اصل مقاله (1330 K)

تصویربینایی و پردازشمجله ماشین

۱۳۹٤ زمستان، دوسال دوم، شماره   

آبانمـاه همـان بـازنگری و در مهرمـاه، در دریافـت۱۳۹٤مردادمـاه مقاله در این .شد پذیرفته سال ده برق و رباتیک، دانشگاه شاهرودالکترونیک، دانشکمهندسی گروه ۱

[email protected] :رایانامه

با رویکرد های پایین بیت در نرخ سازی تصاویر اثر انگشت فشرده حفظ یا بهبود کارایی بازشناسی

۱هادی گرایلو

چکیدهاز تکنیک اثرانگشت، تصاویرگیری از ویژگی دوحالته بودن بهره بااین مقاله، سازی پیشنهادی در روش فشردهدر

پیشنهادی جهت های و از برخی تکنیک SPIHTکدگذار سازی پیشنهادی تغییر مقیاس جهت افزایش کارایی فشردهسازی پیشنهادی روش فشرده افزایش کارایی بازشناسی و سازی در نرخ بیتهای پایین حذف اثرنشتی حاصل از فشرده

ی یک معیار برحسب نقطه ،این بررسی سازی روی بازشناسی بررسی شده و در فشردهاثرات همچنین، .استفاده شده است .شده استپیشنهاد های بازشناسی تصاویر اثرانگشت فت منحنی دقت بازشناسی جهت ارزیابی روششکست و شیب ای به اندازه ی شکست ی تغییرات تصویر موجب کاهش نقطه تکنیک پیشنهادی کاهش محدوده که دهد نتایج نشان می

0.05bpp و )ی شکست در نقاط باالتر از نقطهدرصد ۵تا ( های بهسازی موجب افزایش دقت بازشناسی و تکنیکدر PSNRمتوسط همچنین، کارایی . اند شده )ی شکست تر از نقطه در نقاط پایین( کاهش شیب افت دقت بازشناسی

.یافته است افزایش dB 0.8 تا به طور متوسط WSQو JPEG2000روش پیشنهادی در مقایسه با روشهای

ها کلید واژه

بازشناسی کاراییسازی، تصاویر اثرانگشت، بهسازی، ، فشردهSPIHTتبدیل موجک، کدگذار

مقدمه ۱

های حیاتی مانند چهره، اثر انگشت، هندسه در بین تمام مشخصههای دست، گوش، و مویرگدست، عنبیه، شبکیه، امضا، اثر صدا،

ترین حالت رفتاری، شناسایی مبتنی بر اثرانگشت یکی از جاافتادهیکتایی اثر انگشت مربوط .]۱[ ترین فنون موجود است و مطمئن

های موجود روی سطح پوست ها و برجستگی به الگوی فرورفتگی .باشد انگشت دست می

تاکنون توجهی به آن که های مهم تصاویر اثرانگشت یکی از ویژگیها است؛ یعنی دارای دو سطح دوحالته بودن آننشده است،

وجوه تمایز جزو، ویژگیاین . باشند روشنایی غالب و مهم میویژه لزوم موجب وبوده تصاویر اثرانگشت با دیگر انواع تصاویر

در کار این .شده است اثرانگشت های پردازش تصاویر ن روششددر تکنیک پیشنهادی کاهش ، برای اولین بار،ژگیمقاله از این وی

.ی دینامیکی تغییرات تصویر استفاده شده است محدودههمه روزه حجم زیادی از تصاویر اثرانگشت در قالب کاربردهای

های کنترل دسترسی، بسیاری مانند محاکم قضایی و سیستمای از این مطلب، پایگاه داده نمونه. شود آوری و ذخیره می جمع

میلیون تصویر اثرانگشت ۷۰است که شامل بیش از FBIبزرگ های فیزیکی موجود و با توجه به حجم محدود حافظه. ]۲[ است

سازی این حجم عظیم از تصاویر، ها، فشرده ی باالی آن نیز هزینههای بازشناسی، گرچه در سیستم امری اجتناب ناپذیر است؛

تنها ویژگیهای اثرانگشت، ی میتوان به جای ذخیره تصاویر اولیهمورد استفاده در امر بازشناسی و شناسایی را ذخیره نمود تا حجم حافظه کمتری مورد نیاز باشد، اما اگر روش جدیدتر و با مجموعه

های جدیدتری بخواهیم استفاده کنیم، می بایست از تمامی ویژگیافراد خواسته شود که دوباره برای ثبت اثرانگشت مراجعه کنند که

پلیس فدرال مانند پایگاه اثرانگشت( امر در برخی مواقعاین

های پایین با رویکرد حفظ یا بهبود کارایی بازشناسی بیت سازی تصاویر اثر انگشت در نرخفشرده۲٦

بنابراین، ذخیره تصاویر اولیه . ]۳[ غیرممکن است )FBI آمریکا،حجم الزم . اثرانگشت در برخی مواقع مفید و حتی ضروری است

و نیاز به بودهبسیار زیاد سازی این تصاویر گاها برای ذخیرهسازی کاهش حجم ذخیرهوشهای موثری برای استفاده از ر

.باشد میسازی به دو دسته بااتالف و بدون اتالف تقسیم روشهای فشرده

سازی بسیار روشهای بااتالف دارای میزان فشرده. شوند میانتخاب مناسبی برای ،لذا ؛باشند بیشتری نسبت به دسته دیگر می

، یعنی دسترسی همزمان به میزان این مقالهمورد نظر هایکاربردسازی باال و حفظ یا بهبود کارایی بازشناسی تصاویر فشردهاز طرفی این روشها همواره با از بین بردن . هستند شده، فشرده

این . شوند موجب تولید اعوجاج می ،مقداری از اطالعات اولیهبا توجه به . شود تر، بیشتر می مقدار اعوجاج در نرخ بیتهای پایین

یر اثرانگشت در بازشناسی افراد این که مهمترین کاربرد تصاوممکن است آن قدر زیاد شود که مذکور مقدار اعوجاجاست،

بنابراین، درنظر گرفتن اثر ؛کارایی بازشناسی را کاهش دهدبازشناسی یک روش کاراییسازی روی های فشرده روش

، تاکنون، بررسی و مولفی طبق دانسته. بازشناسی، مهم است .روی این رابطه انجام شده است بسیار کمیی مطالعههای سازی مبتنی بر تبدیل موجک جزو روش های فشرده روش

امروزه مشخص . ]۴[ شوند جدید، امروزی، و موثر محسوب میبندی شده است که ترکیب تبدیل موجک و کدگذارهای بخش

ها، در بیشتر کاربرد در حالت کلی ]SPC۱( ]۶ ،۵(مجموعه تبدیل مانند(ها کارایی بیشتری نسبت به دیگر انواع تبدیل

مانند هافمن و (و کدگذاریها ))DCT۲( کسینوسی گسستهعموما از SPCکدگذارهای . ]۴، ۵، ۶[ دارد) حسابی وفقی

ی هرمی راستا در تجزیه ویژگی وجود شباهت در زیرباندهای هممبتنی بر روشی عملکرد این روشها عمدتا . برند موجک بهره می

گیری مند برای جستجوی مهمترین ضرایب موجک و تصمیم قانوندر مورد کدگذاری مناسب آنها است طوری که واحد کدگشا، با در

گیری، قادر به بازسازی دست داشتن نتایج این جستجو و تصمیمماتریس ضرایب موجک و سپس، اعمال عکس تبدیل موجک

آنتروپی جستجو به کمک کدگذارهایمعموال نتایج این . ]۷[ باشدی بیتی خروجی را مانند کدگذار حسابی، کدگذاری شده و دنباله

. دهند تشکیل میبندی بخش ، روشSPCاز جمله مهمترین روشهای کدگذاری

این . ]۸[ است )SPIHT۳(مراتبی سلسله هایدرخت مجموعه درتصاویر روش تاکنون برای تصاویر مختلفی مانند تصاویر هوایی،

پزشکی، و تصاویر عمومی و نیز برای سیگنالهایی مانند اهمیت این . ]۷[ سیگنالهای قلبی و مغزی به کاربرده شده است

سازی تصاویر کدگذار به حدی است که روشهای امروزی فشرده

                                                            1 Set Partitioning Coder 2 Discrete Cosine Transform 3 Set Partitioning in Hierarchical Trees

سازی روش خود را با این کارایی فشردهمعموال اثرانگشت ، ولفی م دانسته طبق .]۱۰، ۹، ۳[کنند کدگذار مقایسه می

ی ترکیب این کدگذار با تکنیکهایی که روشهای موجود در زمینهسازی و بازشناسی آن شود، کاری موجب بهبود کارایی فشرده

سازی و این مقاله، بهبود کارایی فشرده هدف. اند انجام ندادهی های کاهش محدوده تکنیکبازشناسی این کدگذار به کمک

وجوه اصلی تمایز .دباش زی تصویر میدینامیکی تصویر و بهسا :عبارتند از سازی موجود ی فشردهبا روشها ی حاضر کار مقاله

، برای دوحالته بودن تصاویر اثرانگشت استفاده از ویژگی) ۱(افزایش جهتدر تکنیک پیشنهادی تغییر مقیاس اولین بار،

استفاده از بهسازی در )۲(، روش پیشنهادی سازی کارایی فشردهبهبود کارایی بازسازی به منظور - سازی فشردهحین مراحل

تر تر و عمیق تحلیل دقیق) ۳(، و روش پیشنهادی بازشناسیسازی و کارایی فشرده رویروش پیشنهادی اجزای اثرات

ی بیشینه نسبت برطبق معیارهای منحنی متوسط بازشناسیو مقایسه با دو زشناسیدقت با و )PSNR٤( سیگنال به نویز

کوانتیزاسیون اسکالر موجک روشو JPEG2000روش )WSQ٥(.

