Biometrics-and-image-processing
生体認証と画像処理
画像は、情報のこの時代に大きなシェアを持っています。 生体認証では、生体認証画像が以前にデータベースに保存されている個人を識別するために画像処理が必要です。 顔、指紋、虹彩などは画像ベースの生体認証であり、画像処理とパターン認識技術が必要です。
画像ベースの生体認証システムが正確に機能するためには、ユーザーの生体認証のサンプル画像が非常に明確で非汚染の形式である必要があります。
生体認証における画像処理の要件
ユーザーの生体認証の画像は生体認証システムに送られます。 システムは、方程式を使用して画像を操作し、各ピクセルの計算結果を保存するようにプログラムされています。
データの特定の微細な特徴を選択的に強化し、特定のノイズを除去するために、デジタルデータはさまざまな画像処理操作を受けます。
画像処理方法は、3つの機能カテゴリに分類することができます-
画像の復元
画像の復元には主に含まれています-
- サンプル取得時に画像に導入されるノイズを低減します。
- 生体認証の登録中に歪みの除去が現れました。
画像の平滑化は、画像のノイズを低減します。 平滑化は、各ピクセルを隣接するピクセルの平均値で置き換えることにより実行されます。 生体認証システムは、さまざまなフィルタリングアルゴリズムと、メディアンフィルタリング、適応フィルタリング、統計ヒストグラム、ウェーブレット変換などのノイズ低減技術を使用します。
画像強調
画像強調技術は、画像の任意の部分または特徴の可視性を改善し、他の部分の情報を抑制します。 復元が完了した後にのみ行われます。 画像をさらに処理するために、明るくする、シャープにする、コントラストを調整するなどが含まれます。
特徴抽出
2種類の特徴が画像から抽出されます、すなわち-
- 一般的な機能-画像の内容を記述するために使用される形状、テクスチャ、色などの機能。
- ドメイン固有の機能-顔、虹彩、指紋などのアプリケーションに依存する機能です。 ガボールフィルターは、特徴を抽出するために使用されます。
画像から特徴が抽出されたら、適切な分類子を選択する必要があります。 広く使用されている分類子* Nearest Neighbor分類子*。候補画像の特徴ベクトルをデータベースに保存されている画像のベクトルと比較します。
- B-スプライン*は、指紋生体認証システムの曲線パターンを記述するために適用される近似です。 Bスプラインの係数は、特徴として使用されます。 虹彩認識システムの場合、虹彩の画像は離散ウェーブレット変換（DWT）を使用して分解され、DWT係数が特徴として使用されます。
