[PDF] algorithme écrit en langage naturel
[PDF] algorithme en langage naturel
[PDF] algorithme exercice corrigé 1ere année st pdf
[PDF] algorithme fonction exercice corrigé pdf
[PDF] algorithme informatique exercices corrigés
[PDF] algorithme informatique exercices corrigés pdf
[PDF] algorithme informatique pdf
[PDF] algorithme intubation difficile 2015
[PDF] algorithme intubation difficile sfar
[PDF] algorithme pour calculer les termes d'une suite
[PDF] algorithme première es
[PDF] algorithme seconde algobox
[PDF] algorithme seconde boucle pour
[PDF] algorithme seconde calculatrice
[PDF] algorithme seconde cours
![[PDF] La reconnaissance automatique des empreintes digitales 1 [PDF] La reconnaissance automatique des empreintes digitales 1](https://pdfprof.com/Listes/25/1806-25Lareconnaissanceautomatiquedesempreintesdigitales_Hasnaoui_Nassim.pdf.pdf.jpg)
1
La reconnaissance automatique des empreintes
TigiWaleV
Hasnaoui Nassim Aboubakr
Résumé:
biométrique mature pour toute application d'authentification ou de consiste à implémenter le meilleur algorithme permettant de faire la comparaiVon enWre pluVieurV empreinWeV.
1. Introduction
De nos jours, l'authentification devient un des points eVVenWielV au niveau Te la VécuriWé TeV conWrôleV TGaccèV TanV leV VociéWéV ou VyVWèmeV informaWiqueV La reconnaiVVance bioméWrique eVW uWiliVée TanV bon clé USB, un établissement, des cartes bancaires...
ConcernanW
notion de minuties4 pour réaliser la comparaison anglais). Quatre ans plus tard, Galton publie son ouvrage (voir [3]) où il propoVe une claVVificaWion y a seulement une chance sur 64 milliards que deux inTiviTuV aienW une même empreinWe [4]. Il exiVWe 13 WypeV Te minuWieV qui nouV permeWWenW Te claVVifier leV empreinWeV TigiWaleV. Le principe de la reconnaissance des empreintes TigiWaleV conViVWe à comparer une empreinWe fournie au VyVWèmeH à une ou pluVieurV auWreV empreinWeV (leV minuWieV) TonW le VyVWème TiVpoVe préalablemenW TanV
Va baVe Te TonnéeV bioméWrique.
FIGURE 1JLES 6 PRICIPAUX TYPNS MNS ÓINUTINS[5]
1.1. L'algorithme de la reconnaissance
TGempreinWeV TigiWaleV J
différence entre une image en entrée et plusieurs images ViWuéeV TanV une baVe Te TonnéeV. Pour celaH il fauW uWiliVer une approcUe rapiTe eW préciVeH cGeVW la raiVon pour laquelle on va éliminer lGapprocUe par comparaiVon La comparaison entre les empreinWeV eVW baVée Vur la recUercUe Te la Tifférence enWre leV minuWieV TGimage 2 La méthode généralement utilisée pour détecter les binaire squellettisée, les minuties (singularités) sont mieux viVibleVH on procèTe alorV à leur TéWecWion. a) PrétraiWemenW TeV imageV TGempreinWeJ Basé sur la nature des bases de données proposées par [8] qui conWienW leV TifférenWeV empreinWeV on obVerve que WouV leV imageV néceVViWenW un WraiWemenW. FIGURE 2JECHANTILLANT DES BASN MN MONNNS PROPOSN PAR [8] Le premier objectif est de binarisé l'image TGempreinWe qui conViVWe à WranVformer une image à pluVieurV niveaux en une image en noir eW blanc (Teux niveaux VeulemenW). La binariVaWion TGempreinWeV TigiWaleV eVW une WecUnique pour proTuire une image Te Wype 1-biWH avec
0 comme crêWeV qui VonW WeinWéeV Te noir eW Te 1 leV
valléeV qui VonW WeinWéeV Te blanc [9] (voir Ńigure 3). Pour arriver à une image binariVée correcWemenW il fauW bien cUoiVie une méWUoTe Te binariVaWion qui nouV Tonne la forme TGempreinWe VanV malformaWionH TanV ce Wravail on a WeVWé pluVieurV algoriWUme Te binariVaWion.
FIGURE 3JEXAMPLE M'OPERATION DE LA BINARISATION
La 2ème étape consiste à la squelettisationH lGobjecWif eVW ici Te Timinuer lGinformaWion reTonTanWe conWenue TanV une imageH Tonc la quanWiWé Te TonnéeV à analyVer. La méWUoTe eVW lGiVolemenW TeV ligneV principaleV Te lGimage avec TeV aminciVVemenWV VucceVVifV juVquGà ce que lGimage réVulWanWe ne conWienne que TeV ligneV
TGépaiVVeur 1 pixel.
points simples, le résultat homotypique. Si la suppression est réalisée de façon VéquenWielle alorV la Wopologie eVW préVervée ; cela par la modifié de façon à ce que certains points simples soient préVervéV TuranW le proceVVuV Te VuppreVVionH il eVW alorV poVVible Te conVerver TeV caracWériVWiqueV géoméWriqueV. (ou thinning algorithm), et le résultat est appelé VqueleWWe. LeV poinWV à préVerver VonW appeléV poinWV
Werminaux ou poinWV exWrémiWéV@>
Répéter
Pour tout point de l'image dĠterminĠ selon un balayage séquentiel faire
Si le poinW eVW Vimple alors il eVW Vupprimé
(Sinon examiner le poinW VuivanWH TéWerminé par le balayage) a) Image binaire b) Image squelette FIGURE 4JEXAMPLE D'OPERATION DE LA SQUELLNTISATION 3 b) Extraction des minuties dans cette dernière les minuties les plus intéressantes La VignaWure reWenue pour caracWériVer lGempreinWe eVW baVée Vur un enVemble VuffiVanW eW fiable Te minuWieV. On enWenT par VuffiVanWH le nombre minimum Te minuWieV néceVVaireV pour pouvoir éWablir TeV comparaiVonV fiableV enWre empreinWeV. Ce minimum Ve ViWue à 12 minuWieV viV-à-viV Te la loiH voire moinV pour beaucoup TGenWre eux (juVquGà 8 minimum). Le nombre 12 provienW Te la règle TeV 12 poinWV Velon laquelle il eVW VWaWiVWiquemenW impoVVible Te Wrouver 2 inTiviTuV préVenWanW leV mêmeV 12 poinWV caracWériVWiqueVH même en conViTéranW une populaWion
Te pluVieurV TiYaineV Te millionV Te perVonneV.
On enWenT par fiableH leV minuWieV qui ne VonW paV influencéeV par TeV TéfauWV lorV Te lGacquiViWion Te lGimage ou par lGalWéraWion Wemporaire Te lGempreinWe TigiWale (bleVVureH éroVionH eWc.). Avec un peWiW nombre Te minuWieV (15 ou 20) correcWemenW localiVéeVH il eVW poVVible TGiTenWifier une empreinWe parmi pluVieurV millionV TGexemplaireV. GénéralemenWH cUaque minuWie occupe un eVpace Te 16 ocWeWV VanV compacWage ni compreVVion. Ceci expliquequotesdbs_dbs7.pdfusesText_5