Specifiche tecniche per gli scanner di impronte

Transcript

Sommario
SOMMARIO
1
INDICE DELLE FIGURE
3
INDICE DELLE TABELLE
4
1 DEFINIZIONE DELLE SPECIFICHE PER LA QUALITÀ DELLE IMMAGINI DEGLI SCANNER DI
IMPRONTE DIGITALI TRAMITE LA QUALITÀ OPERATIVA
5
1.1
1.2
1.3
1.4
1.5
1.6
2
PREFAZIONE
INTRODUZIONE
IQS PER SCANNER A SINGOLO DITO
IMPATTO DELL’IQS SULL’ACCURATEZZA DI RICONOSCIMENTO
CONCLUSIONI
BIBLIOGRAFIA DEL CAPITOLO
STIMA DEL FUOCO DI SCANNER DI IMPRONTE TRAMITE TOP SHARPENING INDEX
5
5
6
8
10
11
12
2.1 PREFAZIONE
2.2 INTRODUZIONE
2.3 MISURE MTF E CTF
2.4 IQM
2.5 TSI (TOP SHARPENING INDEX)
2.5.1 CALCOLO DEL TSI
2.6 RISULTATI SPERIMENTALI
2.6.1 COMPARAZIONE TRA MTF, IQM E TSI: TARGET SINUSOIDALE
2.6.2 COMPARAZIONE TRA TSI E IQM: IMMAGINI DI IMPRONTE DIGITALI
2.7 CONCLUSIONI
2.8 BIBLIOGRAFIA DEL CAPITOLO
12
12
13
14
15
16
18
19
20
21
22
3
STIMA DEL POTERE DI FUOCO DEGLI SCANNER PER IMPRONTE DIGITALI
23
3.1 PREFAZIONE
3.2 INTRODUZIONE
3.3 RISULTATI SPERIMENTALI
3.3.1 INDIPENDENZA DALLA FREQUENZA CRESTA/VALLE E DAL RANGE DEI TONI DI GRIGIO
3.3.2 RELAZIONE CON LA MESSA A FUOCO
3.3.3 CONCLUSIONI
3.4 BIBLIOGRAFIA DEL CAPITOLO
23
23
24
24
25
26
26
1/30
A. APPENDICE RELATIVA ALLE SPECIFICHE TECNICHE, MODALITÀ DI TEST PER SCANNER
IMPRONTE DIGITALI PER LA CIE E CLASSIFICAZIONE SCANNER PER IMPRONTE DIGITALI 27
A.1
A.2
A.3
A.4
A.5
A.6
A.7
PREFAZIONE
AREA DI ACQUISIZIONE
RISOLUZIONE E ACCURATEZZA SULLA RISOLUZIONE
LIVELLI DI GRIGIO E RANGE DINAMICO
SPECIFICHE DI INTERFACCIA
NOTE GENERALI SUI TEST
CLASSI DI SCANNER
2/30
27
27
27
28
28
29
29
Indice delle Figure
Figura 1 - Un grafico per ogni specifica. Ogni grafico mostra graficamente le statistiche
descrittive di un set di dati: la parte superiore ed inferiore della linea verticale denotano
rispettivamente le osservazioni maggiori e minori; il rettangolo contiene il 50% delle
osservazioni (dal primo al terzo quartile) e mette in evidenza il valore mediano (secondo
quartile); infine il valore medio di tutte le osservazioni è marcato con un cerchio nero.
10
Figura 2 - Esempio di una onda sinusoidale per il calcolo del parametro MTF.
13
Figura 3 - Immagine di una impronta e risultato della convoluzione Ic.
16
Figura 4 - Immagine di una impronta digitale(a), e la relative immagine segmentata, dove sono
mostrate le sotto-aree (ampie 32x32 pixel) utilizzate per il calcolo del TSI (b).
17
Figura 5 - Target a barre con differenti frequenze cresta/valle e differente range di livelli di grigio
(prima e seconda riga) e relativa rappresentazione della sezione orizzontale (terza riga) 18
Figura 6 - Grafico di una sezione reale di impronta (a) e grafici ottenuti da: defocusing manuale
del dispositivo (b), applicazione del filtro Pillbox (c) e del filtro Butterworth (d).
18
Figura 7 - Prima riga: target sinusoidale (a), degradazione del fuoco usando un filtro Pillbox (b)
and usando un filtro Butterworth (c). Seconda riga: grafici relative alla sezione orizzontale
19
Figura 8 - Valori di MTF (a,d), IQM (b,e) e TSI (c,f) come funzioni del grado di offuscamento
(blurring) introdotto dalla applicazione del filtro Pillbox (prima riga) e Butterworth (seconda
riga) ai target sinusoidali.
20
Figura 9 - Una sequenza di immagini della stessa impronta progressivamente poste sempre più
fuori fuoco e i relativi grafici della sezione.
20
Figura 10 - Valori di TSI e IQM ottenuti dalle immagini in Figura 9 La correlazione tra le due serie
è pari a 0,99.
21
Figura 11 - Valori medi di TSI e IQM sulle immagini di impronte digitali come funzione del livello
di blurring introdotto dall’applicazione di un filtro di Pillbox (a) e di Butterworth (b).
21
Figura 12 - Target a barre con differenti frequenze cresta/valle e differente range di livelli di
grigio (prima e seconda riga) e relativa rappresentazione della sezione orizzontale (terza
riga). Il valore di TSI per tutti i target è di 0.18971.
24
Figura 13 - Immagini di impronte digitali con differenti caratteristiche: frequenza alta (a) e bassa
(b), range di livelli di grigio stretto (c) e largo (d). Per ogni immagine il valore del TSI viene
riportato.
25
Figura 14 - Nella prima riga è mostrata la sequenza delle immagini progressivamente fuori fuoco
della stessa impronta. Nella seconda riga viene riportata la rappresentazione della sezione
cresta/valle e il valore del TSI.
26
3/30
Indice delle Tabelle
Tabella 1 - Una comparazione con i requisiti PIV, PassDEÜV e CNIPA-A/B/C per ogni principale
parametro di qualità
7
Tabella 2 – Specifiche minime
8
Tabella 3 – Per ognuno dei parametri di qualità è utilizzata una etichetta tra {“L: Low”, “M:
Medium”, “H: High”}, che caratterizza il livello di “ristrettezza” dei requisiti nelle specifiche.
“H” è usato quando il vincolo è “stringente” come in FBI IAFIS-IQS [3]; “M” ed “L” sono usati
quando la specifica è moderatamente o significativamente rilassato, in relazione al
corrispondete parametro FBI IAFIS-IQS.
10
Tabella 4 – Caratteristiche per ogni classe di scanner secondo gli IQS CNIPA-A/B/C.
29
4/30
1
Definizione delle Specifiche per la Qualità delle Immagini degli Scanner
di Impronte Digitali tramite la Qualità Operativa
1.1 Prefazione
Questo capitolo analizza alcune specifiche sulla qualità delle immagini relative agli scanner per
l’acquisizione di impronte digitali tarate per differenti tipologie di applicazioni.
