Reconnaissance d’empreintes digitales par transformée en ondelette

18/04/2015
Auteurs : Malek Ammous
Publication e-STA e-STA 2014-2
OAI : oai:www.see.asso.fr:545:2014-2:13313
DOI : You do not have permission to access embedded form.

Résumé

Reconnaissance d’empreintes digitales par transformée en ondelette

Média

0:00
available

Métriques

591
0
1017.23 Ko
 application/pdf
bitcache://12770606178d96d141776ca8d847311a991189fd

Licence

Creative Commons Aucune (Tous droits réservés)
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/545:2014-2/13313</identifier><creators><creator><creatorName>Malek Ammous</creatorName></creator></creators><titles>
            <title>Reconnaissance dâempreintes digitales par transformée en ondelette</title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2015</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Sat 18 Apr 2015</date>
	    <date dateType="Updated">Mon 25 Jul 2016</date>
            <date dateType="Submitted">Sat 16 Sep 2017</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">12770606178d96d141776ca8d847311a991189fd</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>22106</version>
        <descriptions>
            <description descriptionType="Abstract"></description>
        </descriptions>
    </resource>
.

Reconnaissance d'empreintes digitales par Transformée en Ondelette Malek AMMOUS Département de Génie Electrique, ENIT, Tunis, Tunisie ammous.malek@gmail.com Abstract- Le développement des moyens de communication, des moyens de transport ainsi que les problèmes de sécurité a fait augmenter de manière significative le besoin d’identification des personnes d’une manière plus fiable. Les méthodes usuelles d’identification qui sont basées sur la carte d’identité, la carte à puce, le badge magnétique… ou sur un mot de passe, un code PIN... posent de gros problèmes de fiabilité comme la falsification de document, l’oubli de son code, le décryptage du mot de passe via des logiciels spécifiques... Depuis les récents actes terroristes et les menaces qui pèsent sur de nombreux pays, une identification fiable des personnes est devenue un problème majeur pour le contrôle d'accès à un lieu physique (aéroport, gare, casino..) ou à un espace virtuel (accès à un réseau local pour éviter la fraude par mot de passe), la surveillance (systèmes de vidéosurveillance des rues, contrôle des détenus dans les prisons), le paiement en ligne (pour sécuriser la transaction)… Tous ces problèmes ont ainsi provoqué un développement accru des techniques biométriques d’identification et d'authentification afin de garantir une sécurité maximale contre les tentatives "d'usurpation" ou les "erreurs sur la personne". La biométrie consiste en l’analyse mathématique des caractéristiques biologiques d’une personne(œil, empreinte digitale, voix, visage..) et a pour objectif de déterminer son identité de manière irréfutable. Dans cet article, nous proposons une méthode de reconnaissance biométrique d'une personne par son empreinte digitale basée sur la transformée en ondelettes. Nous utilisons, pour nos expérimentations, la base d'images d'empreintes digitales FVC2004[BD]. Mots clés- minuties, crêtes, sillons, ondelettes I. INTRODUCTION La reconnaissance par empreinte digitale est connue comme le système biométrique le plus populaire et le plus évolué notamment pour les deux secteurs policier et civil. L'empreinte digitale, considérée comme une caractéristique biométrique physiologique (ou morphologique) tout en étant la plus efficace et la moins coûteuse, vérifie les caractéristiques communes des éléments biométriques suivantes: Universalité, Unicité, Permanence, Mesurabilité, Performance, Acceptabilité. Fig 1: Caractéristiques biométriques Les méthodes biométriques basées sur l’empreinte digitale repose sur deux grandes approches : l’approche locale[1][2][3][4] et l’approche globale[5]. La première est basée sur l’extraction des points caractéristiques de l’empreinte appelés ‘minuties’, alors que la deuxième considère l’empreinte comme une image texturée et procède par l’extraction de ses caractéristiques texturales (filtres de Gabor, Transformée en ondelettes..). Dans ce travail, nous présentons une méthode de caractérisation de l’empreinte digitale par approche globale et basée sur la transformée en ondelette. Cet