CBIR: Content Based Image Retrieval

ارزیابی الگوریتم های انطباق اثرانگشت با مثلث بندی دلونی به کمک روش های مبتنی بر بافت

امروزه طیف وسیعی از سیستم ها به یک سیستم تایید هویت مجهز شده اند. یکی از روش های متداول برای شناسایی هویت افراد استفاده از ویژگیهای بیومتریک میباشد. به عنوان مثال اثر انگشت و یا ساختار عنبیه چشم از ویژگی های بیومتریک میباشند. آنچه در این مقاله مورد توجه قرار میگیرد، شناسایی افراد ازطریق اثر انگشت میباشند. یکی از روش های ساختاری برای انطباق اثرانگشت افراد، استفاده از مثلث بندی دلونی است. مثلث بندی دلونی یکی از ساختارهای شناخته شده در زمینه هندسه محاسباتی است که در حوزه بینایی کامپیوتر کاربرد دارد. در این مقاله از روش های آماری انطباق بافت از قبیل کد LBP و ماتریس همرخداد به همراه مثلث بندی دلونی برای ارایه یک الگوریتم ترکیبی انطباق اثرانگشت استفاده خواهیمکرد. در نهایت از روش های انطباق بافت ذکر شده استفاده می کنیم و با انجام آزمایش های گوناگون برروی 12 پایگاه داده FVC نشان میدهیم، مثلثهایی که از نظر خواص هندسی بر هم منطبق هستند از نظر بافت بر هم منطبق نمی باشند. این مساله ضریب اطمینان پایین این الگوریتم ها را نشان می دهد.

الگوریتم های انطباق اثرانگشت را  می توان به سه دسته کلی زیر تقسیم کرد

1- تطبیق بر اساس همبستگی بین تصاویر

2- تطبیق بر اساس مینوژه

3- تطبیق بر اساس بافت

منظور از مینوژه، نقاطی است که در آن شیارهای روی انگشتان دچار ناپیوستگی می شود. تاکنون انواع مختلفی مینوژه معرفی شده است. دو نوع متداول از آن ها در شکل زیر نشان داده شده است

 

هر مثلث بندی دلونی دارای خواص جالبی است بطوریکه در بسیاری از حوزه های بینایی کامپیوتر کاربرد دارد. خواص آن به صورت زیر است

1-     شبکه مثلث بندی دلونی یکتا است. درواقع، اگر یک مجموعه نقطه  داده شده باشد تنها یک مثلث بندی دلونی برای آن قابل تعریف است

2-     وجود نویز در تعریف هریک از نقاط، منجر به تخریب سراسری کل شبکه نمی شود. بنابراین، الگوریتم هایی که بر اساس مثلث بندی دلونی معرفی می شوند تاحدی نسبت به نویز مقاوم خواهند بود.

3-     تعداد مثلث های ساخته شده در این مثلث بندی از مرتبه O(n) است که در آن n تعداد کل نقاط است.

مثلث بندی  دلنونی به کمک دوگان دیاگرام ورونی در زمان O(nlogn) محاسبه می گردد.

کدهای LBP به نوعی بیان کننده بافت تصاویر است و در بسیاری از کارهای شناسایی چهره کاربرد دارد. این کد برای تک تک پیکسل های تصویر بدست می آید. هر پیکسل را به عنوان پیکسل مرکزی در نظر می گیریم و سطح خاکستری آن را محاسبه می کنیم.  مقدار سطح خاکستری پیکسل مرکزی به عنوان حد آستانه عمل می کند. سپس سایر پیکسل های اطراف پیکسل مرکزی که به شعاع r از آن قرار دارند با مقدار پیکسل مرکزی مقایسه می شود. چناچه مقدار سطح خاکستری آن ها از مقدار پیکسل مرکزی بیشتر باشد به آن کد یک و در غیر اینصورت کد صفر انتساب میدهیم. ترتیتب سریال کد پیکسل های مجاور در خلاف جهت عقربه های ساعت، معادل یک کد LBP برای هر پیکسل مرکزی خواهد بود.

 

روشی دیگر برای استخراج اطلاعات در مورد بافت هر تصویر، محاسبه ماتریس همرخداد می باشد. تعداد سطر و ستون های این ماتریس برابر  با تعداد سطوح خاکستری تصویر می باشد. این ماتریس برای هر یک از جهات افقی، عمودی، مورب راست و یا مورب چپ تعریف می گردد. درایه i و j ام ماتریس همرخداد افقی، بیانگر تعداد جفت پیکسل هایی است که در وضعیت افقی و در فاصله d از یکدیگر قرار دارند و اولین پیکسل دارای سطح خاکستری i و دومین پیکسل دارای سطح خاکستری j  است. با اعمال میانگین گیری بر روی 4 ماتریس محاسبه شده، می توان این ماتریسها را نسبت به تغییر جهت تصاویر، پایدار ساخت.


منبع:

ارزیابی الگوریتم های انطباق اثرانگشت با مثلث بندی دلونی به کمک روش های مبتنی بر بافت

نظرات (0)
امکان ثبت نظر جدید برای این مطلب وجود ندارد.