Il capitolo sviluppa una comparazione tra le specifiche in relazione ai potenziali effetti sulla
accuratezza del riconoscimento di impronte, usando un approccio basato sulla definizione di
“qualità operativa”. I risultati sperimentali mostrano che le specifiche sulle immagini proposte
in questo capitolo hanno un rapporto accuratezza/costo migliore delle specifiche esistenti.
1.2 Introduzione
Il riconoscimento delle impronte digitali è una delle tecnologie biometriche maggiormente
realizzabili ed efficaci ed è stato adottato come principale metodo di verifica dell’identità in un
vasto numero di applicazioni su larga scala. Alcune nazioni già immagazzinano i dati delle
impronte digitali su documenti di identità elettronici e molti altri stanno pianificando di seguire
tale esempio nel prossimo futuro. Esempi di recenti progetti governativi su larga scala basati sul
riconoscimento delle impronte digitali includono: i programmi US-VISIT [12] e PIV [10] negli
Stati Uniti, il Passaporto Biometrico in Europa [2], la carta multi servizi del governo Malese [7]
e il passaporto biometrico di Singapore [11] in Asia.
Nelle applicazioni biometriche su larga scala, la scelta dei dispositive di acquisizione è uno degli
aspetti più critici, dato che si devono considerare un elevato numero di fattori, tra loro a volte
conflittuali, quali l’elevata qualità delle immagini, i requisiti di interoperabilità e il budget a
disposizione.
Tipicamente, nei progetti su larga scala viene fornito un insieme di specifiche dedicate ai
dispositivi di acquisizione, al fine di garantire un livello minimo di qualità per alcuni parametri
di rilievo. Nelle Specifiche di Qualità delle Immagini (IQS - Image Quality Specifications)
fornito dal FBI per gli scanner di impronte digitali [3] [4], la “qualità” è definita come “fedeltà”
nel riprodurre il pattern di impronte digitali originale, e viene quantificato attraverso parametri
tradizionalmente usati per sistemi di visualizzazione, acquisizione e stampa quali:
•
accuratezza geometrica,
•
variazione dinamica dei livelli di grigio,
•
Rapporto Segnale-Rumore (SNR),
•
Risposta nelle Frequenze Spaziali (SFR).
Questa definizione di qualità è chiaramente appropriata per gli IAFIS e altre applicazioni dove le
immagini possono essere esaminate da esperti forensi. Infatti le tecniche di comparazione degli
impiegate esperti danno grande rilievo a dettagli molto fini, quali per esempio i pori della pelle,
per i quali la fedeltà al segnale originale è fondamentale.
D’altra parte, la situazione è differente nei sistemi biometrici completamente automatici, dove si
hanno:
•
le immagini sono immagazzinate, ma usate solo per i confronti automatici o,
5/30
•
sono immagazzinati solo i template delle impronte.
In questi casi potrebbe essere più appropriato definire la qualità degli scanner come l’abilità di
uno scanner di acquisire le immagini che massimizzano l’accuratezza degli algoritmi di
riconoscimento automatico cioè la qualità operativa. Un primo vantaggio della qualità
operativa è che essa permette di stimare la perdita di performance di uno scanner che rispetta un
dato IQS riferito ad uno “scanner ideale”. In [1], l’impatto dell’accuratezza di riconoscimento di
ogni parametro è stata valutata separatamente, al fine di comprendere quali siano i requisiti più
critici. Questo lavoro valuta l’effetto simultaneo di tutti i requisiti che si riferiscono a due IQS
rilasciate di recente per gli scanner a singolo dito (PIV e PassDEÜV) e propone tre nuovi insiemi
di IQS (CNIPA-A, CNIPA-B e CNIPA-C) tarati su differenti applicazioni dove è richiesto uno
scanner a singolo dito.
1.3 IQS per scanner a singolo dito
Questa sezione presenta alcuni IQS per scanner a singolo dito che possono essere utilizzati in
differenti applicazioni.
•
PIV: stabilito dal US Federal Bureau of Investigation (FBI) per il programma di verifica
dell’identità del personale US, il quale mira a migliorare l’identificazione e l’autenticazione per
l’accesso ai servizi dell’agenzia federale americana e ai suoi sistemi informativi [4] [9];
•
PassDEÜV: stabilito dall’ufficio federale Tedesco per la Sicurezza della Tecnologia
Informatica (BSI) per l’acquisizione e l’assicurazione di qualità delle impronte digitali da parte
delle autorità responsabili del passaporto e per la trasmissione dei dati relativi all’applicazione
presente sul passaporto ai produttori del passaporto stesso [13]; i requisiti PassDEÜV sono
identici a quelli dell’ AFIS del FBI (si veda [3]), eccetto per l’area di acquisizione, che può
essere più piccola a seconda delle differenti applicazioni;
•
CNIPA-A/B/C: questi tre nuovi set di specifiche sono qui proposte per la prima volta.
Queste sono attualmente sotto valutazione da parte del CNIPA per l’inclusione nelle linee guida
per le pubbliche amministrazioni italiane coinvolte in progetti biometrici. In particolare:
o
CNIPA-A è relativo a:

acquisizione in applicazioni su larga scala dove l’interoperabilità dei sensori è cruciale
(es. passaporti, carta di identità elettronica);

verifica dell’identità in applicazioni su larga scala dove l’acquisizione è stata effettuata
con scanner che rispettano i requisiti CNIPA-A oppure con IAFIS IQS (es. verifica dei
passaporti o visti);
o
CNIPA-B è relativo a :

acquisizione e verifica in progetti su media scala (es. intra-organizzaizone);

applicazioni di verifica di identità su larga scala dove l’acquisizione è stata realizzata con
scanner CNIPA-A (es. verifica della carta di identità elettronica);
o
CNIPA-C è relativa all’acquisizione e alla verifica in applicazioni su piccola scala, dove
tipicamente gli utenti sono autenticati sul medesimo scanner (es. sicurezza logica e fisica in
piccole organizzazioni).
I cinque IQS sono principalmente basati sui seguenti parametri di qualità:
• Area di Acquisizione: area di cattura di uno scanner (larghezza x altezza).
• Risoluzione Nativa: la risoluzione interna reale di uno scanner (RN) in pixel per pollice (ppi).
• Risoluzione di uscita: la risoluzione finale delle immagini estratte dallo scanner espressa in
ppi.
6/30
• Quantizzazione dei livelli di grigio: numero di livelli di grigio nell’immagine finale
dell’impronta.
• Accuratezza Geometrica: fedeltà geometrica di uno scanner, misurata come valore assoluto
della differenza D, tra l’attuale distanza X tra due punti di un target e la distanza Y tra questi due
punti come misurati sull’immagine scandita; PIV e PassDEÜV valutano questi parametri in due
differenti modalità: Across-bar (DAC) e Along-bar (DAL), si vedano [8] [9] per maggiori
dettagli, mentre CNIPA richiede di misurare la Differenza Relativa ( DRel = D ).
X
• Linearità ingresso/uscita: il grado di linearità è misurata come la deviazione massima DLin di
un livello di grigio di uscita da una regressione lineare ai minimi quadrati fittata tra i livelli di
grigio del segnale di ingresso e quello di uscita scandendo un target appropriato (si veda [8] [9]).