article est organisé de la manière suivante: La section 2, introduit les différents systèmes biométriques de reconnaissance d'empreintes digitales ainsi que ses différentes phases et présente un état de l'art sur les différentes parties de l'approche global; la section 3, décrit notre contribution et les approches adoptées; La section 4 sera consacrée à l’évaluation de notre méthode à travers une multitude de tests au bout desquels nous parviendrons à déterminer les paramètres optimaux pour un système de reconnaissance efficace. Enfin la section 5 expose les résultats générés en mode identification et authentification. II. Système biométrique de reconnaissance d’empreintes digitales Dans cette section, nous allons décrire les étapes d’un système biométrique et l'approche d’analyse globale. Nous allons focalisé notre attention sur ses trois principales étapes à savoir le prétraitement, la détection du point de référence et la caractérisation de la texture de l’empreinte. Pour chacune de ces étapes, nous allons présenter l’état de l’art de quelques méthodes rencontrées dans la littérature. A. Phases du système biométrique Un système de reconnaissance biométrique permet d’identifier une personne dont l’identité a été préalablement enregistrée dans une base de données. Le système biométrique de reconnaissance basé sur l’empreinte digitale comprend deux phases : la phase d’enrôlement (apprentissage) et la phase d’identification (ou authentification). • Phase d'enrôlement Lors de la première (voir Fig2), les empreintes sont saisies, analysées et stockées dans une base d’empreintes avec leurs vecteurs caractéristiques afin de servir dans les phases ultérieures d’identification ou d’authentification. Fig 2: Phase d'apprentissage - Etape d’acquisition: cette étape consiste à acquérir une image de l’empreinte du candidat au moyen d’un capteur électronique de type optique, thermique, capacitif ou à ultrasons. Ce dernier est considéré comme le plus fiable, mais aussi le plus coûteux. Avec le développement de l’informatique et de la microélectronique, de nouveaux moyens d’acquisition ont fait leur apparition permettant ainsi d’accélérer le processus de traitement en l'automatisant. - Etape d’analyse: cette étape consiste à analyser l’image de l’empreinte digitale afin d’en extraire les informations caractéristiques de l’empreinte. Ainsi, chaque empreinte peut être représentée par un vecteur signature composé de différentes caractéristiques. Il existe principalement deux approches d’analyse : locale et globale. La première se base sur les caractéristiques locales de l’empreinte appelées minuties. Et la deuxième considère l’empreinte comme une image texturée et fait appel aux méthodes d’analyse de texture. Cette étape fait l’objet de notre méthode développée au sein de ce travail. • Phase d'identification ou authentification La phase d’identification (ou d’authentification), montrée dans la figure 3, consiste à identifier ou à vérifier l’identité d’une personne sur la base de son empreinte. Celle-ci est capturée, ensuite traitée pour être représentée par un vecteur caractéristique. Ce dernier, est comparé aux différents vecteurs se trouvant dans la base pour décider l’identité de la personne. Fig3: Phase d'identification/authentification Cette phase comprend aussi bien les deux étapes d’acquisition et d’analyse décrites ci-dessus qu'une étape d’appariement. - Etape d’appariement (ou comparaison): Elle reçoit en entrée deux signatures issues de deux acquisitions différentes d'empreinte et renvoie en sortie un résultat binaire indiquant si oui ou non les deux signatures proviennent de la même image. Bien entendu, deux caractéristiques provenant de la même personne ne seront jamais identiques car l’empreinte ne sera jamais acquise de manière similaire (vitesse, poussière, pression) et des distorsions localisées (élasticité de la peau) apparaîtront. La phase d'appariement va donc calculer le degré de similarité (taux d'appariement) entre les deux signatures et décider si ces dernières peuvent être considérées identiques ou non identiques. Le terme reconnaissance couvre aussi bien l’identification que l’authentification (ou la vérification). Mais ces deux modes sont bien différents. • Reconnaissance en mode Identification En mode identification, deux