) یا تغییر مقیاس(ی تغییرات تکنیک کاهش محدودهبا استفاده از ی تغییرات تصویر قبل از اعمال تبدیل موجک محدوده ،تصویر

به دلیل دوحالته بودن تصاویر کاهش یافته و بنابراین از یک طرفتغییر تغییر مقیاس قبل و بعد از، کیفیت تصویر اثرانگشت

موجب افزایش به دو صورت و از طرف دیگر، چندانی نکردهبه دلیل کاهش این که یکی: شود می SPIHTکارایی کدگذاری های ، تعداد کل بیتضرایب تبدیل موجک تعداد سطوح بیتییابد؛ کاهش می SPIHTدر الگوریتم کدگذاری/الزم جهت ارسال

ی تغییرات تصویر موجب کاهش ، کاهش محدودهیگر این کهدافزایش کارایی کدگذاری حسابی مورد درنتیجه، آنتروپی تصویر و

.شود می SPIHTاستفاده در کدگذار در ها و های استخراج ریزنقش کارایی الگوریتمبا توجه به این که های بازشناسی اثرانگشت تا حد بسیار روش حالت کلی، کارایی

و از طرفی ]۱۱[ زیادی به کیفیت تصویر اثر انگشت بستگی دارداین مورد توجهکه ( پایینهای بیت سازی تصویر در نرخ فشرده

شود ی کیفیت تصویر می فت قابل مالحظهموجب ا )مقاله است . رسد استفاده از بهسازی تصویر، ضروری به نظر می، )۱شکل (

سازی به یک تصویر اثرانگشت را قبل و بعد از فشرده ۱شکل 0.1نرخ بیت دو در SPIHTکمک تبدیل موجک و کدگذاری

bpp 0.05و bpp سازی شود که فشرده مالحظه می .دهد نشان میدر این مقاله، چند .موجب محو جزئی یا کلی شیارها شده است

. شود تصویر بررسی می محل ممکن برای استفاده از بهسازیروش پیشنهادی جهت بهسازی تصویر و کانتراست آن مبتنی بر

طریق تبدیل پروفایل شدت روشنایی تصویر تنظیم تصویر از

                                                            4 Peak Signal-to-Noise Ratio 5 Wavelet Scalar Quantization

هادی گرایلو ۲۷

ماسک تیزسازی و سپس، تیزسازی تصویر مبتنی بر ]۱۲- ۱۳[کانتراست یک تصویر اثرانگشت، یکی از . باشد می ]۱۲، ۱۴[

یت آن تصویر بوده و نقش مهمی در ی کیف های تعیین کننده عامل .]۱۱[ دقت بازشناسی دارد

ج ب الف

در SPIHTبه کمک تبدیل موجک و کدگذاری ) الف( سازی تصویر حاصل فشرده) ب(، ]۴۱[ ی اثرانگشت یک نمونه تصویر اولیه) الف: (۱شکل شود مالحظه می ؛bpp 0.05در نرخ بیت SPIHTبه کمک تبدیل موجک و کدگذاری ) الف( سازی تصویر حاصل فشرده) ج( .bpp 0.1نرخ بیت

.ها حذف شده و کیفیت برخی دیگر نیز تا حد نسبتا زیادی افت کرده است برخی ریزنقش

، مهمترین ۲ی این مقاله به این ترتیب است که در بخش ادامه. اند سازی تصاویر اثرانگشت معرفی شده های فشرده روش

همچنین، در این بخش، اساس عملکرد سه روش بازشناسی مورد ،۳در بخش .شده است توضیح دادهاستفاده در کار این مقاله

به تشریح ۴بخش . شوند معرفی می اجزای آنروش پیشنهادی و گیری مقاله آمده نیز نتیجه ۵سازی پرداخته و در بخش نتایج شبیه

.است

مروری بر روشهای موجود - ۲سه روش بازشناسی مورد استفاده در کار این در این بخش، ابتدا

سازی تصاویر اثرانگشت مقاله و سپس مهمترین روشهای فشرده . شوند بررسی می

های بازشناسی مورد استفاده در کار این روش ۲-۱

مقالهی اثرانگشت از در این مقاله، برای بازشناسی تصاویر فشرده شده

ی مهم روشهای بازشناسی مربوط به سه دسته مختلفسه روش این سه روش شامل . استفاده شده است ]۱[تصاویر اثرانگشت

ی ، مبتنی بر شبکه]۱۱[ های مبتنی بر استخراج ریزنقش روش .باشند می ]۱۶، ۱۷[ ، و مبتنی بر فیلتربانک گابور]۱۵[ عصبی

ی عصبی روش مبتنی بر شبکه

ها به نحوی ویژگی ،]۱۵[ عصبیی در روش مبتنی بر شبکهاند که نسبت به جابجایی، چرخش، و انتخاب و استفاده شده

،]۱۵[روش پیشنهاد شده در . تغییر مقیاس تغییرناپذیر باشند

های دادهاز در سیستمهای شامل تعداد کمی ،طبق ادعای مولفان .دهد میاثرانگشت خوب جواب

منظور باالبردن کارایی به ،ی عصبی مبتنی بر شبکهروش در سازی بازشناسی، از برخی فرآیندها مانند بهسازی لبه و دودویی

یاب الپالسین سازی ابتدا از لبه برای دودویی. استفاده شده استسازی سپس به کمک نازک. شود گیری استفاده می و سپس آستانه

به دلیل .شوند مورفولوژی، شیارها به ساختار اسکلتی تبدیل میفرآیند ازها در تصویر دودویی شده، نظمی د برخی بیوجو

حذف نقاط ، ها پرکردن حفره هموارسازی شامل مواردی مانند .استفاده شده است پرکردن نقاط مفقود یا حذف شده، و نویزی

از یک شبکه عصبی پرسپترون چندالیه متشکل از سه الیه برای . شده استها و استخراج ویژگی استفاده آشکارسازی ریزنقش

گره، ۵شامل ) ی مخفی الیه(ی دوم گره، الیه ۹ی اول شامل الیهیا (ی کالس ی خروجی نیز یک گره دارد که شامل شماره و الیهپرسپترون بندی از یک شبکه عصبی برای انجام طبقه .است) دسته

در آموزش این شبکه . استفاده شده است ،MLP٦ چندالیه، .ها استفاده شدند یک سوم دادهحدود ،عصبی

گابورروش مبتنی بر فیلتر بانک

از بانکی از فیلترهای گابور برای ]۱۶، ۱۷[ در روش پیشنهادی. کند استخراج جزئیات محلی و سرتاسری اثر انگشت استفاده می

ی این جزئیات محلی و سرتاسری دارای طول ثابت بوده مجموعه .نامیده شده است انگشت کدو

:روش پیشنهادی عبارتند ازمراحل اصلی ی مطلوب برای تصویر ی مرجع و ناحیه تعیین نقطه) الف

اثرانگشت،                                                            

6 Mulilayer Perceptron

های پایین با رویکرد حفظ یا بهبود کارایی بازشناسی بیت سازی تصاویر اثر انگشت در نرخفشرده۲۸

ی مرجع، ی مطلوب نسبت به نقطه بندی ناحیه قطاع) باز هشت (ی مطلوب در هشت جهت مختلف فیلترکردن ناحیه) ج

های محلی شیارها و از چهار جهت برای جهت برای تعیین ویژگی ،)شود های سرتاسری استفاده می ی ویژگی محاسبه

برای هر قطاع در تصاویر فیلتر شده به کمک معیار متوسط ) د .شود انگشت محاسبه می بردار کد ،قدرمطلق انحراف معیار

ها روش مبتنی بر استخراج ریزنقش

از هر تصویر اثر ]۱۱[ ها مبتنی بر استخراج ریزنقشدر روش محاسبه و استخراج ها ریزنقشانگشت تعدادی ویژگی مبتنی بر

حال برای هر دو تصویر اثر انگشت ورودی، میزان . شود میها محاسبه و پس از مقایسه با شباهت بین بردارهای ویژگی آن

یک آستانه، شباهت یا عدم شباهت دو تصویر اثر انگشت اعالم مقدار این آستانه برای پایگاه تصاویر مورد بررسی در کار . شود میای به دست آمده است ، به صورت تجربی و به گونهی حاضر همقال

ها بین تصاویر اثر که منجر به حداکثر تعداد اعالم شباهتانگشت مربوط به یک شخص و حداکثر تعداد اعالم عدم

.ها بین تصاویر مربوط به دو شخص مختلف شود شباهتها شامل دو بلوک استخراج ریزنقش ،]۱۱[ روش بررسی شده در

.است انطباق مبتنی بر ریزنقش وپیش : شود ها سه مرحله اعمال می برای استخراج ریزنقش

.پردازش پردازش، استخراج ریزنقش ها، و پسسازی، و مرحله اول شامل بهبود تصویر، دودویی )۱(

برای بهبود تصویر از دو روش تعدیل . بندی تصویر است قطعهبرای .شود هیستوگرام و تبدیل فوریه استفاده می

استفاده ]۱۸[ ی محلی وفقی سازی از روش آستانه دودوییای بندی تصویر از یک روش سه مرحله برای قطعه. شده است

بندی قطعه) ب(تخمین جهت بلوک، ) الف(شامل مراحل استخراج نواحی مطلوب ) ج(، و ]۱۹[ مبتنی بر شدت جهت

.مبتنی بر عملیات مورفولوژی استفاده شده استها سازی و عالمت زدن ریزنقش دوم شامل نازکمرحله )۲(

.استهای اشتباه مبتنی بر ی سوم شامل حذف ریزنقش مرحله )۳(

.است ]۱۸، ۲۰[ مراجعها، ابتدا هر دو ریز نقش برای انجام انطباق مبتنی بر ریزنقش

ریزنقش مرجع درنظر گرفته شده و - دلخواه به عنوان یک جفتاگر . شود یارهایشان محاسبه میها مبتنی بر همبستگی ش انطباق آن

ها ، دو تصویر نسبت به آن]۲۰[ این شیارها به خوبی تطبیق یابند .یابد ها ادامه می تراز شده و عمل انطباق برای مابقی ریزنقش هم

سازی تصاویر اثرانگشت های فشرده روش ۲-۳

سازی تصاویر اثرانگشت به دو دسته تقسیم می های فشرده روشاول، از تصویر اثرانگشت، تنها اطالعات مهم و ی دستهدر :شوند

مورد استفاده در بازشناسی، مانند شیارها استخراج و سپس

از ]۲۲[ و در ها از اسپالین ،]۲۱[ برای مثال در .دنشو فشرده میسازی تصویر اثرانگشت برای نمایش و فشردههای بزیر منحنی

استخراج و سپس ، ابتدا شیارها]۲۲[در .استفاده شده استهای بزیر تعیین تعدادی نقاط کنترل برای استفاده از منحنی