• Risposta Spaziale in frequenza: PIV e PassDEÜV valutano il SFR usando la deviazione della
MTF (Modulazione della Funzione di Trasferimento) misurata ad ogni frequenza nominale di
test, usando un onda sinusoidale a tono continuo come target; le specifiche CNIPA valutano
questo fattore dividendo l’area di acquisizione in regioni di 0.25”×0.25” e misurando, per
ognuna l’indice TSI (Top Sharpening Index), si vedano per maggiori dettagli [5] [6];
• Uniformità dei livelli di grigio: definite come differenza tra i livelli di grigio trovata tra
l’immagine ottenuta scandendo un target uniforme di grigi scuri (o chiari). Questo parametro è
valutato dividendo l’area di acquisizione in regioni 0.25”×0.25” e misurando la differenza tra: i)
dark
light
il valore medio di grigio di righe/colonne adiacenti (DRC , DRC ) , ii) il valore medio di grigio di
dark
light
ogni regione e il valore di grigio dei loro singoli pixel (DPP , DPP ) ; iii) il valore medio di grigio
di ogni due regioni (DSA , DSA ) .
• Rapporto Segnale Rumore: il segnale è definito come differenza tra l’uscita media in livelli
di grigio ottenuta acquisendo un campione di grigio chiaro uniforme e uno di grigio scuro
uniforme, misurando i valori medi sulle aree indipendenti da 0.25”×0.25”; il rumore è definito
come la deviaizone standard dei livelli di grigio in quelle aree.
• Range di grigio dell’impronta digitale: dato un insieme di immagini di impronte digitali
scandite, la variazione dinamica (DR - dynamic range) di ogni immagine è definita come il
numero totale dei livelli di grigio che sono rappresentati nell’immagine stessa.
La Tabella 1 riporta, per ognuno dei parametri precedenti, i requisiti che lo scanner deve avere al
fine di risultare conforme con gli IQS precedentemente definiti.
dark
light
Tabella 1 - Una comparazione con i requisiti PIV, PassDEÜV e CNIPA-A/B/C per ogni
principale parametro di qualità
Requisiti
Parametro
Area di Acquisizione
Risoluzione nativa
Risoluzione di uscita
Quantizzazione dei
livelli di grigio
PIV IQS [4] [9]
l ≥ 12.8mm
h ≥ 16.5mm
RN ± 2%
PassDEÜV IQS [13]
l ≥ 16.0mm
h ≥ 20.0mm
RN ≥ 500ppi
RN ± 1%
CNIPA
IQS A
l ≥ 25.4mm
h ≥ 25.4mm
IQS B
l ≥ 15.0mm
h ≥ 20.0mm
IQS C
l ≥ 12.8mm
h ≥ 16.5mm
RN ± 1%
RN ± 1.5%
RN ± 2%
256 gray-levels (8 bpp)
Accuratezza
Geometrica
Nel 99% dei test:
DAC ≤max{0.0013”,0.018·X}
DAL ≤ 0.027”
Nel 99% dei test:
DAC ≤max{0.0007”,0.01·X}
DAL ≤ 0.016”
In tutti i test: In tutti i test: In tutti i test:
DRel≤1.5%
DRel≤2.0%
DRel≤2.5%
Linearità
ingresso/uscita
Nessun Requisito
DLin≤ 7.65
Nessun Requisito
7/30
Requisiti
Parametro
PIV IQS [4] [9]
PassDEÜV IQS [13]
CNIPA
IQS A
Per ogni
regione:
TSI≥0.20
IQS B
Per ogni
regione:
TSI≥0.15
IQS C
Per ogni
regione:
TSI≥0.12
MTFmin(f) ≤ MTF(f) ≤ 1.05
MTFmin(f) ≤ MTF(f) ≤ 1.12
si vedano I valori di MTFmin(f)
si veda [1] per PIV MTFmin(f)
in [1]
Nel 99% dei casi:
Nel 99% dei casi:
light
light
dark
dark
D RC
D RC
≤ 1.5; DRC ≤ 3
≤ 1 ; DRC ≤ 2
For 99% of the pixels:
For 99.9% of the pixels:
Uniformità dei livelli
Nessun Requisito
dark
light
dark
light
D PP
D PP
di grigio
≤ 8; DPP ≤ 22
≤ 8; DPP ≤ 22
For every two small areas:
For every two small areas:
light
light
dark
dark
D SA
D SA
≤ 3; D SA ≤ 12
≤ 3; D SA ≤ 12
1
SNR
SNR ≥ 70.6
SNR ≥ 125
SNR≥70.6
SNR≥49.4
SNR ≥30.9
Variazione Dinamica
Per il 10%
Per il 10%
Per il 10%
delle Impronte
Per 80% delle immagini:
DR ≥ 200 for 80% images;
delle
delle
delle
DR ≥ 150
DR ≥ 128 for 99% images
Digitali
immagini:
immagini:
immagini:
DR ≥ 150
DR ≥ 140
DR ≥ 130
Risposta nelle
Frequenze Spaziali
1.4 Impatto dell’IQS sull’accuratezza di riconoscimento
Al fine di valutare gli impatti sulla accuratezza di riconoscimento di impronte digitali dell’IQS è
stato portato avanti un esperimento sistematico. Seguendo la metodologia di test descritta in [1]
e usando il medesimo database di test, si è simulato uno scanner di acquisizione ipotetico che
rispondesse alle specifiche di IQS. A questo scopo, le trasformazioni descritte in [1] sono state
sequenzialmente applicate alle immagini originali in accordo con lo scenario di caso peggiore
(worst-case) ipotizzato in Tabella 2.
Questa tabella riporta per ogni fattore di qualità, le caratteristiche dello scanner ipotizzato per
enrollment e verifica.
Infatti, in una tipica applicazione a larga scala, spesso lo scanner utilizzato per la fase di
enrollment è generalmente differente da quello utilizzato per la fase di verifica. Si noti che con
“differente” non si intende necessariamente un differente modello/venditore, infatti due scanner
dello stesso modello possono produrre immagini di output differenti dovute principalmente a
differenti tarature di assemblaggio.
Per esempio se un certo scanner rispetta il vincolo della risoluzione di uscita a 500ppi±1%, un
dispositivo può lavorare a 505ppi, mentre un altro identico a 495ppi
Tabella 2 – Specifiche minime
Parametri
Area di
acquisizione
Risoluzione di
output
Accuratezza
geometrica
Risposta nelle
frequenze
spaziali
Rapporto
Segnale Rumore
1
Enrollment scanner
Verification scanner
La minima permessa
La minima permessa
La minima permessa
(ResOR-RRes%)
La massima permessa
(ResOR+RRes%)
Ignorabile
La massima ammessa
La minima permessa
La minima permessa
La minima permessa
La minima permessa
Attualmente nei IQS PIV e CNIPA questi requisiti sono dati ponendo il valore massimo della deviazione standard del rumore
a 3.5. Per renderlo comparabile con lo IQS del PassDEÜV qui si fornisce questo valore come una SNR sotto l’ipotesi di un
range di 24 livelli di grigio (si veda [3]): SNR = 247/3.5 = 70.6.
