Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Łukasz Derlecki

Identyfikacja biometryczna na podstawie analizy obrazów struktury naczyń krwionośnych dłoni


Biometric identification based on analysis of images containing palm vein structure


Opiekun pracy dyplomowej: dr inż. Aleksandra Królak
Praca dyplomowa inżynierska obroniona 2019-02-14
Streszczenie pracy dyplomowej:
W pracy został przedstawiony system rozpoznawania osób oparty na analizie układu naczyń krwionośnych dłoni. Opisana została budowa systemu identyfikacyjnego oraz zastosowane metody przetwarzania obrazów. Głównym założeniem pracy było skonstruowanie systemu o jak najwyższym wskaźniku słusznych akceptacji (TAR) przy jak najniższym wskaźniku niesłusznych akceptacji (FAR). Do akwizycji obrazów została użyta kamera Vein Viewer, która jest wyposażona w 6 diod LED, dzięki czemu żyły są bardziej widoczne niż w świetle widzialnym. Stanowisko pomiarowe zostało wyposażone w uchwyt na dłoń, który jest przymocowany do podłoża, dzięki czemu wszystkie obrazy naczyń krwionośnych są wykonane dla takiego samego ustawienia dłoni. Obszar zainteresowania został wyznaczony ręcznie, a rozmiar otrzymanych obrazów ujednolicony. Algorytm został napisany w języku Python w dwóch środowiskach programowania: Spyder i PyCharm. W fazie wstępnego przetwarzania obrazów został zastosowany filtr medianowy w celu zredukowania szumów jak i wygładzenia obrazu. Następnie zastosowano adaptacyjne wyrównanie histogramu w celu zwiększenia kontrastu między żyłami a tłem, co pozwoliło lepiej wyodrębnić żyły. Segmentacja obrazu rozpoczyna się od utworzenia obrazu wynikowego (odjecie obszaru zainteresowania w skali szarości od obrazu uzyskanego w fazie wstępnego przetwarzania). Następnie zastosowano algorytm adaptacyjnego lokalnego progowania. Wykorzystano operatory morfologiczne, dzięki którym małe obiekty zostały usunięte a krawędzie żył wygładzone. W kolejnym kroku zaimplementowano metodę szkieletyzacji obrazu. Sprawia ona, że żyły są zmniejszone do szerokości 1 piksela. Do rozpoznawania osób została użyta zmodyfikowana metryka Hausdorffa (średnia z odległości między dwoma szkieletami układów naczyń krwionośnych). Wyznaczono wartość progową dla rozpoznawania w celu ustalenia, czy wejściowy wzorzec żył należy do osoby uprawnionej. Testowanie algorytmu przyniosło dobre rezultaty. Wskaźnik słusznych akceptacji wynosi 83,33%, wskaźnik niesłusznych aplikacji wynosi 0% a wskaźnik niesłusznych odrzuceń wynosi 16,67%. Słowa kluczowe: Naczynia krwionośne dłoni, Identyfikacja biometryczna, Przetwarzanie obrazów, Bliska podczerwień, Metryka Hausdorffa.
Abstract:
In this thesis the recognition system based on the hand vein pattern was introduced for identifying individuals. It describes the design of the system and methods used in the processing of the images. The aim was to construct a system that will have high True Accept Rate with the lowest possible False Accept Rate. Camera “Vein Viewer” was proposed in the image acquisition part, as it is equipped with the NIR LEDs, so it makes veins more visible than they are in the visible light. The experimental setup consists of the handle with a pin, that is mounted in one, unchanged position, which results in that all the images are in the same direction. Region of interest was extracted manually and the ROI images were resized to one specified size. The entire algorithm was written in Python in the Spyder and PyCharm IDE. In the preprocessing phase median filter is applied, to reduce the noises and smooth the image, followed by the contrast limited adaptive histogram equalization (CLAHE) for enhancing the image to make the veins even more visible. Image segmentation starts with making the resultant image, which is further thresholded using Adaptive Local Thresholding method. To improve the quality of the output image, morphological operators are applied. Thanks to this the small blobs are removed from the image and the borders of veins are smoothed. It is followed by the skeletonization algorithm which makes the veins thinned to a 1-pixel width. For the recognition the Modified Harsdorf Distance was used. It is the average distance between two skeleton images. MHD threshold value is then calculated to decide it the pattern belongs to an authorized person or not. Testing of the algorithm resulted in the True Accept Rate of 83.33% with the False Accept Rate equal to 0% and the False Rejection Rate of 16.67%. Keywords: Hand veins, Biometric identification, Image processing, Near infrared, Hausdorff distance.