Transformações multi-escala para a segmentação de imagens de impressões digitais

• Main Author: Teixeira, Raoni Florentino da Silva, 1987-
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 2011
• Subjects: Biometria; Processamento de imagens; Morfologia matemática; Simplificação de imagem; Biometrics; Image processing; Mathematical morphology; Image simplification
• Online Access: TEIXEIRA, Raoni Florentino da Silva. Transformações multi-escala para a segmentação de imagens de impressões digitais. 2011. 52 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/275756>. Acesso em: 18 ago. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/275756

Orientador: Neucimar Jerônimo Leite === Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação === Made available in DSpace on 2018-08-18T03:31:34Z (GMT). No. of bitstreams: 1 Teixeira_RaoniFlorentinodaSilva_M.pdf: 2781592 bytes, checksum: f95e3e81dccde47709f471564d50db1c (MD5) Previous issue date: 2011 === Resumo: A identificação baseada em impressões digitais tem recebido considerável atenção nos últimos anos devido à crescente procura pela identificação automática de indivíduos, tanto em aplicações forenses quanto empresariais, por exemplo. Uma importante etapa que deve ser considerada nessas aplicações é a segmentação da imagem que constitui a impressão digital. Nesse contexto, o termo segmentação refere-se à separação da imagem em duas regiões, denominadas área da impressão (foreground) e fundo (background), a fim de evitar que características utilizadas no reconhecimento e/ou classificação das impressões digitais correspondentes sejam extraídas de regiões impróprias. Normalmente, as abordagens de segmentação encontradas na literatura não consideram imagens provenientes de diferentes bases de dados (ou sensores), em virtude da diversidade das propriedades e características encontradas em cada sensor e, em geral, o desempenho dos métodos existentes é baixo quando lidam com bases de dados heterogênias. Neste sentido, a segmentação de imagens oriundas de diferentes sensores constitui um problema ainda a ser explorado. Este trabalho apresenta um conjunto de transformações de imagens que pode ser utilizado para esse fim, ou seja, para segmentação de imagens de impressões digitais provenientes de diferentes sensores sem que seja necessário, por exemplo, uma pré-classificação ou treinamento. De modo geral, estas transformações são baseadas em operadores morfológicos do tipo toggle que apresentam características interessantes de simplificação de imagens. Os resultados obtidos considerando imagens de diferentes bases de dados mostram que o método proposto supera abordagens bem conhecidas da literatura que representam o estado-da-arte === Abstract: Fingerprint identification has received considerable attention in the last few years, due to an increasing demand for human automatic identification in areas concerning, for example, forensic and business applications. An important step to be considered in such applications is the fingerprint image segmentation. In this context, the term refers to splitting the image into two regions, namely, foreground and background, in order to avoid the extraction of features used in automatic classification and recognition from noisy regions. Usually, the segmentation methods found in the literature do not consider images from different databases (or sensors) and, in a general way, dealing with heterogeneous databases constitutes an open problem not well explored in the literature. This work presents a new set of image transformations related to fingerprint segmentation of images acquired from different sensors without any requirement for pre-classification or training. As we will elsewhere, these transformations are based on morphological toggle operators which present interesting image simplification properties. We evaluate our approach on images of different databases, and show its improvements when compared against other well-known state-of-the-art segmentation methods discussed in literature === Mestrado === Processamento de Imagens === Mestre em Ciência da Computação