این نقاط کنترلی ذخیره شده و در هنگام بازسازی تصویر . شود میهای اثرانگشت، از نقاط کنترلی برای بازسازی به کمک منحنی

در این کار، به منظور استخراج شیارها و . شود بزیر استفاده میز پیش پردازشی شامل تعدیل هیستوگرام و ها ا گیتفرورف

.کردن استفاده شده است دودوییها سازی این دسته از روش در حالت کلی، گرچه میزان فشرده

نسبتا زیاد است، اما همان طور که قبال نیز اشاره شد، محدودیت از .های بازشناسی مجاز و قابل استفاده دارند زیادی در روش

تصویر بازسازی ها این است که از روش دیگر معایب این دستهشده یک تصویر تقریبا مصنوعی خواهد بود که برخی اطالعات

ها همچنین، این روش. مهم تصویر اولیه را نخواهد داشتگیری از روشی برای استخراج شیارها هستند تا مستلزم بهره

گر بنابراین، ا. بتوانند نقاط مهم مانند نقاط کنترلی را تعیین کننددر این کار موفق نشده و برخی شیارها از دست بروند یا این که شیارهای غیرواقعی، به اشتباه به عنوان شیار تشخیص داده شوند، نقاط کنترلی به طور صحیح و واقعی تعیین نشده و کل سیستم

. دچار خطا خواهد شدسازی تصاویر اثرانگشت، از های فشرده ی دوم از روش در دسته

همان طور که قبال . شود تبدیالتی مانند تبدیل موجک استفاده میسازی مبتنی بر تبدیل موجک، جزو روشهای فشردهنیز بیان شد،

.]۴[ شوند روشهای جدید، امروزی، و موثر محسوب میح تجزیه از بین ، هدف، انتخاب بهترین موجک و سط]۲۳[ در

مهمترین موجکهای دوتعامدی شامل دابیشز، سیملت، و کویفلت برای کدگذاری . باشد سازی تصاویر اثرانگشت می در کاربرد فشرده

نتیجه این شده است که . از کدگذاری هافمن استفاده شده است. بهترین انتخاب در این زمینه است bior4.4موجک دوتعامدی

معیارهای مورد استفاده جهت تعیین بهترین موجک، شامل میزان های دوتعامدی، برخالف موجک. است PSNRسازی و فشرده

ها، این ویژگی را دارند که به طور همزمان بقیه انواع موجک .های تقارن و بازسازی کامل را دارند قابلیت

سازی ی کویفلت در قالب فشرده ز خانوادههایی ا ، موجک]۲۴[ دری موجک تصاویر اثرانگشت به کمک تبدیل موجک و تبدیل بسته

برای انتخاب . اند تا بهترین موجک انتخاب شود بررسی شدهو انرژی ) NZ(بهترین موجک، از دو معیار تعداد صفرها

تعداد سطوح تجزیه ثابت و . استفاده شده است) RE(مانده باقینیز، هدف، انتخاب ]۲۵[ در .درنظر گرفته شده است ۳ر براب

بهترین موجک و سطح تجزیه از بین مهمترین موجکهای دوتعامدی شامل دابیشز، سیملت، و کویفلت در کاربرد

نتیجه این شده است که . سازی تصاویر اثرانگشت می باشد فشردهانتخاب با پنج سطح تجزیه بهترین ) coif4( ۴ی کویفلت مرتبه

معیارهای مورد استفاده در این کار، همان. در این زمینه است

هادی گرایلو ۲۹

ای بین مقایسه ]۲[ در .استمانده انرژی باقیو تعداد صفرهاJPEG و کدگذاریSPIHT مبتنی بر تبدیل موجک انجام شده و PSNRدهد که برطبق معیارهای نتایج مقایسه نشان می. است

نتایج بهتری SPIHT، کدگذار )MSE۷( متوسط مجذور خطا .داردسازی تصویر موجک برای فشرده ی از تبدیل بسته ]۲۶[ در

سازی برای ارزیابی کارایی فشرده. اثرانگشت استفاده کرده استمانده و تعداد ضرایب صفر در خروجی باقیاز معیارهای انرژی

ستفادهتبدیل کانتورلت ا از ]۲۷[ در. ده استشتبدیل استفاده بودههای جهتی شده است که مبتنی بر تبدیل موجک و فیلتربانک

از ]۲۸[ در. برای مدل کردن رفتارهای نوسانی مناسب است وای استفاده شده سازی برداری چندمرحله تبدیل کانتورلت و چندی

سازی و کانتورلت در فشرده تبدیل که عملکرد است ادعا شده و .موجک است تبدیل ازبهتر تصاویر اثرانگشت، بازسازی

سازی برداری حصیری برای ی موجک و چندی از بسته ]۲۹[ دردر این کار، . سازی تصاویر اثرانگشت استفاده شده است فشرده

توزیع ضرایب موجک به کمک توزیع گوسی تعمیم یافته مدل شده سازی تصاویر در فشرده JPEGو WSQکارایی ]۳۰[ در .است

در این مقایسه، از دو . اثرانگشت بررسی و مقایسه شده استدر روش . سازی استفاده شده است فشرده میزانو PSNRمعیار

WSQ که توسطFBI استاندارد شده است، از تبدیل موجک و JPEGدر روش . شود کدگذاری هافمن وفقی استفاده می

ابتدا جدول کوانتیزاسیون به کمک سازی شده در این مقاله، شبیهالگوریتم گریدی اصالح شده برای تصاویر اثرانگشت طراحی و

سازی، برتری روش مبتنی بر در نتایج شبیه. تنظیم شده است .اصالح شده مشخص شده است JPEGموجک نسبت به

های مربوط سازی داده یکی از جدیدترین استانداردها برای فشردهآن ۵و ۴بخشهای ISO/IEC 19794های حیاتی، به مشخصه

در این بخشها از استاندارد مزبور که مربوط به تصاویر . است، و ]JPEG ،WSQ ]۳۱شوند، قالبهای اثرانگشت و صورت می

JPEG2000 یشتر روی مورد تایید قرار گرفته و تاکید بJPEG2000 این سه قالب از تبدیلهای به ترتیب . استDCT ،

از ۱در بخش . کنند ی موجک، و موجک استفاده می بستهسازی تصاویر اثرانگشت درنظر نیز فشرده JPEG2000استاندارد

عملکرد JPEGنسبت به WSQروش . ]۳۲[ گرفته شده است. ]۳۳[ دارد PSNRبصری و بسیار بهتری از نظر معیارهای روان

روشهای بسیار زیادی مبتنی بر تبدیل موجک برای فشرده سازی اند که یکی از مواد مهم مورد نظر تصاویر اثرانگشت ارائه شده

از روشهایی مانند . ها، انتخاب بهترین فیلتر موجک است آنبرای انجام ]۳۵[ و الگوریتم ژنتیک ]۳۴[ شده سازی گداختن شبیه

از تبدیل موجک و ]۳۶[ در .فاده شده استاین انتخاب استبرای )EZW۸( ی موجک درخت صفرهای جاسازی شده کدگذار

                                                            7 Mean Square Error 8 Embedded Zerotrees of Wavelet

تبدیل برای. سازی تصاویر اثرانگشت استفاده شده است فشردهموجک از موجکهای دوتعامدی با پاسخ فاز خطی استفاده شده

به دیگر موجکها در این نوع موجکها عملکرد بهتری نسبت. استیابی سازی از لبه برای فشرده ]۳۷[ در .سازی دارند کاربرد فشرده

سازی تصاویر مولفان برای فشرده ]۳۸[در .استفاده شده استی موجک، فیلترهای مختلفی را اثرانگشت به کمک تبدیل بسته

اند که فیلتر بانک بررسی و مقایسه کرده و به این نتیجه رسیدهCoif5 بهترین عملکرد را در تولید تعداد ضرایب صفر داشته .است

سازی تصاویر هایی که تاکنون برای فشرده روش از هیچکدامهای پردازشی به منظور تکنیکاز اثرانگشت بررسی شدند،

SPIHTسازی تصاویر اثرانگشت مبتنی بر افزایش کارایی فشرده، شوند بررسی میهایی که در ادامه روش .اند استفاده نکرده

سازی را روی بازشناسی اثر فشرده تاحدی ی هستند کههای روشهیچکدام از ]۹[به استثنای ها این روش. ندا هکردبررسی

ویژگیهای منحصر به تصاویر اثرانگشت در جهت افزایش کارایی آنها همچنین از .اند ای نکرده سازی یا بازشناسی استفاده فشرده

.اند ای نکرده دهبهسازی تصویر استفاسازی که یک روش خاص و بسیار محدود برای فشرده ]۳۹[ در

تصاویر اثرانگشت است، از تبدیل موجک و کدگذاری مولفه بخشهایی از در آن، سازی استفاده کرده و اساسی برای فشرده

در .شوند د، نگه داشته مینها باش تصویر ثانویه که شامل ریزنقشبازشناسی برای ارزیابی کارایی دقتتنها از معیار ]۴۰[و ]۳۹[

سازی و کارایی فشرده ]۴۰[در .بازشناسی استفاده شده استبا CAWDRو WSQ ،JPEG2000بازشناسی روشهای

سازی اثر سه روش فشرده ]۳[ در .یکدیگر مقایسه شده استJPEG ،JPEG2000 وSPIHT روی کارایی بازشناسی تصاویردر این کار، روشهای . ی اثرانگشت بررسی شده است شده فشرده

:اند، شامل موارد زیر است بازشناسی اثرانگشت که استفاده شدهیک محصول تجاری است که مبتنی بر : VeriFinger) الف(

ها بدون درنظر گرفتن نقاط دلتا و هسته استخراج ریزنقش .باشد می

یک پروژه دانشجویی است که مبتنی بر : eFinger) ب(در این کار، از مراحل متداول . باشد ها می استخراج ریزنقش

سازی، سازی، نازک بهسازی و استخراج شیارها، دودویی .شود ها، و انطباق استفاده می استخراج ریزنقش

است MATLABیک محصول تجاری در محیط : FiRS) ج(استفاده کرده و تصاویر اثرانگشت را به که از فیلترهای گابور

.دهد نمایش می کد انگشتای به نام صورت فشردهدر مقادیر JPEGاین است که ]۳[یکی از نتایج گرفته شده در