8/30
Range dei livelli
di grigio
dell’impronta
digitale
La minima permessa
La minima permessa
Il risultato di questa analisi è una stima della perdita di accuratezza che gli scanner possono
avere pur rispettando ogni specifica, in riferimento alle performance che potrebbero essere
ottenute con uno scanner “ideale” (cioè dispositivi con perturbazioni trascurabili).
La perdita di accuratezza è quantificata con la differenza relativa di EER tra due casi, espressi
come valori percentuali (si veda [1]); per esempio, se la differenza relative di EER è pari al
100%, ciò significa che lo EER ottenuto da uno scanner simulato è il doppio di quello ottenuto
tramite uno scanner reale. Tutti gli esperimenti sono stati portati avanti usando dieci algoritmi di
riconoscimento allo stato dell’arte. In Figura 1 è riportato il grafico per ogni specifica: ogni
grafico mostra la statistica descrittiva circa le differenze di EER relative dei dieci algoritmi.
Al fine di comprendere meglio i risultati riassunti in Figura 1 è utile comparare i cinque IQS
come mostrato in Tabella 3, dove viene evidenziata la “ristrettezza” dei vari parametri di qualità
rispetto agli IQS della FBI IAFIS [3]. La specifica più “tollerante” è la CNIPA-C, che è quella
con i requisiti meno stringenti per ogni parametro e, come è ragionevole attendersi, questa
specifica può causare la maggior perdita di performance (182% di media).
Meno tolleranti, ma ancora non abbastanza stringenti sono il PIV e la CNIPA-B (entrambe con
requisiti con tre “L” e tre “M”); tuttavia la perdita di performance che può essere causata da loro
è fortemente differente: sul valore medio di 156% e 44% rispettivamente. Ciò significa che
l’impatto dei vari fattori di qualità non è uniforme: i primi tre parametri in Tabella 3 sono
maggiormente critici rispetto agli ultimi tre.
Le due specifiche con le caratteristiche più stringenti (PassDEÜV e CNIPA-A) causano le
minori perdite di performance (su valori medi del 20% e 18% rispettivamente); la Tabella 3
mostra che il CNIPA-A ha i requisiti più stringenti per l’area di acquisizione, mentre PassDEÜV
ha i più stringenti per la risposta in frequenza spaziale, rapporto segnale rumore e dinamica dei
livelli di grigio delle impronte digitali. L’IQS CNIPA-A produce la minore perdita di
performance, principalmente per la più larga area di acquisizione richiesta, che è il parametro più
critico, come provato in [1].
500%
450%
Mean
PIV
156%
PassDEÜV CNIPA-A CNIPA-B CNIPA-C
20%
18%
44%
182%
400%
350%
300%
250%
200%
150%
100%
50%
0%
-50%
PIV
PassDEÜV
CNIPA-A
9/30
CNIPA-B
CNIPA-C
Figura 1 - Un grafico per ogni specifica. Ogni grafico mostra graficamente le statistiche
descrittive di un set di dati: la parte superiore ed inferiore della linea verticale denotano
rispettivamente le osservazioni maggiori e minori; il rettangolo contiene il 50% delle
osservazioni (dal primo al terzo quartile) e mette in evidenza il valore mediano (secondo
quartile); infine il valore medio di tutte le osservazioni è marcato con un cerchio nero.
Tabella 3 – Per ognuno dei parametri di qualità è utilizzata una etichetta tra {“L: Low”, “M:
Medium”, “H: High”}, che caratterizza il livello di “ristrettezza” dei requisiti nelle specifiche.
“H” è usato quando il vincolo è “stringente” come in FBI IAFIS-IQS [3]; “M” ed “L” sono usati
quando la specifica è moderatamente o significativamente rilassato, in relazione al corrispondete
parametro FBI IAFIS-IQS.
Parametro
Area di acquisizione
Accuratezza della risoluzione di uscita
2
Accuratezza geometrica
3
Risposta nelle frequenze spaziali
Rapporto segnale rumore
Dinamica dei livelli di grigio delle
impronte digitali
PIV IQS
L
L
L
Livello di “ristrettezza” dei requisiti
PassDEÜV
CNIPA-A
CNIPA-B
M
H
M
H
H
M
H
H
M
CNIPA-C
L
L
L
M
M
H
H
M
M
L
L
L
L
M
H
M
L
L
1.5 Conclusioni
Questo capitolo ha analizza due IQS di recente rilascio per scanner a singolo dito (PIV e
PassDEÜV) e ha proposto tre nuovi IQS (CNIPA-A/B/C) indirizzati per applicazioni differenti.
Una comparazione dei potenziali effetti sulla accuratezza di riconoscimento delle varie
specifiche è stata effettuata usando l’approccio basato sulla qualità operativa introdotto in [1].
I tre nuovi IQS sono stati progettati in accordo ai risultati di [1], tentando di definire IQS con un
accordo ottimale tra costo e accuratezza.
Sebbene i risultati di questa analisi dipendono parzialmente dallo scanner usato per ottenere la
base di dati di test (si veda [1]), noi crediamo che risultati similari possono essere ottenuti
partendo da immagini acquisite con altri scanner. In accordo con i risultati sperimentali,
possiamo concludere che le tre specifiche proposte sono ben adattate per le applicazioni per cui
sono state pensate. In particolare:
•
La specifica CNIPA-A è in grado di garantire le migliori performance tra i cinque IQS
analizzati, grazie all’area di acquisizione superiore, la quale prova che è il parametro più
importante;
•
La specifica CNIPA-B è in grado di garantire una accuratezza chiaramente superiore a
quella del PIV e non troppo lontano da quella del PassDEÜV; d’altra parte, il costo dei
dispositivi che rispettano le specifiche CNIPA-B possono essere definitivamente inferiori a
quelli che rispettano la specifica PassDEÜV, grazie alla minor richiesta di requisiti sui cinque
parametri;
2
3
I set di requisiti CNIPA-A/B/C IQS hanno una differenza significativa nella misura dell’accuratezza geometrica; tuttavia può
essere mostrato che PIV IQS è comparabile con CNIPA-C e PassDEÜV con CNIPA-A (si veda [1]).
Sebbene CNIPA-A/B/C IQS in riferimento alla risposta nelle frequenze spaziali siano basati su differenti metodi di
misurazione ( si vedano [5] [6]), in accordo ai nostri test interni i requisiti PIV-IQS sono molto simili a quelli CNIPA-A.
10/30
•
La specifica CNIPA-C può garantire una accuratezza similare a quella della specifica
PIV ma, anche in questo caso, il costo di un dispositivo che rispetti la specifica CNIPA-C sarà
definitivamente inferiore la costo di uno che rispetta le specifiche PIV.
1.6 Bibliografia del capitolo
[1] R. Cappelli, M. Ferrara and D. Maltoni, "On the Operational Quality of Fingerprint
Scanners", to appear on IEEE Transactions on Information Forensics and Security.
