XXX -X-XXXX -XXXX -XXXXX.00 20XX IEEE Extragerea automată a regiunii de interes din [611402]

XXX -X-XXXX -XXXX -X/XX/$XX.00 ©20XX IEEE Extragerea automată a regiunii de interes din
imagini cu amprenta palmară
line 1 : 1st Departamentul Tehnologii si
Sisteme de Telecomunicatii
line 2: Facultatea de
Electronica,Telecomunicatii si
Tehnologia Informati ei
line 3: Univ ersitatea Tehni ca Cluj-
Napoca

Abstract —Identificarea personală este regăsită intr -o gamă
largă de sisteme care procesează datele biometrice. Datele
biometrice reprezintă informații personale ale utilizatorilor
care sunt în registrați intr -un sistem și care urmează să se
autenti fice. Aceste informații pot fi extrase inclusiv din imagi ni
ale parților corpului: față, amprentă palmară, partea dorsală a
mâinii, amprenta degetelor, iris. Lucrarea de față propune
găsirea unei metod e de extracție automată a regiunii de interes
(ROI) din imagini,reprezentând amprenta palmară a unui
utilizator si stocarea lor intr -o structura predefinită. Metoda
propusă poate fi aplicată pe orice tip de imagine pentru a
identifica si extrage ROI in dif erite forme geometrice: disc,
pătrat, dreptunghi. Aplic ația, implementată in MATLAB,
procesează o bază de date c are constă în 5,502 amprente de
palmă, stânga si dreapta, capturate de la 312 subiecți in format
JPEG.
Keywords —Identificare
personala,Matla b,ROI,imagini ,amprenta palmara
Introducere
Lucrarea de față propune găsirea unei metod e de
extracție automată a regiunii de interes (ROI) din
imagini,reprezentând amprenta palmară a unui utilizator si
stocarea lor intr -o structura predefinită. Metoda propusă
poate fi apl icată pe orice ti p de imagine pentru a identifica si
extrage ROI in dif erite forme geometrice: disc, pătrat,
dreptunghi. Aplicația, implementată in MATLAB,
procesează o bază de date care constă în 5,502 amprente de
palmă, stânga si dreapta, capturate de la 312 subiecți in
format JPEG.
I. MEDIUL DE LUCRU UTILI ZAT
MATLAB (MATtrix LABoratory) este un pachet de
programe de înaltă performanță, interactiv, destinat
calculului matematic, științific și ingineresc. MATLAB
integrează calcul, programare ș i vizu alizare, într -un mediu
de lucru prietenos, soluționarea problemelor presupunând
folosirea notațiilor matematice clasice. Utilizarea
programului MATLAB include:
• Matematică și calcul numeric • Programare și dezvoltare
de algoritmi • Modelare ș i simu lare • Analiză d e date,
exploatarea rezultatelor și vizualizare • Grafică științifică și
inginerească • Dezvoltare de aplicații software, incluzând
construcție de interfețe grafice cu utilizatorul (GUI)
MATLAB este un produs al companiei america ne The
Mathworks, Inc. [http://www.mathworks.com] și lucrează
sub Windows, Unix, LINUX și Machintosh. MATLAB
include toate facilitățile unui limbaj complet de programare,
admițând interfețe cu limbajul de programare C, C++ și
FORTRAN. II. STADIUL ACTUAL
Biometria este știin ța și tehnologia măs urării datelor
biologice. Tehnologia informației, biometria, se referă la
tehnologia care măsoară și analizează caracteristicile
corpului uman în sco pul autentificării[1].
Biometria of eră o metodă automatiza tă de verificare
sau dentificare a identității pe principiul caracteristicilor
fiziologice sau comportamentale măsurabile, cum ar fi
amprenta sau vocea. De curand a devenit o soluție de
identificar e și de verificare personală extrem de sig ură.
Numărul încă lcărilor de securitate și al fraudei a crescut
de-a lungul anilor, ca urmare, este nevoie urgentă de
tehnologii de identificare și verificare foarte sigure.
Aceste sisteme au propriile avantaje și dezavantaje.
Pentru a se r ealiza o autentificare biometrică sunt
necesare două seturi de date, care ulterior vor fi
comparate. În urma comparării, cele două seturi de date
trebuie să fie aproape identice pentru un asa -zis accept
(de exemplu amprenta pentru acces a telefonului). Pe de
altă parte, această autentificare biometrică atrage, ca orice
altă metodă, avantaje ș i dezavantaje. Ca avantaj, pot
aminti gradul de dificultate în utilizare, acesta fiind unul
scăzut și faptul că cercul în care se pot produce fraudele
este unul mai res trâns, deoarece trebuie să fi fizic în
apropierea celui care își utilizează datele pentru a putea
avea acces la acele date. Iar ca dezavantaj, pot aminti
durata datelor biometrice, care este egală cu durata de
viată a persoanei în cauză. Dacă o altă persoa nă are acces
la datele tale biometrice, nu ai decât sa revii la niște date
normale (o pa rolă normală, spre exemplu).[2]