کند اما عملکرد آن، در سازی خوب عمل می کم میزان فشردهسازی به ، در مقادیر زیاد میزان فشردهJPEG2000مقایسه با

یکی دیگر از نتایج این است که معیار . کند سرعت افت میPSNR امتیاز انطباقتواند معیاری از وضعیت در حالت کلی نمی

های پایین با رویکرد حفظ یا بهبود کارایی بازشناسی بیت سازی تصاویر اثر انگشت در نرخفشرده۳۰

، امتیاز انطباق PSNRکم شدن /باشد؛ یعنی لزوما با زیاد . شود کمتر نمی/بیشتر

:تکار به شرح زیر اساین نقاط ضعف برخی تصویر وش در کار ارزیابی خود، تنها از ششاین ر) ۱(

.اثرانگشت استفاده کرده است که تعداد بسیار کمی است چندان های بازشناسی مورد استفاده در این کار، برخی روش) ۲(

.اند سازی نشده معتبر نبوده و یا از منابع معتبر پیادهشده و تصاویر سازی در این روش، تنها تصویر ثانویه فشرده) ۳(

تصویر ثانویه .شوند سازی، در سیستم ذخیره می اولیه بدون فشردهسازی های مختلف فشرده شده و تاثیر هر بار فشرده با نرخ بیت

.شود روی عملکرد بازشناسی بررسی میتر تحلیل این است که تعدادی فرد درنظر روش درست) ۴(

حال . ظر گرفته شودگرفته شده و برای هر فرد تعدادی تصویر درنبین تصاویر متعلق به هر فرد و نیز بین تصاویر مختلف متعلق به

.دو فرد متفاوت عمل انطباق انجام و نتایج بررسی شوددر استفاده از ابزارهای بازشناسی، به طور یکسان عمل نشده ) ۵(

از JPEGسازی است؛ برای مثال، برای ارزیابی فشردهVeriFinger سازی و برای ارزیابی فشردهJPEG2000 از

eFinger استفاده شده است. های منحنی و ویژگی نتایج هیچ تحلیل خاصی روی توصیف) ۷(

.بازشناسی برحسب نرخ بیت انجام نشده استسازی روی معیارهای کمی بازشناسی مانند منحنی اثر فشرده) ۸(

.است بررسی نشده) DET(بستان خطای آشکارسازی -بدهسازی برای فشرده ۹گونه روشی مبتنی بر تبدیل اتم موج ]۹[در

ی این روش، طبق دانسته .تصاویر اثرانگشت پیشنهاد شده استی تصاویر گونه تنها روشی است که از ویژگی موج مولف

برای کدگذاری ضرایب تبدیل از .اثرانگشت استفاده کرده استدر ترکیب با کدگذاری ۱۰کوانتیزاسیون وفقی اسکالر یکنواخت

عمل کدگذاری برای . و هافمن استفاده شده است ۱۱دوره تداوممنظور از کوانتیزاسیون وفقی . شود هر زیرباند جداگانه انجام می

ی گامهای کوانتیزاسیون در اسکالر یکنواخت این است که اندازههای هر زیرباند متناسب معکوس با لگاریتم واریانس اندازه

سازی و بازشناسی کارایی فشرده .باشد آن زیرباند میضرایب در ، و WSQ، )۱بخش (پایه JPEG2000روش با سه روش این

SPIHT سازی از برای ارزیابی کارایی فشرده. مقایسه شده استو برای ارزیابی کارایی بازشناسی از منحنی دقت PSNRمعیار

.سازی استفاده شده است بازشناسی برحسب میزان فشرده :روش عبارتند ازاین در توجهقابل نکات

اعتبار بیشتری » PSNRمنحنی متوسط «استفاده از معیار )۱(دارد زیرا اولی روی تصاویر بیشتری اجرا » PSNR«نسبت به

ی کار مقالهدر . شده و نتایج معتبرتری درپی خواهد داشت

                                                            9 Wave Atom Transform 10 Adaptive uniform scalar quantization 11 Run Length Encoding (RLE)

، از ]۹[ گونه ، برخالف روش مبتنی بر تبدیل اتم موجحاضر .شده استاستفاده » PSNRنحنی متوسط م«معیار

های انجام شده در این مقاله نیز اذعان شده که در ارزیابی )۲(و JPEG2000کارایی بیشتری نسبت به SPIHTروش WSQ تایید شده نیز ی حاضر مقالهای که در کار دارد؛ نتیجه .است

سازی گونه کارایی فشرده گرچه روش مبتنی بر اتم موج )۳(تنها از تبدیل ی یعنی استفاده(پایه SPIHTبیشتری نسبت به

دارد اما کارایی بازشناسی روش ) SPIHTموجک و کدگذاری ی شکست گونه در نرخ بیتهای کمتر از نقطه مبتنی بر اتم موج

تنها مزیت روش مبتنی بر . پایه است SPIHTبا روش معادلی شکست ن نقطهپایه داشت SPIHTگونه نسبت به اتم موج

به کمک استفاده در این مقاله،روش پیشنهادی . تر است پایین وانسته استی دینامیکی تصویر، ت از تکنیک کاهش محدوده

اده و به کارایی پایه را کاهش د SPIHTی شکست روش نقطه .دگونه برس بیشتری حتی نسبت به روش اتم موج

به کمک تکنیک کاهش در این مقالهروش پیشنهادی )۴(سازی ی دینامیکی تصویر توانسته کارایی فشرده محدوده

را، بدون افت کارایی بازشناسی، افزایش SPIHTکدگذاری .دده

مبتنی بر توصیف یا نمایش تصویر ]۱۰[در روش پیشنهادی های متعلق از نمونه ۱۲کناثرانگشت به صورت یک ترکیب خطی ت

الگوهای مختلف موجود در شامل ۱۳فراکاملی به یک کتابخانهو سپس ،بخشهای مختلف یک نمونه تصویر اثرانگشت

قابل طرح نکات .باشد کوانتیزاسیون و کدگذاری این نمایش می :در این روش عبارتند از

، JPEGهای خود را با روش ، کاراییروشاین )۱(JPEG2000 و ،WSQ ها در نرخ ارزیابی .مقایسه کرده است

های متوسط به ی پایین انجام نشده است بلکه نرخ بیتبیتها .اند باال بررسی شده

را در ارزیابی کارایی SPIHTروش این روش، )۲( .سازی و بازشناسی بررسی نکرده است فشرده

و بر طبق JPEG2000سازی نسبت به روش کارایی فشرده )۳( dB 1در بهترین حالت، » PSNRمنحنی متوسط «معیار

.افزایش داشته استاعالم شده این کار این مقاله ی غیرقابل انتظاری که از نتیجه )۴(

های در نرخ بیت JPEGکه کارایی بازشناسی روش استتا حد قابل توجهی باالتر از کارایی بازشناسی متوسط،و حتی روش WSQو JPEG2000سازی های فشرده روش

این امر برخالف نتایج .پیشنهادی این مقاله گزارش شده است .است ]۳۳، ۳۱، ۳۰، ۲[به دست آمده در کار دیگران

                                                            12 Sparse Linear Combination 13 Overcomplete

هادی گرایلو ۳۱

پیشنهادی روش - ۳سازی و بازسازی دیاگرام بلوکی روش پیشنهادی برای فشرده

ب نشان - ۲الف و - ۲تصاویر اثرانگشت به ترتیب در شکلهای سازی، مطابق با دیاگرام بلوکی در مسیر فشرده .داده شده است

ی تغییرات شدت روشنایی تصویر الف، ابتدا محدوده-۲شکل به (کاهش و سپس از تبدیل موجک برابر 2Nی ورودی به اندازه

ی تصویر به منظور تجزیه) bior4.4موجک دوتعامدی کمک ی برای تولید دنباله SPIHTحال از کدگذار . شود استفاده می

. شود بیتی خروجی استفاده می

ب الف

سازی و فشرده) الف(دیاگرام بلوکی روش پیشنهادی برای : ۲شکل .بازسازی تصاویر اثر انگشت) ب(

در مسیر بازسازی تصویر فشرده شده، مطابق با دیاگرام بلوکی

و تبدیل موجک به منظور SPIHTب، ابتدا از کدگشای -۲شکل حال برای تولید تصویر . شود بازسازی تصویر اولیه استفاده می

.شود نهایی، از تکنیک پیشنهادی بهسازی تصویر استفاده می، که مهمترین ۲مهمترین بلوکهای موجود در دیاگرام بلوکی شکل

شامل کاهش شوند، ی حاضر نیز محسوب می های مقاله نوآوریباشد که در یرات تصویر و بهسازی تصویر میی تغی محدوده

ها در یک بخش جداگانه توضیح داده ادامه، هر یک از این بلوکی تغییرات تصویر موجب تکنیک کاهش محدوده .شوند می

ی شکست منحنی سازی و کاهش نقطه افزایش کارایی فشردهبازشناسی شده و تکنیک بهسازی نیز موجب بهبود کارایی

ز طریق افزایش دقت بازشناسی در نقاط باالتر از ا(بازشناسی ی شکست منحنی بازشناسی و نیز کاهش افت منحنی نقطه

.شود می) ی شکست تر از نقطه بازشناسی در نقاط پایین ی تغییرات کاهش محدودهتکنیک پیشنهادی ۳-۱

تصویربرای تغییر محدوده تغییرات تصویر، مقادیر پیکسلها را بر ضریب

کنیم؛ این کار معادل با شیفت مقادیر تقسیم می 2Nمقیاس، .باشد بیت به راست می Nی پیکسلهای تصویر به اندازه

این است که این کدگذار کار SPIHTهای کدگذار یکی از ویژگیدر هر صفحه . دهد بیت انجام می- بیت به صفحه-خود را صفحه

سازی، سه مرحله به نامهای مرتب SPIHTبیت، الگوریتم ای از نمادها مربوط روز رسانی را تکرار کرده و دنباله اصالح، و به

ی نمادها در این دنباله. کند گیری را تولید می به فرآیند تصمیمی بیتی خروجی تبدیل انتهای کار به کمک کدگذار حسابی به دنباله

ها را شود که اگر بتوانیم تعداد صفحه بیت مالحظه می. دشو میهای تولید شده و در نتیجه طول کاهش دهیم، تعداد کل بیت

سازی ی بیتی خروجی کم شده و بنابراین، کارایی فشرده دنبالهها برابر با تعداد بیت از طرفی، تعداد صفحه. یابد افزایش می