[2] Council of EU, “Council Regulation (EC) No 2252/2004 of 13 December 2004 on standards
for security features and biometrics in passports and travel documents issued by Member
States”, in: Official Journal of the EU of Dec. 29, 2004, Vol. L 385, pp. 1-6.
[3] Department of Justice, F.B.I., “Electronic Fingerprint Transmission Specification”, CJISRS-0010 (V7), January 1999.
[4] FBI, CJIS Division, “Image Quality Specifications for Single Finger Capture Devices”,
version 071006, 10 July 2006; download at: http://www.fbi.gov/hq/cjisd/iafis/piv/pivspec.pdf,
January 2007.
[5] M. Ferrara, A. Franco and D. Maltoni, "Estimating Image Focusing in Fingerprint
Scanners", in proceedings Workshop on Automatic Identification Advances Technologies
(AutoID07), Alghero, Italy, pp.30-34, June 2007.
[6] M. Ferrara, A. Franco and D. Maltoni, "Fingerprint scanner focusing estimation by Top
Sharpening Index", in proceedings 14th International Conference on Image Analysis and
Processing (ICIAP07), Modena, Italy, pp.223-228, September 2007.
[7] GMPC Project web site, http://www.jpn.gov.my/kppk1/Index2.htm, February 2008.
[8] N.B. Nill, “Test Procedures for Verifying IAFIS Image Quality Requirements for
Fingerprint Scanners and Printers”, MITRE Technical Report MTR 05B0000016, April 2005.
[9] N.B. Nill, “Test Procedures for Verifying Image Quality Requirements for Personal Identity
Verification (PIV) Single Finger Capture Devices”, MITRE Technical Report MTR 060170,
December 2006.
[10] PIV Program web site, http://csrc.nist.gov/piv-program, February 2008.
[11] Singapore Biometric Passport web site, http://app.ica.gov.sg, February 2008.
[12] US-VISIT Program web site, http://www.dhs.gov/us-visit, February 2008.
[13] BSI, “Technical Guideline for production data acquisition, quality testing and transmission
for passports - Annex 2 – (Version 2.1) Quality requirements for the acquisition and
transmission of fingerprint image data as biometric feature for electronic identification
documents”, available online at http://www.bsi.de/english/publications/techguidelines/tr03104,
February 2008.
11/30
2
Stima del fuoco di scanner di impronte tramite Top Sharpening Index
2.1 Prefazione
Il Top Sharpening Index (TSI) è una misura proposta per semplificare la valutazione della
capacità di focalizzazione degli scanner di impronte digitali. Il TSI è basato sulla misura di
quanto siano ripide le transizioni tra creste e valli nell’immagine di una impronta. In paragrafo
verrà esposta una approfondita analisi del TSI e sviluppata la relazione con due ben noti
indicatori di qualità MTF(Modulation Transfert Function) e IQM (Image Quality Measure), al
fine di mettere in luce analogie e differenze.
2.2 Introduzione
Differentemente dalla valutazione degli scanner per impronte digitali da usare in applicazioni
AFIS per scopi civili e forensi, per le quali sono state fornite chiare specifiche 3.4, la valutazione
della qualità dei dispositive di acquisizione per applicazioni non-AFIS è ancora un problema
aperto.
Infatti la procedura fornita in Appendice F e G di [8] sono complesse da realizzare, richiedono
un utilizzo di target costosi e alcuni indicatori di qualità risultano essere eccessivamente
stringenti per scanner progettati per ambienti non-AFIS. A dispetto della parziale
semplificazione introdotta recentemente dal NIST e FBI nel contesto del programma PIV [3],
dove alcune delle restrizioni dei 3.4 sono state rilassate, la procedura di testing raccomandata è
rimasta inalterata e richiede ancora requisiti stringenti di setup.
Una valutazione completa degli scanner di impronte richiede l’analisi di svariati fattori quali la
deviazione rispetto alla risoluzione nominale, l’accuratezza geometrica, il rapporto segnale
rumore, ecc. In particolare una delle più importanti caratteristiche è l’abilità dei un dispositivo è
quella di mettere a fuoco in maniera chiara l’impronta digitale.
In accordo con le specifiche FBI/NIST [8][10] la messa a fuoco di una immagine può essere
ricavata indirettamente attraverso gli MTF o CTF, ma le limitazioni precedentemente descritte
rendono questo approccio non applicabile alle applicazioni non-AFIS.
Un altro indicatore conosciuto, il IQM (Image Quality Measure) [11], può essere utilizzato in
sostituzione dell’MTF, data la stretta correlazione tra i due. IMQ è una misura oggettiva della
qualità dell’immagine, che si è dimostrato essere strettamente correlata con le capacità di qualità
visiva, ma è stato sviluppato per essere utilizzato con immagini digitali generiche e quindi tiene
in conto una moltitudine di fattori, alcuni dei quali non sono direttamente applicabili all’analisi
delle immagini di impronte digitali.
Per ovviare a questi problemi è stato presentato un nuovo indice, definito Top Sharpening Index
(TSI) [4], con lo scopo di definire una tecnica semplice per valutare la messa a fuoco delle
12/30
immagini di impronte digitali.
L’indice proposto è stato pensato per permettere la valutazione della qualità senza richiedere
target specifici.
Il TSI è derivato dalla misura della pendenza delle transizioni cresta/valle, nelle immagini di
impronte digitali acquisite da uno scanner di impronte. Dato che la misura della messa a fuoco
deve essere correlata esclusivamente al dispositivo di acquisizione, il TSI è stato studiato al fine
di essere indipendente dalle caratteristiche delle singole impronte acquisite (frequenza
cresta/valle e range di toni di grigio). Gli indici MTF e CTF non sono invece indipendenti da tali
caratteristiche, essendo degli indicatori di carattere più generale.
Lo scopo di questo lavoro è quello di dare una valutazione completa al TSI e di esplicitare la sua
relazione con MTF e IQM.
2.3 Misure MTF e CTF
La Modulation Transfer Function (MTF) denota l’abilità del sistema di acquisizione di catturare
le informazioni contenute in un oggetto come funzione delle frequenze spaziali, determinando la
coerenza e la risoluzione, ed è adottata per la valutazione di sistemi di acquisizione di immagini
complessi (es. [3] [7]).
L’MTF è il modulo della Funzione di trasferimento Ottica (OTF – Optic Transfer Function)
della distribuzione di luce sull’immagine. L’OTF è una funzione complessa ottenuta dalla
Trasformazione secondo Fourier di un oggetto puntiforme. L’MTF presenta una mappa di
contrasto dell’immagine a varie frequenze ed un modo diretto per misurarlo consiste
nell’utilizzare un oggetto con una frequenza spaziale nota (cioè un target specifico). La
valutazione dello MTF per le impronte digitali, in accordo con le raccomandazioni FBI/NIST,
richiede l’uso di un target ad onda sinusoidale a tono continuo. Un target tipico, contenente onde
sinusoidali a frequenze crescenti è mostrato in Figura 2. L’MTF per una data frequenza è
definito come:
MTF =
modulazione dell'immagine di picco
modulazione del target
La modulazione del target è un valore fornito dal produttore del target, mentre la modulazione
dell’immagine di picco è calcolata come:
modulazione immagine di picco =
massimo − minimo
massimo +minimo
dove i valori di minimo e massimo corrispondono rispettivamente ai livelli di grigio del picco e
delle valli adiacenti per ogni periodo dell’onda sinusoidale.