contextes, présentés dans la figure 4, sont envisageables. Le premier est de travailler dans le cadre d’un système fermé ; ce qui veut dire que nous sommes sûrs que le candidat appartient à l’ensemble des personnes autorisées. Il s’agit donc de l’identifier parmi elles. On parle souvent de l’identification « 1-parmi-N ». Le deuxième contexte suggère de travailler dans un système ouvert ; c’es à dire que nous ne sommes pas sûrs si le candidat est un authentique ou bien un imposteur. Dans ce cas, et avant de déterminer à quelle identité parmi celles stockées dans la base correspond le candidat, il faut d’abord s’assurer qu’il s’agit bien d’un authentique, sinon il faut le rejeter. Dans les travaux de recherche, c’est plutôt le premier contexte de groupe fermé qui est utilisé et que nous allons considérer dans cet article. Figure 4: Architecture d’un système biométrique en mode identification : (a) système fermé, (b) système ouvert. • Reconnaissance en mode authentification (ou vérification) Dans ce mode, nous opérons toujours dans un contexte de groupe ouvert ; c'est-à-dire le candidat revendique l’identité d’un des individus de la base, au moment où nous ne sommes pas sûrs de cela. On parle souvent de vérification 1-pour-1, figure 5. A chaque comparaison, la distance calculée sera comparée à une valeur de seuil défini à l’avance pour déterminer si oui ou non la personne est la bonne. L’estimation du seuil constitue la majeur difficulté de ce système, et elle peut engendrer deux types d’erreurs, souvent prises comme mesures de performances pour ce mode : les faux rejetés et les faux acceptés. Figure 5 : Architecture d’un système biométrique en mode vérification B. L'approche globale L’approche globale décrite dans la figure 6 considère l’empreinte comme une image texturée et fait appel aux méthodes d’analyse de texture. Elle se base sur la forme globale des crêtes et des sillons, les distances entre les crêtes et les formes totales du flux de crêtes. Elle traite l'image dans la totalité de ses caractéristiques, et s’applique directement sur l’image de l’empreinte en niveau de gris, avec ou sans prétraitement, ce qui lui fournit une robustesse vis-à-vis des méthodes basées sur l’extraction des minuties, soit parce que celles-ci sont difficiles à extraire dans des images de mauvaise qualité, soit parce qu’elles demandent un temps de calcul énorme [5]. Lors de la phase d’analyse de l’empreinte, les méthodes globales visent à extraire les attributs texturaux au moyen des matrices de cooccurrence directionnelles, des méthodes de corrélation et plus fréquemment, des techniques de filtrage fréquentiel ou sptio-fréquentiel (transformée en ondelette, filtre de Gabor…). Cependant, ces méthodes se heurtent au problème de choix de la zone d’analyse. Celle-ci doit être la même lors de la phase d’enrôlement ainsi que dans la phase d’identification. Pour résoudre ce problème, il est nécessaire de se repérer par rapport au centre de l’empreinte [6]. Il faut donc commencer à détecter ce point appelé point de référence. Fig6: Les étapes d'une approche globale de reconnaissance biométrique par empreinte digitale • Prétraitement La dégradation (bruit) d’une image provient de différentes sources : celle liée au contexte de l’acquisition (bougé, mauvaise condition d’éclairage), celle liée au capteur (capteur de mauvaise qualité, mauvaise mise au point,…) et celle liée à l’échantillonnage (une mauvaise fréquence d’échantillonnage peut introduire dans l’image des points blancs et noirs connus souvent sous l’appellation « sel et poivre »). Ces dégradations peuvent causer des lignes de crêtes entrecoupées ou bien accolées. Pour pallier au problème de dégradation de la qualité de l’empreinte digitale et garantir la fiabilité de son identification, il faut améliorer la qualité de l’image. Pour cela, il faut appliquer des méthodes de rehaussement et de filtrage afin d’améliorer le contraste de l’image et de réduire la quantité de bruit présente dans l’image. Ces deux opérations doivent se faire sans altérer la qualité des lignes de crête de l’empreinte digitale, mieux encore il faut essayer de reconstruire les lignes entrecoupées. En raison de la nature non-stationnaire de l’image d’empreinte, un filtrage classique s’appliquant sur toute l’image n’est pas pratique, il est beaucoup