موجک است؛ بنابراین، با بیتهای باارزش بزرگترین ضریب تبدیل کاهش تعداد بیتهای موجود در بزرگترین ضریب تبدیل موجک

حال با توجه به این که . ها را کاهش داد بیت توان تعداد صفحه میی دینامیکی تصویر، موجب تکنیک پیشنهادی کاهش محدوده

شود، نقش موثر این ی ضرایب تبدیل موجک نیز می کاهش اندازهها و در نتیجه افزایش کارایی بیت تعداد صفحه تکنیک در کاهش

.شود سازی روش پیشنهادی مشخص می فشردهی دینامیکی برای توضیح دومین مزیت تکنیک کاهش محدوده

در پایان SPIHTکنیم که کدگذار تصویر، به این مطلب توجه میای از نمادها مربوط به فرآیند گیری، دنباله فرآیند جستجو و تصمیم

گیری تولید کرده و سپس این دنباله را به کمک کدگذار یمتصمکدگذار حسابی یک . کند ها تبدیل می ای از بیت حسابی به دنباله

هایی که برای هر نماد کدگذار آنتروپی بوده و متوسط تعداد بیتبستگی ) H(ی نمادها ، به آنتروپی مجموعه)(کند تولید می

:دارد)۱(

ی دینامیکی تصویر موجب کاهش آنتروپی محدودهتکنیک کاهش تصویر و البته، آنتروپی ضرایب تبدیل موجک شده و بنابراین، با

، موجب افزایش کارایی کدگذار حسابی و )۱(ی توجه به رابطه .خواهد شد SPIHTدرنتیجه، افزایش کارایی کدگذاری

ی تغییرات سومین مزیت تکنیک پیشنهادی کاهش محدودهی مقالهدر کار . باشد تصویر، حفظ نسبی کیفیت تصویر می

، بررسی کیفیت تصویر از این جهت مهم است که کارایی حاضربازشناسی تصاویر اثرانگشت تا حد بسیار زیادی به کیفیت این

نگشت به نمونه تصویر اثرا یک ۳در شکل . تصاویر وابسته استخروجی مختلف متناظر با اعمال تکنیک کاهش دوهمراه N=7و N=3ی تغییرات تصویر متناظر با دو مقدار محدوده

، که اگر ضریب مقیاس شود مالحظه می .نمایش داده شده است2N، ی روی کیفیت کلی چندان چندان بزرگ انتخاب نشود، تاثیر

.تصویر ندارد

های پایین با رویکرد حفظ یا بهبود کارایی بازشناسی بیت سازی تصاویر اثر انگشت در نرخفشرده۳۲

N=7N=3تصویر اصلی

یکی تغییرات روی اعمال تکنیک پیشنهادی کاهش محدوده: ۳شکل برای شیفت ( N با چند مقدار مختلف ]۴۱[ نمونه تصویر اثر انگشت

.)مقادیر شدت روشنایی تصویر به راست بهسازی تصویرتکنیک پیشنهادی ۳-۲

سازی مبتنی بر تبدیل موجک، در نرخ های فشرده در روشاثر نشتی . شود های پایین، معموال اثر نشتی مشاهده می بیت

ها به ها رخ داده و موجب نشت انرژی لبه عمدتا در اطراف لبهکیفیت رویاثر نشتی تاثیر قابل توجهی . شود نواحی اطراف می

ی ، نتیجه۴شکل ردیف باالیی در . تصویر اثرانگشت داردبه ۳نشان داده شده در شکل اصلیسازی نمونه تصویر فشرده

پایین در دو نرخ بیت SPIHTکمک تبدیل موجک و کدگذار شود که ها مالحظه می با توجه به این شکل. نمایش داده شده است

تصویر شیارهای ای روی کیفیت قابل مالحظه اثر نشتی تاثیر .ارداثرانگشت د

با توجه به اهمیت کیفیت تصویر اثرانگشت در کاربردهای سازی پیشنهادی این مقاله، از یک بازشناسی، در روش فشرده

ی بهسازی تصویر به منظور افزایش کیفیت تصویر روش سادهاین روش مبتنی بر تنظیم تصویر از . شود بازسازی شده استفاده می

و سپس، ]۱۲- ۱۳[تبدیل پروفایل شدت روشنایی تصویر طریق .باشد می ]unsharp mask ]۱۴ ،۱۲تیزسازی تصویر مبتنی بر

حاصل تنظیم و تیزسازی هریک از تصاویر نشان داده شده در به ترتیب در ردیفهای وسط و پایین این ۴ردیف باال از شکل

قابل توجه ها بیانگر تاثیر این شکل. شکل نشان داده شده است .باشند انجام بهسازی در افزایش کیفیت تصاویر فشرده شده می

0.1 bpp

0.05 bpp

در دو نرخ بیت نسبتا پایین به کمک تبدیل موجک و کدگذاری ۳سازی نمونه تصویر اصلی شکل ی فشرده نتیجه) ستون اول از چپ(: ۴شکل

SPIHT ،)ی تیزسازی تصاویر ردیف وسط نتیجه) ستون اول از راست(، تصاویر ردیف باال تنظیم شدت روشناییی نتیجه )ستون وسط. برای بلوک بهسازی بررسی شده هایمحل ۳-۳

گرچه جایگاه بهسازی تصویر در دیاگرام بلوکی روش پیشنهادی، و بهترین نقشتعیین ، مشخص شده است اما به منظور۲شکل و همچنین تایید طرح پیشنهاد استفاده از بهسازی تصویر جایگاه

چندین در، ۴در بخش کارایی بازشناسی را ،۲شده در شکل

این بررسی جزو نوآوریهای .هیم کردخوابررسی مختلفحالت :حالتها عبارتند ازاین .شود ی حاضر محسوب می مقاله

تصاویر اصلی اثر انگشت به الگوریتم بازشناسی داده :حالت اولای و مرجع بوده این حالت، در حقیقت یک حالت پایه. شوند می

.شود های دیگر استفاده می و جهت مقایسه و ارزیابی حالت

هادی گرایلو ۳۳

در پیشنهادیروش ابتدا تصاویر اصلی را به کمک :دومحالت اثر الگوریتم بازشناسیبه نتایج را، بهسازی نموده و ۲- ۳بخش

این حالت جهت بررسی اثر بهسازی تصویر . دهیم انگشت میروی کارایی بازشناسی تصاویر اثرانگشت مورد استفاده قرار

.گیرد می. شود تصویر استفاده نمی سازی های اول و دوم از فشرده در حالتاز تبدیل موجک و ،سازی برای انجام فشرده ها، ی حالت در بقیهاستفاده مختلف در چند نرخ بیت SPIHTکدگذاری سپس،

سازی از شود که در این آزمایشها برای فشرده مالحظه می .شود میاثر این . ایم ی تغییرات تصویر استفاده نکرده کاهش محدوده

.بررسی خواهیم کرد ۴داگانه در بخش تکنیک را جدر این حالت تصاویر سطح خاکستری اصلی را :حالت سوم

سازی نموده و پس از های مختلف فشرده مستقیما در نرخ بیتدر . دهیم بازسازی، نتایج را به الگوریتم بازشناسی اثر انگشت می

سازی روی عملکرد بازشناسی، به طور این حالت، تاثیر فشرده .دشو بررسی می )بدون اعمال بهسازی( مستقیم و تنهاسازی با در این حالت، تصاویر را پس از فشرده :حالت چهارم

روش پیشنهادی به کمک های مختلف و سپس بازسازی، نرخ بیتبهسازی نموده و نتیجه را به الگوریتم بازشناسی ۲-۳در بخش

.دهیم اثرانگشت میروش پیشنهادی در به کمک ابتدا تصاویر اصلی :حالت پنجم

های مختلف و سپس در نرخ بیتبهسازی شده ۲- ۳بخش ، )در واحد کدگشا(نتیجه پس از بازسازی . شوند سازی می فشرده

.شود به الگوریتم بازشناسی اثر انگشت داده میبه ،سازی قبل و بعد از فشردهابتدا در این حالت، :حالت ششم

تصویر استفاده بهسازیاز ،۲- ۳روش پیشنهادی در بخش کمک به الگوریتم بازشناسی اثر انگشت داده سپس، نتیجه. شود می . شود می

سه روش ی فوق را با استفاده از گانه هریک از حالتهای ششمبتنی بر )۱( :کنیم میو نتایج را مقایسه بررسیبازشناسی ، و ]۱۵[ مبتنی بر شبکه عصبی )۲(، ]۱۱[ ریزنقشاستخراج

.]۱۶، ۱۷[مبتنی بر فیلتر بانک گابور )۳(که در بخش بعد مالحظه خواهد شد، برای هر روش همان طور، یک منحنی دقت گانه و هر حالت از حالتهای شش بازشناسی

سازی انجام شده بازشناسی برحسب نرخ بیتی که در آن فشردهشود؛ از روی این منحنی، دو پارامتر، یکی است، محاسبه می

و دیگری شیب افت ) برحسب بیت بر پیکسل(ی شکست نقطهی شکست رایی دقت بازشناسی در نقاط کمتر از نقطهکابیت بر ۱بازشناسی به ازای کاهش برحسب درصد کاهش دقت (

در این مقاله، این پارامترها به عنوان . خواهد شدمحاسبه ) پیکسل های مختلف بازشناسی اثرانگشت معیارهایی جهت ارزیابی روش

.شوند می پیشنهاد )سازی، با فرض معلوم بودن روش فشرده(

نتایج شبیه سازی - ۴ معرفی پایگاه داده ۴-۱

پایگاه تصاویر مورد استفاده شامل تصاویر اثر انگشت مربوط به تصویر اثر ۱۰شخص مختلف است که از هر شخص، ۳۰

تصویر به منظور ۳به منظور آزمایش و انگشت در پایگاه تصاویرتصاویری که در کار این مقاله تهیه و .موجود است آموزش

500ی تفکیک درجه دارای کیفیت مناسب و ایم، استفاده کردهdpi باشند می.

قادیر عددی پارامترهای روش پیشنهادیم ۴-۲

تغییرات ی در تکنیک کاهش محدودهضریب مقیاس به عبارت .انتخاب شده است ۸برابر این ضریب: تصویر

ی دیگر، مقادیر شدت روشنایی تصویر اثرانگشت به اندازهN=3 شوند بیت به راست شیفت داده می.