III. FUNDAMENTARE TEORETICA
3.1. Regiunea de interes (ROI)
Regiunea de interes(ROI), exprimă extracția
autom ata din zona pal melor si este un pas im portant pentru
amprentele biometrice și sistemele biomedicale. Procesul de
recunoaștere depinde în primul rând de gradul de precizie al
extracției ROI. Cu toate acestea, extracția este afectată prin
mai mulți factori, în principal di spozit ivul utilizat și
condițiile de achiziție [11]. Modul de achiziție poate fi
efectuat prin mai multe moduri cum ar fi rotația, traducerea
și scara. Cele mai multe dintre studiile precedente nu au
reușit să atingă o rata de extracție rid icata pentru zon a
palm ei.

Imaginile medicale sunt de obicei alcătuite din
regiuni de interes (ROI) și zone de fond. In raport cu zona de
fond, ROI conține informații importante de diagnosticare.
Desi ROI nu poate fi întreaga zonă a imaginii, este de mare
importan ță pentru diagnos ticul medical, tratamentul clinic și
analiza patologică. Scopul lucrării este de a extrage ROI din
mediul înconjurător prin extragerea caracteristicilor imaginii
medicale.
3.2. Procesul de extracție
Pentru a aloca cu preciz ie reg iunea palmei,ar t rebui să
existe multe măsuri complementare de aplicat. Sistemul
începe de la conversia manuală a imaginii palmei în nivele
de gri, apoi binarizarea acesteia.[13]

