ВЕЙВЛЕТ ПЕРЕТВОРЕННЯ ATEB-ГАБОР ФІЛЬТРАЦІЇ У БІОМЕТРИЧНИХ ЗОБРАЖЕННЯХ
DOI:
https://doi.org/10.28925/2663-4023.2020.7.115130Ключові слова:
вейвлет Ateb-Габор перетворення, вейвлет Габор перетворення, біометричні зображенняАнотація
Здійснено попередню обробку біометричних зображень і проведено фільтрацію двома способами: вейвлет-Габором та вейвлет Ateb-Габором. Фільтр Габора на основі Ateb-функцій є ефективним для проведення фільтрації, оскільки містить узагальнення тригонометричних функцій. Розроблено вейвлет-перетворення Ateb-Gabor функції. Показано, що функція залежить від семи параметрів, кожен з яких вносить суттєві зміни у результати фільтрації біометричних зображень. Проведено дослідження вейвлет Ateb-Габор функції. Побудовано графічні залежності вейвлет Габор фільтра та вейвлет Ateb-Габор фільтра. Введення вейвлет перетворень дає змогу зменшити складність обчислень Ateb-Gabor фільтра, спростивши обчислення функції та зменшивши час фільтрації. Проведено оцінку складності алгоритмів обчислення вейвлет Габор фільтра та вейвлет Ateb-Габор фільтра. Фільтрування Ateb-Габором дозволяє змінювати інтенсивність всього зображення, та забезпечити зміну певних діапазонів, і таким чином змінити певні ділянки зображення. Якраз цю властивість мають мати біометричні зображення, на яких мінуції бути контрасними і чіткими. Ateb-функції мають властивість зміни двох раціональних параметрів, а це, в свою чергу, дасть можливість гнучкіше керувати фільтрацією. Досліджено властивості Ateb-функції, а також можливості зміни амплітуди функції, частоти коливань на чисельні значення фільтра Ateb-Габора. Завдяки використанню параметрів Ateb-функції можна отримати значно більший діапазон форм і величин, що розширює кількість можливих варіантів фільтрації. Також можна реалізувати один раз фільтрацію, врахувавши напрям мінуцій і надійно визначити чіткість країв, а не проводити фільтрацію батократно. Результати достовірності протестовано на базі NIST Special Database 302, та показано добрі результати фільтрації. Це підтверджено експериментом порівняння між фільтрацією вейвлет-Габором та вейвлет Ateb-Габор функції на основі вимірювання співвідношення сигнал-шум PSNR.
Завантаження
Посилання
Valechha, L., Valecha, H., Ahuja, V., Chawla, T., & Sengupta, S. (2020). Orisyncrasy—An Ear Biometrics on the Fly Using Gabor Filter. In Advances in Data Sciences, Security and Applications, pp. 457-466. DOI: https://doi.org/10.1007/978-981-15-0372-6_37 .
Onifade, O. F., Akinde, P., & Isinkaye, F. O. (2020). Circular Gabor wavelet algorithm for fingerprint liveness detection. Journal of Advanced Computer Science & Technology, 9(1), p. 1-5. DOI: 10.14419/jacst.v9i1.29908.
Le, N. T., Wang, J. W., Le, D. H., Wang, C. C., & Nguyen, T. N. (2020). Fingerprint Enhancement Based on Tensor of Wavelet Subbands for Classification. IEEE Access, 8, pp. 6602-6615. DOI: 10.1109/ACCESS.2020.2964035.
Chanukya, P. S., & Thivakaran, T. K. (2020). Multimodal biometric cryptosystem for human authentication using fingerprint and ear. Multimedia Tools and Applications, 79(1-2), pp. 659-673. DOI:10.1007/s11042-019-08123-w.
Wagh, D. P., Fadewar, H. S., & Shinde, G. N. (2020). Biometric Finger Vein Recognition Methods for Authentication. In Computing in Engineering and Technology pp. 45-53. DOI: 10.1007/978-981-32-9515-5_5.
Lee, C. J., & Wang, S. D. (1999). Fingerprint feature extraction using Gabor filters. Electronics Letters, 35(4), pp. 288-290. DOI: 10.1049/el:19990213.
Yang, J., Liu, L., Jiang, T., & Fan, Y. (2003). A modified Gabor filter design method for fingerprint image enhancement. Pattern Recognition Letters, 24(12), pp. 1805-1817. DOI: 10.1016/S0167-8655(03)00005-9.
Wang, W., Li, J., Huang, F., & Feng, H. (2008). Design and implementation of Log-Gabor filter in fingerprint image enhancement. Pattern Recognition Letters, 29(3), pp. 301-308. DOI: 10.1016/S0167-8655(03)00005-9.
Areekul, V., Watchareeruetai, U., Suppasriwasuseth, K., & Tantaratana, S. (2005, September). Separable Gabor filter realization for fast fingerprint enhancement. In IEEE International Conference on Image Processing 2005, Vol. 3, pp. III-253. IEEE. DOI: 10.1109/ICIP.2005.1530376.
Usmonov, B., Evsutin, O., Iskhakov, A., Shelupanov, A., Iskhakova, A., & Meshcheryakov, R. (2017, November). The cybersecurity in development of IoT embedded technologies. In 2017 International Conference on Information Science and Communications Technologies (ICISCT) IEEE, pp. 1-4. DOI: 10.1109/ICISCT.2017.8188589.
Hryshchuk, R., & Molodetska, K. (2016, May). Synergetic control of social networking services actors’ interactions. In International Conference on Systems, Control and Information Technologies 2016, pp. 34-42. DOI: https://doi.org/10.1007/978-3-319-48923-0_5.
