1.17. Assortiment des empreintes digitales
Il est très difficile pour assortir sûrement
deux empreintes digitales. La cause principale c'est la variabilité dans
différentes impressions du même doigt (c'est à dire,
grandes variations d'intra-classe).
Les facteurs principaux responsables des variations
d'intra-classe sont : déplacement, rotation, déformation
non-linéaire, variation des pressions, changement d'état de peau,
bruit, erreurs d'extraction des caractéristiques etc... Par
conséquent, les empreintes digitales du même doigt peuvent
être différentes tandis que les empreintes digitales de
différents doigts peuvent être ressemblantes. Pour résoudre
ce problème, il existe plusieurs types d'approches et ils sont
classifiés en 3 catégories principales :
· Assortiment basé sur corrélation
:
Cette approche est basée sur la corrélation des
pixels de deux empreintes digitales. Deux images d'empreintes digitales sont
superposées et la corrélation (au niveau d'intensité)
entre les pixels correspondants est calculée pour différents
alignements (par exemple déplacements et rotations). Cette approche est
assez facile à réaliser mais son résultat est sensible
à la variation comme la rotation, le déplacement, etc...
· Assortiment basé sur rides :
Dans cette approche, on utilise des caractéristiques
extraites des rides (orientation,
texture, forme de ride, etc...) pour
comparer d'empreintes digitales. L'avantage de
cette approche c'est que les caractéristiques de rides
peuvent être extraites plus sûrement.
? Assortiment basé sur minuties :
C'est l'approche la plus utilisée dans la
littérature, des minuties sont extraites à partir des deux
empreintes digitales et stockées sous forme d'un ensemble de points dans
le plan de deux dimensions. L'assortiment basé sur les minuties
essentiellement se compose de trouver l'alignement entre les minuties du motif
et les minuties d'entrée. Le résultat est le nombre maximum des
paires de minuties. Il existe 3 méthodes différentes pour
assortir des minuties
v' Assortiment des minuties basé sur la transformation
des Hough. v' Assortiment des minuties basé sur la minimisation
d'énergie.
v' Assortiment des minuties basé sur l'alignement.
1.18. Classification des empreintes digitales
L'identification automatique basée sur des empreintes
digitales exige l'empreinte digitale d'entrée à assortir avec un
grand nombre d'empreintes digitales stockées dans une base de
données (par exemple, la base de données de FBI contient plus de
200 millions d'empreintes digitales). Pour réduire le temps de recherche
et la complexité, il est souhaitable de classifier ces empreintes
digitales d'une façon précise et cohérente de façon
que l'empreinte digitale d'entrée soit assortie seulement avec un
sous-ensemble d'empreintes digitales dans la base de données.
Typiquement, les empreintes digitales sont classifiées en
six classes différentes : arch, tented arch, left loop, right loop,
whorl, et whorl (Twin loop).
Une empreinte digitale d'arch a les rides qui entrent d'un
côté, se lèvent à une petite bosse, et sortent le
côté opposé d'où elles sont entrées. Les
archs n'ont pas des boucles ou des deltas; une empreinte digitale de tented
arch est semblable à une empreinte digitale d'arch, sauf qu'au moins une
ride montre une courbure élevée et il y a une boucle et un
delta.
Une empreinte digitale de loop a une ou plusieurs rides qui
entrent d'un côté, courbent en arrière, et sortent du
même côté d'oü sont entrées. Une boucle et un
delta sont présents. Des loops peuvent être encore
subdivisées: les loops qui ont des rides qui entrent et sortent du
côté gauche s'appellent le left loop et les loops qui ont des
rides qui entrent et sortent du côté droit s'appellent le right
loop.
Une empreinte digitale de whorl contient au moins une ride
qui fait un chemin de 360° complet autour du centre de l'empreinte
digitale. Deux boucles et deux deltas peuvent être trouvés dans
d'empreintes digitales de whorl;
La figure 1.10 montre les exemples d'empreintes digitales de
chaque classe.
Figure 1.10 : Six classes
d'empreintes digitales
(Source :
http://homepages.inf.ed.ac.uk/rbf/HIPR2/hitmiss.htm)
| 