Figura 2 - Esempio di una onda sinusoidale per il calcolo del parametro MTF.
13/30
Se lo scanner non ha una adeguata risposta tonale da questo tipo di target, ne può essere
utilizzato uno bi-.tonale al fine di valutare la risposta alle frequenze spaziali, denominato anche
Funzione di Trasferimento del Contrasto (Contrast Transfer Function - CTF). In questo caso la
modulazione è determinata nell’immagine spaziale, normalizzata dalla modulazione
dell’immagine a frequenza zero4.
CTF =
modulazione dell'immagine di picco
modulazione di immagini a frequenza zero
2.4 IQM
Image Quality Measure (IQM) è stato proposto in [11], basato sul potere spettrale delle
immagini digitali di scene arbitrarie. Questa misura, a differenza del MTF, non richiede target
specifici.
Il parametro IMQ è ottenuto dalla normalizzazione dell’immagine dello spettro di potenza,
basandosi sull’assunto che la forma dell’equazione della potenza spettrale di un sistema di
acquisizione di immagini è invariante da scena a scena[11].
Questa invarianza è una assunzione necessaria per la tecnica quando è disponibile solo
l’immagine di output per la misurazione. L’analisi del potere spettrale permette di identificare la
degradazione dell’immagine.
Data una immagine 2D di dimensione M×M pixel, dove il livello di grigio di un pixel è dato
dalla coppia di coordinate h(x,y), con coordinate spaziali x ed y aventi un range da 0 a M-1, lo
spettro di potenza dell’immagine è definito come H ( u, v ) , dove H ( u , v ) è la Trasformata di
2
Fourier discreta dell’immagine:
H ( u, v ) = ∑∑ e
v ⎞
⎛
⎜ −2⋅π ⋅i ⋅ y ⋅ ⎟
M⎠
⎝
⋅e
u ⎞
⎛
⎜ −2⋅π ⋅i ⋅ x⋅ ⎟
M⎠
⎝
⋅ h ( x, y )
M
M
,...,
2
2
L’IMQ è derivato dall’analisi dell’immagine dello spettro di potenza ed incorpora diversi fattori.
con u, v = −
Può essere derivato come segue:
IQM =
1 π 0.5
S (θ1 ) ⋅ W ( ρ ) ⋅ A 2 (T ⋅ ρ ) ⋅ P ( ρ ,θ )
2 ∑ ∑
M θ =−π ρ =0.01
dove ρ , θ sono le coordinate polari della frequenza spaziale, M2 è la dimensione dell’immagine
in pixel. Il termine P ( ρ ,θ ) rappresenta lo spettro di potenza normalizzato, ed è utilizzato al
posto dello spettro di potenza, al fine di tenere in conto le dimensioni dell’immagine e le
possibili variazioni di brillantezza da immagine ad immagine:
4
In questo contesto “frequenza zero” si riferisce ad ogni pattern a barra singolo o multiplo in cui la frequenza spaziale non
maggiore del 3% della frequenza di uscita di Nyquist dello scanner.
14/30
P ( u,v ) =
H ( u,v )
2
μ 2 ⋅ M2
dove µ2 è il quadrato del valore medio di tono di grigio dell’immagine. S (θ1 ) è il fattore di peso
relativo alla scala a cui l’immagine è stata acquisita (fattore di scala direzionale). Il fattore
W ( ρ ) è ottenuto applicando una versione modificata del filtro di Wiener al fine di determinare
la presenza di rumore nello spettro di potenza dell’immagine. In fine A 2 (T ⋅ ρ ) introduce nella
IQM un modello del sistema di visione umano, al fine di ottenere misure altamente correlate con
quelle ottenute per il sistema visivo.
2.5 TSI (Top Sharpening Index)
Il Top Sharpening Index è stato proposto in [4] e si basa sulla considerazione che se una
impronta digitale è ben focalizzata, allora la transizione tra cresta e valle è ben definita e
dettagliata. Quindi la messa a fuoco può essere valutata misurando la risposta dell’immagine ad
un filtro di dettaglio. Dato che la misura della messa a fuoco deve dipendere solo dalle
caratteristiche del dispositivo, il TSI è stato disegnato per essere invariante rispetto ai seguenti
valori:
•
range di livello di grigio dell’immagine: l’obiettivo è stimare la pendenza della
transizione cresta/valle, non la sua ampiezza;
•
frequenza del ciclo cresta/valle5: la frequenza può variare da dito a dito ed anche tra zona
e zona dello stesso dito [2].
Sia I una immagine di dimensioni u×v pixel, completamente ricoperta da un pattern di impronte
digitali. L’indice proposto è calcolato seguendo i passaggi descritti:
Normalizzazione dei livelli di Grigio: questo passo è necessario per rendere il TSI
1.
indipendente dal range dei livelli di grigio presente nell’immagine. L’immagine normalizzata In
è ottenuta applicando una funzione di espansione del contrasto al livello di grigio gi per ogni
pixel dell’immagine I:
f ( gi ) = 255 ⋅
gi − min( I )
max( I ) − min( I )
dove min(I) e max(I) rappresentano rispettivamente il valore minimo e Massimo di livello di
grigio dell’immagine, ottenuto scartando l’1% dei valori più alti e più bassi (al fine di prevenire
l’interferenza eccessiva di valori fuori statistica)
2.
5
Convoluzione dell’immagine con un filtro di dettaglio. L’immagine normalizzata In
La frequenza è la misura del numero di cicli cresta/valle per millimetro.
15/30
viene convoluta con un filtro di dettaglio F al fine di ottenere una nuova immagine I c = I n ∗ F :
-1 -1 -1
1 -1 8 -1
F= ⋅
9 -1 -1 -1
Dove “ ∗ ” denota l’operatore di convoluzione e l’operatore ⋅ sostituisce ogni elemento
dell’immagine convolute con il suo valore assoluto. Prendere il valore assoluto della
convoluzione è un passaggio essenziale dato che sia alte (positivi) che basse (negativi) risposte
denotano un elevata pendenza. Dall’esempio mostrato in Figura 3 è evidente che i pixel di Ic
assumono valori più alti in corrispondenza dei bordi di I.
Figura 3 - Immagine di una impronta e risultato della convoluzione Ic.
2.5.1 Calcolo del TSI
Il TSI è calcolato sommando i valori dei pixel con intensità maggiore: questa è la motivazione
del nome proposto (Top Shapening).