Bogachuk, I., Sokolov, V., & Buriachok, V. (2018, October). Monitoring subsystem for wireless systems based on miniature spectrum analyzers. In 2018 International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T) pp. 581-585. DOI: 10.1109/INFOCOMMST.2018.8632151
Korchenko, O., Vasiliu, Y., & Gnatyuk, S. (2010). Modern quantum technologies of information security against cyber‐terrorist attacks. Aviation, 14(2), pp. 58-69. DOI: https://doi.org/10.3846/aviation.2010.10.
V. Dudykevych, O. Bakay and Y. Lakh, "Investigation of Payment Cards systems information security control," 2013 IEEE 7th International Conference on Intelligent Data Acquisition and Advanced Computing Systems (IDAACS), Berlin, 2013, pp. 651-654. DOI: 10.1109/IDAACS.2013.6663005
Cunado, D., Nixon, M. S., & Carter, J. N. (1997, March). Using gait as a biometric, via phase-weighted magnitude spectra. In International Conference on Audio-and Video-Based Biometric Person Authentication pp. 93-102. DOI: https://doi.org/10.1007/BFb0015984
Valechha L., Valecha H., Ahuja V., Chawla T., Sengupta S. (2020) Orisyncrasy—An Ear Biometrics on the Fly Using Gabor Filter. In: Jain V., Chaudhary G., Taplamacioglu M., Agarwal M. (eds) Advances in Data Sciences, Security and Applications. Lecture Notes in Electrical Engineering, vol 612. Springer, Singapore. DOI: 10.1007/978-981-15-0372-6_37
Ramos A.L.A., Dadiz B.G., Santos A.B.G. (2020) Classifying Emotion based on Facial Expression Analysis using Gabor Filter: A Basis for Adaptive Effective Teaching Strategy. In: Alfred R., Lim Y., Haviluddin H., On C. (eds) Computational Science and Technology. Lecture Notes in Electrical Engineering, vol 603. Springer, Singapore. DOI: https://doi.org/10.1007/978-981-15-0058-9_45.
Nazarkevych, M., Lotoshynska, N., Klyujnyk, I., Voznyi, Y., Forostyna, S., & Maslanych, I. (2019, July). Complexity Evaluation of the Ateb-Gabor Filtration Algorithm in Biometric Security Systems. In 2019 IEEE 2nd Ukraine Conference on Electrical and Computer Engineering (UKRCON), pp. 961-964. DOI: 10.1109/UKRCON.2019.8879945.
Fogel, I., Sagi, D. Gabor filters as texture discriminator. Biol. Cybern. 61, pp. 103–113 (1989). DOI:https://doi.org/10.1007/BF00204594
Diab, M. O., Seif, A., Sabbah, M., El-Abed, M., & Aloulou, N. (2020). A Review on ECG-Based Biometric Authentication Systems. In Hidden Biometrics, pp. 17-44. Springer, Singapore. DOI: 10.1007/978-981-13-0956-4_2.
Nazarkevych, M., Kynash, Y., Oliarnyk, R., Klyujnyk, I., & Nazarkevych, H. (2017, May). Application perfected wave tracing algorithm. In 2017 IEEE First Ukraine Conference on Electrical and Computer Engineering (UKRCON), pp. 1011-1014. IEEE. DOI: 10.1109/UKRCON.2017.8100403 .
Nazarkevych, M., Riznyk, O., Samotyy, V., Dzelendzyak, U. “Detection of regularities in the parameters of the Ateb-Gabor method for biometric image filtration Eastern-European Journal of Enterprise Technologies” Eastern-european journal of enterprise technologies. Information technology. Industry control systems. – 2019. – № 2 (97), pp. 57-65. DOI: https://doi.org/10.15587/1729-4061.2019.154862.
Fang, W., Quan, S. H., Xie, C. J., Tang, X. F., Wang, L. L., & Huang, L. (2016). Maximum power point tracking with dichotomy and gradient method for automobile exhaust thermoelectric generators. Journal of Electronic Materials, 45(3), pp. 1613-1624. DOI: https://doi.org/10.1007/s11664-015-4130-9.
Lyons, M., Akamatsu, S., Kamachi, M., & Gyoba, J. (1998, April). Coding facial expressions with gabor wavelets. In Proceedings Third IEEE international conference on automatic face and gesture recognition, pp. 200-205. IEEE. DOI: 10.1109/AFGR.1998.670949.
Lee, T. S. (1996). Image representation using 2D Gabor wavelets. IEEE Transactions on pattern analysis and machine intelligence, 18(10), pp. 959-971. DOI: 10.1109/34.541406.
Soares, J. V., Leandro, J. J., Cesar, R. M., Jelinek, H. F., & Cree, M. J. (2006). Retinal vessel segmentation using the 2-D Gabor wavelet and supervised classification. IEEE Transactions on medical Imaging, 25(9), pp.1214-1222. DOI: 10.1109/TMI.2006.879967.
Nazarkevych, M., Klyujnyk, I., Maslanych, I., Havrysh, B., & Nazarkevych, H. (2018, April). Image filtration using the Ateb-Gabor filter in the biometric security systems. In 2018 XIV-th International Conference on Perspective Technologies and Methods in MEMS Design (MEMSTECH), pp. 276-279. IEEE. DOI: 10.1109/MEMSTECH.2018.8365749.
Nazarkevych, M., Voznyi, Y., & Troyan, O. (2019). GENERATION OF GABOR FILTERS BASED ON ATEB FUNCTIONS. Cybersecurity: Education, Science, Technology, 4 (4), pp. 72-84.DOI: https://doi.org/10.28925/2663-4023.2019.4.7284 (in Ukrainian)