plus performant d'adapter le filtre en fonction des caractéristiques locales des empreintes. En effet, la majorité des techniques existantes se basent sur l'utilisation des filtres contextuels dont les paramètres dépendent de l'orientation et de la fréquence des crêtes. Les études effectuées dans le cadre de l'amélioration de la qualité des empreintes sont très variées [2][3][4], certaines sont basées sur l’estimation spatiale des caractéristiques locales d’une empreinte [1] et d’autres agissent dans le domaine de fourrier. • Détection du point de référence La détection du point unique de référence dans l’image d’empreinte digitale est importante et nécessaire avant d’aborder l’étape d’analyse (ou de caractérisation). En effet, chaque image d’empreinte digitale dispose d’un point particulier situé en son centre et présentant une courbure maximale avec des arêtes pouvant être soit convexes soit concaves comme le montre la figure 7. Ce point servira comme point de référence pour localiser la zone d’analyse [7]. (a) (b) Fig7 : courbure maximale : (a)arête concave, (b) arête convexe. Plusieurs algorithmes sont proposés pour la détermination de l’emplacement du point de référence. Certains sont basés sur les caractéristiques locales comme l’indice de Poincaré [8],[9]. D'autres utilisent l'analyse du champ d'orientation, fondés sur la correspondance des pixels [10], ou sur le gradient [11][12][13][14][7][15][16][17][18] [4]. Selon ces travaux, on remarque que la technique la plus utilisée et jugée la plus efficace [7] est celle basée sur l’estimation du champ d’orientation. • Caractérisation de la texture de l’empreinte Comme on a déjà dit, l’approche globale se base sur la forme globale (modèle global) des crêtes et sillons, la carte directionnelle et la carte fréquentielle des crêtes. La structure des crêtes dans une empreinte peut être considérée comme des modèles de texture orientée, ayant une fréquence spatiale dominante définie par l’espace inter crêtes, et une orientation dans un voisinage locale, due à la forme du flux présenté par les crêtes. La caractérisation de l’image d’empreinte correspond donc à l’exploitation de l’information texturale nécessitant des opérations d’analyse dans le but d’extraire un ensemble de caractéristiques ou attributs et de formaliser les descriptifs de la texture par des paramètres mathématiques qui serviront à l'identifier. Différentes approches existent pour l’analyse de la texture [19] : les approches structurelles, les approches statistiques et les approches spatio-fréquentielles. Les approches structurelles déterminent la structure de la forme de base ainsi que ses règles de répétition. Cette approche convient donc aux textures périodiques. Les approches statistiques déterminent des paramètres statistiques pouvant être de premier ordre, de second ordre ou d’ordre supérieur. Plusieurs méthodes exploitent la matrice de cooccurrence pour déterminer ces paramètres. Les approches spatio-fréquentielles transportent le problème d’analyse de texture du domaine spatial vers le domaine spectral. En effet, grâce à certaines transformations telles que la transformée de fourrier ou la transformée en ondelette, une image peut être représentée soit dans le domaine spatial, soit dans le domaine fréquentiel. Sachant que les textures sont des signaux quasi-périodiques ayant une énergie fréquentielle localisée, il est normal que l’analyse de texture soit plus facile dans le domaine fréquentiel que dans le domaine spatial. Les filtres de Gabor [17] [20][21] et la transformée en ondelettes sont très utilisés dans cette approche. - Méthodes basées sur la transformée en ondelette: L’analyse par ondelettes est un outil mathématique capable de transformer un signal d’énergie finie dans le domaine spatial en un autre signal d’énergie finie dans le domaine spatio- fréquentiel. Contrairement à la transformée de Fourier, l’analyse par ondelette est localisée dans l’espace et en fréquence, ce qui la rend très utile pour l’analyse des signaux non stationnaires. Pour définir les signaux élémentaires servant à la décomposition, on part d’une fonction Ψ(t) appelée ondelette mère qui doit être localisée et oscillante. A partir de l’ondelette de base appelée ondelette mère qui vérifie l’équation (1), on génère les autres ondelettes de la famille