با توجه روش تنظیم تصویر : پارامترهای تنظیم تصویر ,0.15)ی ورودی برابر با محدوده ،]۱۳[ در شده ستفادها

در نظر گرفته (1 ,0)ی خروجی برابر با و محدوده (0.85 .شده است

با توجه به روش تیزسازی : پارامترهای تیزسازی تصویرو میزان ۲ی شعاع برابر اندازه ،]۱۴[ در استفاده شده

.انتخاب شده است ۲تیزسازی نیز برابر با برای محاسبه تبدیل موجک از فیلترهای : تابع موجک مادر

.ه استاستفاده شد bior 4.4متناظر با موجک دوتعامدی گانه حالتهای ششمربوط به نتایج ۴-۳

استفاده از روش بازشناسی مبتنی بر استخراج در حالت، منحنی مربوط به دقت بازشناسی بر حسب نرخ ]۱۱[ها ریزنقش

۵سازی در آن نرخ انجام شده است، در شکل بیتی که فشردهدر این شکل، شش منحنی نشان داده شده . نشان داده شده است

که مربوط به هر یک از شش حالت مورد بررسی در کار این است ی بهتر، این شش منحنی روی به منظور مقایسه. باشند میمقاله

حالت سطح ( اند؛ حتی دو حالت اول هم نمایش داده شدهنیز که در )سطح خاکستری بهسازی شده( و دوم )خاکستری

برای آنها عتا ای نشده است و طبی سازی استفاده ها از فشرده آنی باشد، در کنار بقیه نیازی به نمایش برحسب نرخ بیت نمی

.تا عمل مقایسه بهتر انجام شود اند ها نمایش داده شده حالتسازی از روش پیشنهادی که شود که برای فشرده یادآوری می

نمایش داده شده، بدون درنظر ۲دیاگرام بلوکی آن در شکل ی تغییرات تصویر، ک کاهش محدودهگرفتن بلوک مربوط به تکنی

.ایم استفاده کردهی عصبی در حالت استفاده از روش بازشناسی مبتنی بر شبکه

، منحنی مربوط به دقت بازشناسی بر حسب نرخ بیتی که ]۱۵[نشان داده ۶سازی در آن نرخ انجام شده است، در شکل فشرده

در حالت استفاده از روش بازشناسی مبتنی بر بانک . شده است

ی

ب بر ش به در

که تر

از

ی

ی بر ن

له ی

د کارایی بازشناسی

در کاهش شیبمبتنی ب روش روشو )هسازیها نسبت ب روشبوده و د) ست

، آن روشی کشته باشد، بهت

نقاط باالتر

اشد،ی ط کمتر از نقطه

طه نظر معیارهایمبتنی ب روش بهترین )هسازی

.داده است

در کار این مقای عصبی بر شبکه

ویکرد حفظ یا بهبو

ر قابل توجهی؛ ثانیا دوت

استفاده از بهسترین ر ب، مقاومی شکس از نقطه . اند را داشته

اسی مفروض، دو پارامتر دا

ی بیشتری در شد،تری داشته با یین

نقاطزشناسی در

یان شد، از نقطقت بازشناسی، استفاده از بهر از خود نشان د

ز شش حالتی کهازشناسی مبتنی

های پایین با رو ت

ها تاثیر ریزنقشسی داشته است

در حالت( ها، به ترتیب گابور

در نقاط کمترهترین وضعیتو روش بازشنا نسبت به این

دقت بازشناسیشکست داشته با

ی شکست پای طهب افت دقت باز

. کمتر باشدکه در این بند بی شیب افت دق

در حالت( هاه دو روش دیگر

ب

برای هر یک ازروش با) ب(، ]

بیت ر انگشت در نرخ

ی بر استخراج شناس دقت باز

ه خراج ریزنقشفیلتربانکگی بر

(ش نرخ بیت جه از این نظر، بهعتا از بین دو

های زیر را گی :شود داد می

د) الف(ی ش نقطه

نقط) ب(شیب) ج(

شکست،کوجه به نتایجی ک

ی شکست و هه خراج ریزنقشکرد را نسبت به

جام شده است،۱۶، ۱۷[ ک گابور

سازی تصاویر اثره

سب ۷ل

۷ا

قتهای0.5وشعیاریت

طور% ،بتنیدون) زیوش

مبتنیافتاستخمبتنیکاهشنتیجعطبیویژگقلمد

با تونقطهاستخعملک

جسازی انج ن فشرده

نی بر فیلتر بانک

فشرده

ازشناسی بر حس است، در شکل

تا ۵های شکل

و شیب افت دقه وجه به منحنی

5ها، ریزنقش0.3 bp برای رو

ز نقطه نظر معوضعی ها یزنقش

به ط( فت دقت%۵۷ در حدود

و برای روش مبتدر حالت بد(

تفاده از بهساززی در مورد رو

خ بیتی که در آنش بازشناسی مبتن

.]۱۱[ ها زنقش

ربوط به دقت بانرخ انجام شده

داده شده در ش

ی شکست و طهط شکست، با تونی بر استخراج

ppی عصبی، وبنابراین، ا. شند

بر استخراج ریز . ارد

افتدترین شیبی عصبی شبکه، و%۲۵ حدود% ۱۴۰ حدود

در حالت است(انجام بهسازوال

الف

سی بر حسب نرخروش) الف( ده از

بر استخراج ریز

، منحنی مر]۱۶ سازی در آن ن ده

.ستهای نمایش ی

:زیر رسیدزشناسی یک نقط

این نقاط. د داردبرای روش مبتنی مبتنی بر شبکه

باش گابور میک مبتنی ب روش

و روش دیگر داتند، شیب افت

وش مبتنی بر شدر حانک گابور

در حها زنقش% ۲۰و ) زی

اوشود که ه می

ی دقت بازشناسدر حالت استفادبازشناسی مبتنی

،۱۷[لتر گابورخ بیتی که فشردشان داده شده اس توجه به منحنی

توان به نتایج ز یهر روش باز )

خصوص به خودب bpp 0.1ق،bp برای روش م

تنی بر فیلتربانکی شکست، طه

تری نسبت به دواز نظر مچنینبرای رو )ریبی

ی روش فیلتربا استخراج ریزتفاده از بهساز

مالحظه. باشد ی

ها منحنی: ۵کلشوند و د رسی می

روش ب )ج(، ]۱

۳٤

فیلنرخنشابامی

)۱مخفوقppمبتنقطبهتهمتقربرابراستمی

شکبرر

]۵

هادی گرایلو ۳٥

ها کمترین روش بازشناسی مبتنی بر استخراج ریزنقش )۲(

نسبت به حالتهای و پراکندگی دقت بازشناسی را حساسیتاز خود نشان ) ی شکست در نقاط باالتر از نقطه( ،گانه ششهمچنین این روش، بیشترین حساسیت و پراکندگی .دهد می

ی تر از نقطه در نقاط پایین( را فت دقت بازشناسیشیب ا .گانه، از خود نشان داده است نسبت به حالتهای شش )شکست

،ی شکست در نقاط باالتر از نقطه ،سازی انجام فشردهتنها )۳(این .همواره موجب حفظ و حتی بهبود دقت بازشناسی شده است

شود؛ زیرا هم حجم تصویر ویژگی، بسیار مطلوب قلمداد میتا حد زیادی کاهش یافته و هم ) سازی با انجام فشرده(اثرانگشت

قبل از (این که دقت بازشناسی در حد همان کیفیت اولیه یکی از دالیل .ه استو حتی بهتر از آن باقی ماند) سازی فشرده

توان مربوط به قدرت تحلیل محلی این ویژگی مفید را میشود سازی انرژی دانست که موجب می ها و ویژگی متراکم موجک

تنها با استفاده از تعداد کمی از ضرایب موجک در بازسازی، سازی با بنابراین، در فشرده .جزئیات تا حد زیادی حفظ شوند

، جزئیات مربوط به شیارها تاحد خوبی حفظ نیز نرخ بیت پایینهای بازشناسی که وابسته به دقت ، دقت روشدر نتیجهشده و

.شود تعیین این جزئیات است، تا حد خوبی حفظ می تنهابه استثنای روش بازشناسی مبتنی بر فیلتربانک گابور، )۴(

سازی و چه در حالت چه در حالت انجام فشرده(انجام بهسازی همواره موجب حفظ و حتی بهبود دقت ) سازی انجام فشردهعدم

این .ی شکست شده است بازشناسی در نقاط باالتر از نقطهمطلب، موید مفید بودن استفاده از بهسازی، در حالت کلی،

.باشد میتوان از قبل تعیین کرد که بهترین محل در حالت کلی نمی )۵(

در مورد روش .ی استبرای استفاده از بهسازی تصویر، چه جای انجام بهسازی، بازشناسی مبتنی بر فیلتربانک گابور، بهترین محل

بعد از ) ۲(سازی، هم قبل و هم بعد از فشرده) ۱(به ترتیب در مورد روش . باشد سازی می قبل از فشرده) ۳(سازی، و فشرده

) ۱(به ترتیب ،ی عصبی، بهترین محل بازشناسی مبتنی بر شبکهسازی، و هم قبل و هم بعد از فشرده) ۲(سازی، بعد از فشرده

در مورد روش بازشناسی مبتنی .باشد سازی می قبل از فشرده) ۳(ها، هر سه محل از اولویت یکسانی برخوردار بر استخراج ریزنقش

البته، آن چه که در مورد این سه روش بازشناسی به طور . هستند تنها یک بار ن بیان نمود این است که انجامتوا مشترک می

،بهسازی این همواره بهتر از انجام ،سازی بعد از فشرده ،بهسازیبه این دلیل است که در دیاگرام بلوکی .سازی است قبل از فشرده

بعد از انجام را ، بهسازی تصویر۲روش پیشنهاد شده در شکل ی مطرح شده در یجهنت .ایم سازی مورد استفاده قرار داده فشرده

.باشد می) ۲شکل (این بند، تاییدی بر طرح پیشنهادی این مقاله نتایج عددی محاسبه با توجه به ( جالب توجه یکی از نتایج )۶(

حالت اول ی این است که ممکن است تصاویری در دسته) شده

ی وجود داشته باشند که نتیجه )تصاویر سطح خاکستری(ی خود شناسایی یعنی جزو دسته( بازشناسی آنها منفی باشد