Considerare solo la percentuale dei pixel a valore più alto di risposta di dettaglio permette di
ottenere l’invarianza rispetto alla frequenza del ciclo cresta/valle: infatti, supposto che
nell’immagine vi sia un elevato numero di confini, aumentare i confini non aumenta il valore del
TSI. D’altra parte il valore della percentuale di pixel con elevata risposta di dettaglio da
considerare deve essere accordato in relazione alla risoluzione dello scanner. L’invarianza è stata
sperimentalmente valutata fissando le percentuali come segue: 10% per 500 dpi di risoluzione e
5% a 1000 dpi. Per risoluzioni differenti la percentuale p può essere dedotta tramite
interpolazione lineare. Il valore risultante viene quindi normalizzato tra [0;1] dividendo il valore
ottenuto con il valore teorico massimo di dettaglio:
8
f = ⋅ 255 ⋅ p ⋅ u ⋅ v
9
La procedura sopra descritta è basata sull’assunzione che l’immagine I sia completamente
coperta da un pattern di impronta digitale. Al fine di calcolare il TSI globale per una immagine
generica è necessario suddividere l’immagine in aree di dimensione fissa e non sovrapposte ed è
quindi necessaria una segmentazione dell’area dell’impronta (cioè separazione delle
informazioni di sfondo da quelle dell’immagine vera e propria). La suddivisione è utile per due
ragioni:
16/30
•
rende il TSI indipendente dalle dimensioni dell’immagine;
•
permette di stimare il valore del TSI anche localmente (es. la messa a fuoco negli scanner
di impronte ottici è usualmente migliore al centro, che vicino ai bordi).
Il valore del TSI globale è ottenuto come media dei valori dei TSI su ogni sotto-immagine.
La segmentazione è richiesta dato che lo sfondo non contiene informazioni utili e fare la media
sull’intera immagine porterebbe a valori inferiori di TSI. Sono stati proposti vari algoritmi di
segmentazione di impronte digitali [9]. In questo lavoro è stato utilizzato un semplice metodo
basato sulla varianza dei valori di grigio. In Figura 4 viene riportato un esempio di un’area
segmentata di una immagine di impronta digitale.
(a)
(b)
Figura 4 - Immagine di una impronta digitale(a), e la relative immagine segmentata, dove sono
mostrate le sotto-aree (ampie 32x32 pixel) utilizzate per il calcolo del TSI (b).
L’indipendenza dalla frequenza cresta/valle e dal range di toni di grigio è stata verificata
sperimentalmente, come mostrato in Figura 5, dove vengono mostrate. un set di immagini target
a barra, con differenti frequenze e range di toni di grigio.
Nell’ultima riga viene riportata l’immagine del profilo orizzontale del target, per mostrare che
questi target generati al computer riproducono la stessa pendenza delle transizioni cresta/valle.
Colonne differenti si riferiscono a frequenze differenti. (da sinistra a destra si passa da 1 a 4),
scelte per coprire le differenti frequenze presente nelle impronte digitali umane)[9]. Tutti target a
barre ottengono il medesimo valore di TSI (0.18971), il che dimostra l’invarianza rispetto alla
frequenza e al range di toni di grigio.
17/30
grigio (prima e seconda riga) e relativa rappresentazione della sezione orizzontale (terza riga)
2.6 Risultati sperimentali
Sono stati condotti due set di esperimenti: il primo allo scopo di valutare le similarità e le
differenze tra MTF, IQM e TSI; il secondo allo scopo di mostrare che il TSI, analogamente
all’IQM è in grado di misurare efficacemente la messa a fuoco delle immagini di impronte
digitali. Per entrambi la dimensione delle sotto-finestre o sotto-aree è stata fissata a 32x32 pixel.
Per questo tipo di esperimenti sono state usate quattro tipologie di immagini:
•
Immagini sinusoidali generate artificialmente con frequenza variabile (da 1 a 10).
•
Immagini di impronte digitali di dimensione 400x560 pixel, a 569 dpi, acquisite con un
sensore ottico di alta qualità.
•
Immagini di impronte digitali fuori fuoco ottenute attraverso un defocusing fisico di uno
scanner ottico (cioè attraverso lo spostamento delle lenti lontano dalla posizione ideale).
•
Immagini generate artificialmente in cui viene simulato un defocusing progressivo del
sensore, applicando due differenti filtri di smussamento (Pillbox e Butterworth) all’immagine
originalmente acquisita dell’impronta digitale. In Figura 6 sono comparati gli effetti del
defocusing simulato con quelli di quello fisico. Il grafico conferma l’alta similarità dei risultati.
(a)
(b)
(c)
(d)
Figura 6 - Grafico di una sezione reale di impronta (a) e grafici ottenuti da: defocusing manuale
del dispositivo (b), applicazione del filtro Pillbox (c) e del filtro Butterworth (d).
18/30
2.6.1 Comparazione tra MTF, IQM e TSI: target sinusoidale
Un primo set di esperimenti sono stati condotti al fine di investigare le analogie e le differenze
tra MTF, IQM e TSI ed in particolare per mostrare la stretta correlazione tra IQM e MTF (questo
risultato sarà analizzato nel dettaglio nella prossima sezione). Dato che MTF può essere
facilmente misurato solo tramite l’utilizzo di target sinusoidali, per tale test si è utilizzato un set
di immagini sinusoidali a varie frequenze (da 1 a 10, tipicamente adottate nella valutazione di
scanner a 500 dpi [8]), progressivamente poste fuori fuoco tramite l’applicazione dei filtri
precedentemente descritti. In Figura 7 è riportato un esempio di un target originale e della sua
versione posta fuori fuoco.
(a)
(b)
(c)
Figura 7 - Prima riga: target sinusoidale (a), degradazione del fuoco usando un filtro Pillbox (b)
and usando un filtro Butterworth (c). Seconda riga: grafici relative alla sezione orizzontale
In Figura 8 vengono forniti i valori di MTF, IQM e TSI come funzione del grado di
offuscamento (blurring) introdotto dall’applicazione di differenti filtri alle varie frequenze del
target (F1-F10). Il grafico mostra che MTF e IQM sono altamente correlati (correlazione media
pari a circa 0,97) e mostrano lo stesso andamento.
F1
F2
F3
F4
F5
F6
F7
0.4
1.0
IQM
0.9
0.8
0.6
0.5
0.3
1
0.2
0.1
MTF
0.0
2
3
4
5
6
(b)
0.0
1
2
3
4
5
0.4
1.0
0.8
6
IQM
0.9
0.6
0.5
2
3
4
5
6
TSI
0.9
0.6
0.5
0.2
0.4
0.3
0.3
0.1
0.2
(d)
1
0.7
0.4
0.0
(c)
1.0
0.8
0.3
0.7
0.1
TSI
0.9
0.4
0.1
0.2
(a)
1.0
0.6
0.5
0.2
0.3
0.0
F10
0.7
0.4
0.1
F9
0.8
0.3
0.7
F8
0.1
MTF
1
0.2
0.0
2
3
4
5
6
(e)
0.0
1
2
3
19/30
4
5
6
(f)
1
2
3
4
5
6
Figura 8 - Valori di MTF (a,d), IQM (b,e) e TSI (c,f) come funzioni del grado di offuscamento
(blurring) introdotto dalla applicazione del filtro Pillbox (prima riga) e Butterworth (seconda
riga) ai target sinusoidali.
Come per il TSI, il valore misurato alle frequenze più basse è circa costante, mentre il trend
relativo alle frequenze più alte è decrescente.