Acest proces de conversie implică pașii de îndepărtar e
a zonei d egetel or, scoaterea zgo motului cauzat de
defecțiunile de segmentare, determinarea centrului palmei
exact.
3.3. Binarizarea
Valoarea pixelilor din imaginea gri variază de la 0 la 255.
Pentru a o converti în binar,imaginea trebuie sa aiba valori
ale pixelil or {0, 1}Figura 3. Tehni cile de prag sunt utilizate
pentru a converti imaginea de la scara gri la binar si aceaste
metode utilizeaza în principal segmentarea. Această metodă
este efectuată prin înlocuirea fiecărui pixel din imagine cu
alb-negru care depind de va loareade prag (T) .
3.4. Eliminarea degetelor
Acest pas este cel mai important pas în metoda propusă,
deoarece elimină părțile exterioare ale mâinii (adică
degetele) care nu au nici o importanță și sunt în afara zonei
ROI. Deci, degetele ș i zona mâin ii sun t îndepărtate.
3.5. Procesarea imaginilor
Procesarea imaginilor este o metodă de efectuare a
unor operații pe o imagine, pentru a obține o imagine
îmbunătățită sau pentru a extrage câteva informații utile din
aceasta. Este un tip de proce sare a semnalului în ca re intrarea
este o imagine și ieșirea poate fi o imagine sau caracteristici
asociate cu acea imagine. În zilele noastre, procesarea
imaginilor se numără printre tehnologiile în creștere rapidă.
Formează o arie centrală de cercetare î n dome niul
disciplinelo r de inginerie și informatică.
Procesarea imaginilor cuprinde în principal următorii
trei pași: Importarea imaginii prin intermediul instrumentelor
de achiziție de imagini; Analizarea și manip ularea imaginii;
Rezultat în care se poa te modifica imagi nea sau raportul care
se bazează pe analiza imaginii.
Există două tipuri de metode utilizate pentru
procesarea imaginilor, și anume, prelucrarea imaginilor
analogice și digitale. Pro cesarea imaginilor analogice poate fi
utilizată pentru copiile de hârtie, precum imprimante și
fotografi i. Analiștii de imagine folosesc d iferite metode de
interpretare în timp ce folosesc aceste tehnici vizuale.
Tehnicile digitale de procesare a imaginii ajută la
manipularea imaginilor digitale prin utilizarea computerelor.
Cele trei faze generale pe care toate tipurile de date trebuie să
le suporte în timp ce utilizează tehnica digitală sunt pre –
procesarea, îmbunătățirea și afișarea, extragerea
informații lor.[16] 3.6. Eșantionarea și cuantificarea
Pentru a deveni adecvat pentru procesarea digitală, o
funcție de imagine f (x, y) trebuie digitizată atât spațial, cât și
în amplitudine. De obicei, pentru a preleva și a cuantifica
semnalul video analogic, se utilizează un grabber sau un
digitizor. Prin urmare, pentru a crea o imagine digitală,
trebuie să ascundem datele continue în formă digitală.
3.7 Redimensionarea imaginii
Interpolarea imaginilor apare când redimensionați sau
distorsionați imaginea de la o rețea de pixeli la alta.
Redimensionarea imaginii este necesară atunci când trebuie
să măriți sau să micșorați numărul total de pixeli, în timp ce
remaparea poate apărea atunci când corectați distorsiunea
obiectivului sau rotiți o imagine. Zoomarea se referă la
creșterea cantității de pixeli, astfel încât atunci când măriți o
imagine, veți vedea mai multe detalii.
2.9. Amprenta palmara
Investigarea recunoașterii amprentelor palmare ca o
tehnologie biometrică a crescut în ultimii 15 ani.
Recunoașter ea prin palmă are multe caracteristici comune cu
sistemele biometrice bazate pe analiza amprentelor digitale și
cercetarea în domeniul amprentelor palmare.Recunoașterea a
avansat rapid datorită experienței acumulate în recunoașterea
amprentele digitale. În mod similar cu amprentele digitale,
amprentele posedă multe caracteristici distinctive și pot fi
utilizate pentru recunoașterea biometrică foarte precisă.

IV. Setul de date folosit
Porțiuni ale cercetărilor din aceast ă lucrare utilizează
Baza de date CASIA Palmprint Image(sauCASIA -Palmprint
pe scurt) . Toate imaginile de amprentă palmară sunt fișiere
JPEG de 8 biți de nivel înalt. Aceasta conține 5,502
amprente de palmă, imagini capturate de la 312 subie cți.
Pentru fie care subiect au fost colectate imagini palmare din
palma stânga și palma dreptă de către dispozitivul de
recunoaștere a palmelor dezvoltat de catre cei de laCenter
for Biometrics and Security ResearchNational Laborato ry of
Pattern RecognitionInstitute of A utomation, Chinese
Academy of Sciences (așa cum se arată în Figura 8). De
asemenea, au dezvoltat sisteme de recunoaștere a
amprentelor in timp real care lucrează pe PDA și pe PC -uri
comune .
V.REZULTATE EXPERIMENTA LE
În urma intepretării rezultatelor experimentale,
putem spune ca regiunea de interes(ROI), exprimă extracția
automata din zona palmelor și este un pas important pentru
amprentele biometrice și sistemele biomedicale. Imaginile
fiind de obicei alcătuite din regiuni de interes (ROI) și zone
de fond, acest tip de extracție ne ajută sa ajungem mai
repede la identificarea unei anumite probleme. În
raport cu zona de fond, ROI conține informații importante
de diagnosticare. Desi ROI nu poate fi între aga zonă a
imaginii, este de mare importanță pentru diagnosticul
medical, tratamentul clinic și analiza patologică.

Această secțiune prezintă rezultatele imbinării
implementării soluției adoptate cu partea teoretic ă,
ajungându -se la cele ma i bune concluzii.