ثبت ای م سازی، نتیجه اما همین تصاویر پس از فشرده ،)دننشو که توان گفت بنابراین، می ؛دهند برای بازشناسی از خود نشان

را به ) یا کالس(سازی، برخی عناصر متعلق به یک گروه فشردهی )یا کالسها(ها تر و برخی عناصر متعلق به گروه زدیکهم ن

مختلف را از هم دورتر کرده و به این ترتیب کارایی بازشناسی . این عناصر را بهبود داده است

لزوما ،خاص ی یکی دیگر از نتایج این است که در یک دسته )۷(مقدار در شود یا بازشناسی با افزایش نرخ بیت، بهتر نمی دقت، در روش بازشناسی مبتنی بر برای مثال. ماند باقی نمی خود قبلی

افت bpp 1به bpp 0.5از بازشناسی دقت فیلتر بانک گابور، !کند پیدا می

ی تغییرات تصویر کاهش محدوده تکنیک اثر ۴-۴

کاهش پیشنهادی در این مقاله مبتنی بر برای بررسی اثر تکنیک توانیم در هریک از حالتهایی که در میی تغییرات تصویر، محدودهدیاگرام سازی از بررسی شدند، برای انجام فشرده ۳- ۴بخش

کاهش تکنیکیعنی در نظر گرفتن ( به طور کامل ۲بلوکی شکل های متناظر با استفاده کرده و منحنی )ی تغییرات تصویر محدوده

معلوم با انجام این کار. قبل را در این حالت جدید به دست آوریمهای متناظر های جدید تقریبا همان شکل منحنی گردید که منحنی

. اند داشته نیز چپیک جابجایی افقی به اماخود در قبل را داشته بیت بر پیکسل و تقریبا مستقل 0.05مقدار این جابجایی حدود

منحنی مربوط به روش .بوداز روش بازشناسی مورد استفاده ها که بهترین کارایی را در بازشناسی مبتنی بر استخراج ریزنقش

۹بین سه روش بازشناسی مورد بررسی داشته است، در شکل دهد که تکنیک کاهش این نتیجه نشان می. نمایش داده شده است

ی تغییرات تصویر موجب حفظ نسبی کیفیت تصویر محدودهو همزمان موجب ) فاده از این تکنیکنسبت به حالت عدم است(

بیت 0.05ی سازی روش پیشنهادی به اندازه افزایش کارایی فشرده .بر پیکسل شده است

روش پیشنهادی سازی کارایی فشردهارزیابی ۴-۵

سازی روش پیشنهادی بر طبق معیار در این بخش کارایی فشردهبرحسب نرخ بیت معرفی و با کارایی » PSNRمتوسط منحنی «

مقایسه WSQو ) ۱بخش ( JPEG2000سازی دو روش فشردهیکی از متداولترین روشهای عام JPEG2000استاندارد . شود می

و شناخته شدهنیز روش WSQسازی تصاویر و روش فشرده .باشد سازی تصاویر اثرانگشت می خاص فشرده

ددی تصویر فشرده شده به معرف میزان شباهت ع PSNRمعیار همچنین، این معیار به طور معکوس بیانگر . تصویر اصلی است

ی

ی ده یر ی در ش تر ی

آن و

بر ار ت ی

ت .د

ا، به ش ه، ت از ش ی ی ی ره از

د کارایی بازشناسی

شنهادیریک از روشهاینمایش داده شد این شکل، تاثیی ه پارامتر نقطهقت بازشناسی در حقیقت روش

ت پایینمت نقاط دقت بازشناسی

خ بیتی که در آJPEG ،WSQ،

مبتنی برانگشت موجک، کدگذا آن روی دقت

بررسی ثرانگشتفت دقتشیب ا

معرفی گردیدندها خراج ریزنقشب .ک گابور بودند

زی تصویر، شششناسی، جداگانهدید که در حالت

انجام آن قبل که برای هر روشت دقت بازشناسی

های زیابی روشی نتیجه . نمود

سازی هموار ردههای باالتر رخ

ویکرد حفظ یا بهبو

سی روش پیششده به کمک هر

W ن ۹در شکلش داده شده در

روی سه) ۲ل سی، و مقادیر دق

در. معلوم استرا به سم کستی شکست، قطه

بر حسب نرخ سیG2000سه روش

تصاویر اثرزی تبدیل مصویر، و اثر پیشنهادتصاویر اث ناسی

ی شکست و شای بازشناسی ده شامل استخرفاده از فیلتربانکزستفاده از بهسا

هر روش بازشنتایج، معلوم گرد

سازی بهتر از هنتایج این بود که

فتیک شیب اارامترها در ارزگشت استفادهنجام تنها فشربازشناسی در نر

های پایین با رو ت

بازشناسرایی صاویر فشرده ش

JPEG و ،WSQهای نمایش حنی

شکل(پیشنهادیت دقت بازشناس

ی شکست م طهی شک نقطه ست

قاط باالتر از نق .ن دهد

دقت بازشناسی ، برای سشده است

یسا روش فشرده

تغییرات تصازی تصویر پیش مختلف بازشنی و معیار نقطهها رزیابی روش

ی استفاده شدعصبی، و استفا

اسبرای ن محل رسی و نتایج هق یکی از این نتی پس از فشرد

یکی دیگر از نت ی شکست و ه

توان از این پا تصاویر اثرانگ این بود که انتی بهبود دقت

بیت ر انگشت در نرخ

کارارزیابی ۶بازشناسی تصیی

G2000هادی، مطابق با منح. ت

توجه روش پیفتست، شیب ا

ط باالتر از نقطاس هادی توانسته

ل کرده و در نقتری از خود نشا

های منحنی: ۹لسازی انجام ش ده

.ش پیشنهادی

نتیجه گیریین مقاله، یک ری ش محدوده

SPIHو بهسا ،سه روش شناسی

همچنین د .یدشناسی جهت ار

های بازشناسی شی ع فاده از شبکه

ور تعیین بهترینت مختلف برر

برطبق. یل گردید، انجام بهسازی

.سازی است دهشناسی یک نقطه ود دارد که میلف بازشناسیب توجه دیگر

جب حفظ و حتی

سازی تصاویر اثره

. ت

Irec

ازیتاتسط

دو. تشدهویر

-۲ ر دردتصلیی بهصلیظ یایزانصویرکار

ر آن

W و ،

۴-۶کارایپیشنهاستقابلشکسنقاطپیشنهمنتقلبیشتر

شکلفشردروش

۵ -در ای

کاهشHTبازشگردیبازشروشاستفمنظوحالتتحلیکلیفشردبازشوجومختلجالبموجب

فشرده

زی بااتالف است

10 1

1

cویر مربعی و

PSNR حاصلدر یک نرخ بی

این محاسبا. وندمنحنی متوس«س

در مقایسه باش داده شده استصاویر فشرده شه نسبت به تصا۳شده در بخش

بهسازی تصویری پروفایل شد ه

ن هر تصویر اصروش پیشنهادیت که هدف اص

ال و حفظزی باه و بنابراین، میز اصلی و تص

در ک شود، ی می

نرخ بیتی که درJPEG2 ،WSQ

سا انجام فشرده :حاسبه است

10255

,,

تصو Iorigعی،

PS مقادیر ،Rد دادهپایگاه شو گیری می گین

تکرار و سپس .شود م می

وش پیشنهادینمایش ۸ ر شکل

P مربوط به تصویر فشرده شدهروش معرفی ش به استفاده از بر قابل مالحظهتالف زیادی بین

به کمک ر آن به یادآوری است

ساز یزان فشردهفشرده شده بود

بین تصویر PSN گیری اندازه .شد

PSN بر حسب2000ی سه روش

لید شده در اثر ی زیر قابل مح ه

,

عاد تصویر مربع .شده استSNR متوسط

متعلق بهاویر و سپس میانگیبیت مختلف تب نرخ بیت رسم

سازی روش شردهJP وWSQ در

PSNRت مقدار ی، از روی تصای شده به کمک ت زیرا با توجه

بنابراین تغییر و اثرانگشت، اخت

ی متناظر شده ه این نکته الزمن همزمان به میشناسی تصاویر ف

)یا ظاهری( NRوسط معیار

باش دان مهم نمی

NRمتوسط ای

، برای شده است

زان اعوجاج تولن معیار از رابطه

(

: در آن

(

ابع Sizeده وصویر بازسازی ش

ی ی محاسبهسازی تصا شرده

شخص محاسبهی چند نرخ ب

PSN «برحسبودار کارایی فش

PEG2000وشزم به ذکر استروش پیشنهادیصلی اما بهسازیحاسبه شده استوش پیشنهادی ووشنایی تصاویرتصویر فشرده

البته. آید جود مین مقاله رسیدنبود کارایی بازشباهت عددی

، که توشده شردهچند ی حاضر اله

ها منحنی: ۸کلسازی انجام شرده

.ش پیشنهادی

۳٦

میزاین

)۲

که)۳

بودتصبرافشمشبرا

NRنموروالزبا اصمحروروو وجاینبهبشبافشمقا

شکفش

روش

هادی گرایلو ۳۷

بردن شود؛ این ویژگی جالب امکان بهره ی شکست می قطهنسازی تصاویر اثرانگشت همزمان از دو مزیت کاهش حجم ذخیرهی و باالخره، نتیجه .دهد و حفظ یا بهبود دقت بازشناسی را می

ها روش بازشناسی مبتنی بر استخراج ریزنقشدیگر این که سبت به کمترین حساسیت و پراکندگی دقت بازشناسی را ن

از خود ) ی شکست در نقاط باالتر از نقطه(گانه، حالتهای ششاز نظر دو معیار پیشنهادی همچنین این روش، . دهد نشان می

فت دقت بازشناسی، بهترین وضعیت را ی شکست و شیب ا نقطهانجام بهسازی در مورد این . نسبت به دو روش دیگر داشت

فت دقت شیب اای روی کاهش روش، تاثیر قابل مالحظهبنابراین از این روش بازشناسی در .بازشناسی داشته است

سازی و ی کارایی فشرده ارزیابی به منظور مقایسه بعدی ی مرحله WSQو JPEG2000بازشناسی روش پیشنهادی با روشهای

.استفاده گردید

مراجع[1] A. K. Jain and A. A. Ross, Nandakumar K., Introduction

to Biometrics, Springer Sicence+ Business Media, LLC 2011.

