каждой частоты в сигнале. Интеграл берется от минус бесконечности до плюс бесконечности, по всей временной оси. Поэтому в какой момент времени возникла та или другая частота, когда она закончилась - на эти вопросы ответ получить не удастся. Для преобразования Фурье равнозначно, присутствует ли какая-нибудь частота на протяжении всего исследуемого сигнала или возникла в определенный момент времени, ее вклад все равно будет одинаковым. В связи с вышесказанным отметим, что преобразование Фурье непригодно для анализа нестационарных сигналов, за одним исключением, когда нас интересует лишь частотная информация, а время существования спектральных составляющих неважно. Для исправления этих недостатков может быть использовано преобразование Габора. Пусть  ,где  - фиксированный параметр. Функция  используется в качестве так называемого временного окна.Преобразованием Габора функции f является следующее выражение:  где b – параметр, используемый для сдвига окна. Преобразование Габора локализирует преобразование Фурье вокруг точки t = b. 1.5.2 Алгоритм построения одномерного фильтра Габора Для построения одномерного фильтра Габора применяется формула:  ,где  - стандартное отклонение гаусового ядра, определяющее амплитуду функции. Чем больше это значение, тем более пологий вид примет функция, и напротив, чем меньше значение, тем более острый пик получится в результате построения графика функции.  - частота колебаний, определяемая как ,где Т – период функции косинуса. На рисунке (Рисунок №) функция Габора, представляющая собой композицию косинуса и экспоненты.  Рис1.8. Функция Габора (3), представляющая собой композицию функции косинуса (1) и экспоненты (2). 1.6 Выводы В данной части дипломного проекта были рассмотрены различные способы биометрической аутентификации, подробно был рассмотрен метод, основанный на уникальности рисунка отпечатка пальца человека. Были рассмотрены основные методы сравнения отпечатков пальца – корреляционное сравнение и сравнение по ключевым точкам. Приведен обзор существующих на сегодняшний день алгоритмов обработки образов отпечатков пальца, применяющихся при сравнении отпечатков по ключевым точкам.
2.1 Введение В конструкторской части дипломного проекта принимается решение выбора алгоритма реализации задачи, подробно описывается математический аппарат алгоритма в контексте данной задачи. Приводится математическая постановка задачи. |