VI.Concluzii

O regiune de interes (adesea abreviată ROI), este o
proba dintr -un set de date identificat pentru un anumit scop.
Conceptul de ROI este utilizat în mod obișnuit în multe
domenii de aplicare. De ex emplu, în imagistica medicală,
limitele unei tumori pot fi definite pe o imagine sau într -un
volum, în scopul măsurării dimensiunii acesteia.Limita
endocardică poate fi definita pe o imagine,probabil in
diferite faze ale ciclului cardiac,de exemplu,sistol final si
diastol final,în scopul evaluării funcției cardiace.În sistemele
de informații geografice,un ROI poate fi luat literalmente ca
o selecție poligonală dintr -o hartă 2D.În viziunea
calculatorului și recunoașterea op tică a caracterulu,ROI
definește gr anițele unui obiect în discuție.În multe
aplicații,etichetele simbolice sunt adăugate la un ROI,pentru
a descrie conținutul său intr -un mod compact.În cadrul unu
ROI se pot situa puncte de interes individuale(POI -uri).
Prin urmare, pentru o ide ntificare biometrică optima
sau limitarea unei anumite zone,metodele care trebuie alese
pentru a fi folosite trebuie să aibă următoarele calități:
precizie ridicată, siguranță înaltă, să fie usor de utilizat și să
aibă co sturi reduse.
Așadar, î n ceea ce privește funcționalitatea acestei
metode se poate afirma faptul că aceasta este foarte
folositoare în cazul detectiei unei anumite zone si a
extragerii acesteia.

VII. Bibliografie

[1] D. V. a. D. Dubey, „Two Level Centre of Gravity
Computation –An Important Parameter for OfflineSignature
Recognition,” IJCA 2012, vol. 54, nr. 6, 2012 ,SEPT.

[2] S. P. S. D. o. E. N. N. K. I. A. P. D. o. E. N. N. K. I.
Naidile.S1, „Pe rsonal Recognition Based on DorsalHand
Vein Pattern,” Internationa l Journal of Innovative Research
in Science, Engineering andTechnology , vol. Vol. 4, nr. 5,
May 2015 .

[3] Biometrics: Personal Identification in Networked
Society. A. Jain, R. Bolle, an d S. Pankanti, eds. Boston:
Kluwer Academic, 1999.

[4] N. Duta , A.K. Jain, and K.V. Mardia, “Matching of
Palmprint,” Pattern Recognition Letters, vol. 23, no. 4, pp.
477-485, 2001.

[5] J. You, W. Li, and D. Zhang, “Hierarchical Palmprint
Identificat ion via Multiple Feature Extraction,” Pattern
Recognition, vol. 35 , no. 4, pp. 847 -859, 2002.
[6] W. Shu and D Zhang, “Automated Personal
Identification by Palmprint,” Optical Eng., vol. 37, no. 8,
pp. 2659 -2362, 1998.

[7] W. Shi, G. Rong, Z. Bain, and D. Zhang, “Automatic
Palmprint Verification,” Int’l J. Image a nd Graphics, vol. 1,
no. 1, pp. 135 -152, 2001.

[8]NEC Automatic Palmprint Identification System —http://
www.nectech.com/afis/download/PalmprintDtsht.q.pdf,
2003.

[9] P.S. Wu and M. L i, “Pyramid Edge Detection Based on
Stack Filter,” Pattern Recogni tion Letter, vol. 18, no. 4, pp.
239-248, 1997.

[10] C.J. Liu and H. Wechsler, “A Shape – and Texture –
Based Enhanced Fisher Classifier for Face Recognition,”
IEEE Trans. Image Processing, vol. 10, no. 4, pp. 598 -608,
2001.

[11]Region of Interest Extraction of Medical Image based
on Improved Region Gro wing Algorithm Shanshan Sun a,
Runtong Zhang b,* School of Economics and Management,
Beijing Jiaotong University, Beijing 100044, China;

[12]Hu Xiao -dan, LI Wen, Liu Hai -bo. A Fast Image
Region Segmentation Method Based on Gaussion Statistical
Model [J] . Journal of Fujian Normal University (Natural
Science Edition), 2011, 27(2):133 -137

[13]ROI_Extraction_for_Palm_print_Using_Local_Thre sho
lding_Region_Growing_and_Geometric
al_Centroid_Criterion_ByLoay E. George

[14] L. I. Wen, Xia S, Zhang D, XU Zhu o; "A New
Palmprint Identification Method Using Bi – Directional
Matching Based on Major Line Features", J. of Computer
Research & Development, Vol. 41, No. 6, Pp. 996 -1002,
2004.