[2] M. M. Kambli and M. S. Bhatia, “Comparison of Different Fingerprint Compression Techniques”, Signal and Image Processing: An International Journal, Vol. 1, No. 1, pp. 27-39, 2010.

[3] M. Kampfer, A. Stogner, and H. Uhl, “Comparison of Compression Algorithms’ impact on Fingerprint and Face Recognition Accuracy”, Proceedings of the SPIE, San Jose, CA, Vol. 6508, pp. 650810.1-650810.12, 2007.

[4] S. Dhawan, “A Review of Image Compression and Comparison of its Algorithms,” International Journal of Electronics and Communication Technology, Vol. 2, No. 1, pp. 22-26, 2011.

[5] W. A. Pearlman and A. Said, “Set Partitioning Coding: Part I of Set Partition Coding and Image Wavelet Coding Systems,” Foundations and Trends in Signal Processing, Vol. 2, No. 2, pp. 95-180, 2008.

[6] W. A. Pearlman and A. Said, “Image Wavelet Coding Systems: Part II of Set Partition Coding and Image Wavelet Coding Systems,” Foundations and Trends in Signal Processing, Vol. 2, No. 3, pp. 181-246, 2008.

[7] W. A. Pearlman and A. Said, Digital Signal Compression: Principles and Practice, Cambridge University Press, New York, 2011.

[8] A. Said and W. A. Pearlman, “A New, Fast, and Efficient Image Codec Based on Set Partitioning in Hierarchical Trees,” IEEE Transactions on Circuits and Systems for Video Technology, Vol. 6, No. 3, pp. 243-250, 1996.

[9] Z. Haddad, A. Beghdadi, A. Serir, and A. Mokraoui, “Wave atoms based compression method for fingerprint images,” Pattern Recogntion, Vol. 46, pp. 2450-2464, 2013.

[10] G. Shao, Y. Wu, Y. A, X. Liu, and T. Guo, “Fingerprint compression based on sparse representation,” IEEE transactions on image processing, Vol. 23, No. 2, pp. 489-501, 2014.

[11] D. Maltoni, D. Mao, A. K. Jain, and S. Prabhakar, Handbook of Fingerprint Recognition, 2nd Edition, Springer-Verlag, London, 2009.

[12] R. C. Gonzales and R. E. Woods, Digital Image Processing, 3’rd Edition, Prentice Hall, 2007.

[13] http://www.mathworks.com, Image Processing Toolbox, see documentation for the “imadjust” function.

[14] http://www.mathworks.com, Image Processing Toolbox, see documentation for the “imsharpen” function.

[15] W. F. Leung, S. H. Leung, W. H. Lao, and A. Luk, “Fingerprint recognition using neural network,” IEEE Proceedings, pp. 226- 235, 1996.

[16] A. K. Jain, S. Prabhakar, L. Hong, and Sh. Pankanti, “Filterbank-based fingerprint matching,” IEEE Transactions on Image Processing, Vol. 9, No. 5, pp. 846-859, 2000.

[17] S. Prabhakar, Fingerprint Classification and Matching Using a Filterbank, PhD thesis, Michigan State University, 2001.

[18] L.C. Jain, U. Halici, I. Hayashi, S. B. Lee and S. Tsutsui, Intelligent Biometric Techniques in Fingerprint and Face Recognition, CRC Press, 1999.

[19] N. Ratha, S. Chen and A. K. Jain, “Adaptive Flow Orientation Based Feature Extraction in Fingerprint Images”, Pattern Recognition, Vol. 28, pp. 1657-1672, 1995.

[20] L. Hong, Automatic Personal Identification Using Fingerprints, Ph.D. Thesis, 1998.

[21] M. M. S. Chong, R. K. L. Gay, H. N. Tan, and J. Liu, “Automatic Representation of Fingerprints for Data Compression by B-Spline Functions,” Pattern Recognition, Vol. 25, No. 10, pp. 1199-1210, 1992.

[22] V. Perumal and D. Ramaswamy, “An Innovative Scheme For Effectual Fingerprint Data Compression Using Bezier Curve Representations,” International Journal of Computer Science and Information Security, Vol. 6, No. 1, pp. 149-157, 2009.

[23] K. Selvakumarasamy, R. Radhikadevi, and Sagunthala, “Performance Analysis of Bi-Orthogonal Wavelets for Fingerprint Image Compression,” ITSI Transactions on Electrical and Electronics Engineering, Vol. 1, No. 4, pp. 64-70, 2013.

[24] M. R. Islam, F. Bulbul, and S. S. Shanta, “Performance Analysis of Coiflet-Type Wavelets for a Finger Image Compression by Using Wavelet and Wavelet Packet Transform,” International Journal of Computer Science and Engineering Survey, Vol. 3, No. 2, pp. 79-87, 2012.

[25] S. S. Gornale, R. R. Manza, V. Humbe, and K. V. Kale, “Performance Analysis of Biorthogonal Wavelet Filters for Lossy Fingerprint Image Compression,” International

های پایین با رویکرد حفظ یا بهبود کارایی بازشناسی بیت سازی تصاویر اثر انگشت در نرخفشرده۳۸

Journal of Imaging Science and Engineering, Vol. 1, No. 1, pp. 16-20, 2007.

[26] S. S. Gornale, V. T. Humbe, R. R. Manza and K. V. Kale, “Fingerprint Image Compression using Retain Energy (RE) and Number of Zeros (NZ) through Wavelet Packet (WP),” International Journal of Computer Science and Security, Vol. 1, No. 2, pp. 35-42, 2008.

[27] S. Zhao, X.-F. Wang, “Fingerprint Image Compression Based on Directional Filter Banks and TCQ,” Second International Workshop on Knowledge Discovery and Data Mining, pp.660-663, 2009.

[28] S. Esakkirajan, T. Veerakumar, V. S. Murugan, and R. Sudhakar, “Fingerprint Compression Using Contourlet Transform and Multistage Vector Quantization,” International Journal of Biological and Medical Sciences, Vol. 1, No. 2, pp. 140 -147, 2006.

[29] S. Kasaei, M. Deriche, and D. Boashash, “A Novel Fingerprint Image Compression Technique Using Wavelet Packets and Pyramid Lattice Vector Quantization,” IEEE Transactions on Image Processing, Vol. 12, No. 11, pp. 1365-1378, 2002.

[30] A. R. Gonzalo, “Fingerprint Image Compression Using Wavelets: A Comparison with JPEG,” Proceedings of the IASTED International Conference, Signal and Image Processing, October 18-21, 1999.

[31] J. N. Bradley, C. M. Brislawn, and T. Hopper, “The FBI Wavelet/Scalar Quantization Standard for Gray-Scale Fingerprint Image Compression,” in SPIE Proceedings, Visual Information Processing II, pp. 293–304, (Orlando, FL, USA), Apr. 1993.

[32] M. A. Lepley, Profile for 1000 ppi fingerprint compression, Tech. Rep. MTR 04B0000022, The MITRE Corporation, 2004.

[33] R. Kidd, “Comparison of Wavelet Scalar Quantization and JPEG for Fingerprint Image Compression,” Journal of Electronic Imaging, Vol. 4, No. 1, pp. 31–39, 1995.

[34] B. G. Sherlock and D. M. Monro, “Optimized Wavelets for Fingerprint Compression,” Proceedings of the 1996 International Conference on Acoustics, Speech and Signal Processing (ICASSP’96), 1996.

[35] U. Grasemann and R. Miikkulainen, “Effective Image Compression Using Evolved Wavelets,” in GECCO ’05: Proceedings of the 2005 conference on Genetic and evolutionary computation, pp. 1961–1968, ACM Press, (New York, NY, USA), 2005.

[36] B. G. Sherlock and D. M. Monro, “Balanced Uncertainty Wavelets for Fingerprint Compression,” in IEE Colloquium on Image Processing for Security Applications, pp. 5–8, (London, GB) , Mar. 1997.

[37] A. K. Al- Asmari, “Progressive Fingerprint Images Compression Using Edge Detection Technique,” International Journal of Imaging Systems Technology, Vol. 12, No. 5, pp. 211-216, 2002.

[38] G. A. Khuwaja and A. S. Tolba, “Fingerprint image compression,” Neural Networks for Signal Processing X, Proceedings of the 2000 IEEE Signal Processing Society Workshop (Volume:2 ), pp. 517 – 526, 2000.

[39] C. Beleznai, H. Ramoser, B. Wachmann, J. Birchbauer, H. Bischof, and W. Kropatsch, “Memory-Efficient Fingerprint Verification,” in Proceedings of the IEEE International Conference on Image Processing (ICIP’01), Vol. 2, pp. 463–466, (Thessaloniki, Greece), Oct. 2001.

[40] N. Anurakphanawan and P. Lamsrichan, “Fingerprint Recognition Performance with WSQ, CAWDR, and JPEG2000 Compression,” 6th International Conference of Information and Communication Technology for Embedded Systems (IC-ICTES), pp. 1-6, 2015.

[41] D. Maio, D. Maltoni, R. Cappelli, J. L. Wayman, and A. K. Jain, “FVC2004: Third Fingerprint Verification Competition” Springer-Verlag Berlin Heidelberg, D. Zhang and A.K. Jain (Eds.): ICBA 2004, LNCS 3072, pp. 1-7, 2004.

تحصیالت خود را در هادی گرایلودر ۱۳۸۲مقطع کارشناسی در سال

وی . دانشگاه صنعتی شریف به پایان بردهمچنین، تحصیالت خود در مقاطع کارشناسی ارشد و دکتری را در دانشگاه

مدرس تهران در سالهای به تربیت. به پایان رساند ۱۳۸۸و ۱۳۸۴ترتیب های تحقیقاتی ایشان در مقاطع زمینه

وی . تحصیالت تکمیلی شامل پردازش تصاویر متنی بوده استهای اکنون عضو هیات علمی دانشگاه شاهرود بوده و حوزه هم

زش ی ایشان شامل پردازش تصاویر متنی، پردا تحقیقاتی مورد عالقههای پردازش افزاری الگوریتم سازی سخت سیگنالهای حیاتی، و پیاده

.باشد های سیگنال می افزاری به ویژه پردازشگر سیگنال در بستر سخت