Ciò è dovuto all’invarianza dei parametri che caratterizzano il TSI. In particolare, per questa
tipologia di target, le modifiche introdotte dall’uso dei filtri alle frequenze più basse è
principalmente una riduzione del range dinamico dei livelli di grigio (Figura 7), il quale viene
compensato dallo step di pre-normalizzazione del calcolo del TSI.
Nei target a più alte frequenze l’applicazione dei filtri introduce deterioramenti effettivi nelle
immagini, i queli determinano valori inferiori di TSI. A differenza dei test sui target a basse
frequenze, il valore di TSI è differente al variare della frequenza a causa della specifica natura
del target sinusoidale (l’inclinazione della transizione non è costante, ma dipende dalla
frequenza).
2.6.2 Comparazione tra TSI e IQM: immagini di impronte digitali
Il secondo set di esperimenti, realizzato su immagini di impronte digitali, ha l’obiettivo di
comparare il TSI e l’IQM in relazione alla capacità di valutare la messa a fuoco di una
immagine. Dato che il parametro MTF può essere facilmente calcolato solo per immagini
sinusoidali, non sarà preso in considerazione in questa trattazione.
I valori di TSI sono stati calcolati per un insieme di immagini della stessa impronta, acquisita
utilizzando un sensore ottico, con il fuoco delle lenti manualmente degradato (muovendo
gradualmente le lenti lontano dalla posizione ideale). In Figura 9 viene riportata una sequenza di
immagini progressivamente maggiormente fuori fuoco. In aggiunta è mostrato il relativo grafico
della sezione cresta/valle, per provare che l’offuscamento (blurring) produce una riduzione
dell’inclinazione della transizione cresta/valle.
Figura 9 - Una sequenza di immagini della stessa impronta progressivamente poste sempre più
fuori fuoco e i relativi grafici della sezione.
Infine in Figura 10 vengono riportati i valori di TSI e IQM per ogni immagine. I risultati
sperimentali provano la stretta relazione tra l’indice proposto, la misura di IQM e la messa a
fuoco del dispositivo.
20/30
0.20
TSI
IQM
0.15
0.10
0.05
0.00
1
2
3
4
5
TSI
0.18
0.15
0.13
0.10
0.09
IQM
0.15
0.10
0.09
0.06
0.04
Figura 10 - Valori di TSI e IQM ottenuti dalle immagini in Figura 9 La correlazione tra le due
serie è pari a 0,99.
Infine è stato effettuato un esperimento esteso su un largo database di immagini di impronte
digitali.
Il database è composto da 6400 immagini provenienti da 800 individui differenti. Ogni
immagine è stata gradualmente posta fuori fuoco attraverso l’applicazione dei due filtri
precedentemente descritti. I risultati sono riportati in Figura 11, dove I valori di TSI e IQM,
mediate sulle 6400 immagini, sono graficati in funzione del livello di offuscamento introdotto. I
In Figura 11 a è stato usato il filtro Pillbox, mentre la Figura 11b si riferisce all’applicazione del
filtro Butterworth. Entrambi i grafici confermano la relazione tra IQM e TSI (correlazione
media di circa 0,96) e l’abilità dell’indice proposto nel misurare efficacemente la messa a fuoco
di una immagine.
0,2
TSI
0,2
TSI
IQM
IQM
0,1
0,1
0,0
(a)
0,0
1
2
3
4
5
6
7
8
9 10 11
(b)
1
2
3
4
5
6
7
8
9
10 11
Figura 11 - Valori medi di TSI e IQM sulle immagini di impronte digitali come funzione del
livello di blurring introdotto dall’applicazione di un filtro di Pillbox (a) e di Butterworth (b).
2.7 Conclusioni
Questo capitolo ha analizzato il Top Sharpening Index come indice di qualità, per la valutazione
della messa a fuoco degli scanner di impronte digitali.
Il TSI è stato comparato con i ben noti indicatori MTF e IQM. I risultati sperimentali mostrano
che il TSI ha comportamenti similari a MTF e IQM nella caratterizzazione del livello di messa a
fuoco delle immagini, ma è molto più semplice da calcolare e, cosa più importante, è invariante
rispetto alle caratteristiche dell’immagine (cioè frequenza cresta/valle e range dinamico dei
livelli di grigio), che non condizionano il valore finale dell’indice. Perciò esso costituisce una
21/30
soluzione estremamente efficace per la misura della messa a fuoco dei dispositivi di acquisizione
delle impronte digitali.
[1] D. Maltoni, D. Maio, A.K. Jain and S. Prabhakar, Handbook of Fingerprint Recognition,
Springer (New York), 2003.
[2] Department of Justice F.B.I., “Electronic Fingerprint Transmission Specification”, CJIS-RS0010 (V7), 1999.
[3] M. E. Bravo-Zanoguera, J. Rivera-Castillo, M. Vera-Pérez, M. A. Reyna Carranza, “Use of
the Modulation Transfer Function to Measure Quality of Digital Cameras”, in proc. IEEE Int.
Conf. on Electronics, Communications and Computers, 2006.
[4] M. Ferrara, A. Franco, D. Maltoni, “Estimating image focusing in fingerprint scanners”, to
appear in proc. IEEE Workshop On Automatic Identification Advanced Technologies, 2007.
[5] N.B. Nill, B.H. Bouzas, “Objective Image Quality Measure Derived from Digital Image
Power Spectra”, Optical Engineering, vol. 31, no. 4, pp. 813-825, 1992.
[6] National Institute of Standards and Technology, “Personal Identity Verification (PIV) of
Federal Employees and Contractors”, FIPS PUB 201, 2005.
[7] W. E. Williams, C. Toner, “Image Quality Assessment Using the Modulation Transfer
Function”, in proc. Astronomical Data Analysis Software and Systems V, vol. 101, pp. 219-222,
1996.
[9] Maltoni D. Maltoni, D. Maio, A.K. Jain and S. Prabhakar, Handbook of Fingerprint
Recognition, Springer (New York), 2003.
[11] Nill N.B. Nill, B.H. Bouzas, “Objective Image Quality Measure Derived from Digital
Image Power Spectra”, Optical Engineering, vol. 31, no. 4, pp. 813-825, 1992.
[12] Zhang X. Zhang, N. Fukuda, Y. Obuchi, T. Kambe, N. Kubo, H. Kawamura, I.
Suzuki, “A signal processing system on chip for digital cameras”, IEEE Annual Conference on
Industrial Electronics Society, vol. 2, pp. 1243 – 1248, 2000.
22/30
3
Stima del potere di fuoco degli scanner per impronte digitali
3.1 Prefazione
In questo capitolo vengono indicate e motivate le tecniche e riportati i risultati sperimentali
effettuati per la valutazione degli scanner di impronte per applicazioni non-AFIS. Una delle
caratteristiche che devono essere prese in considerazione per la valutazione di uno scanner per
impronte è la capacità di fornite immagini bene a fuoco. È una pratica comune stimare
indirettamente questa caratteristica attraverso la misura della Modulation Transfer Function
(MTF). Sfortunatamente ciò richiede un setup molto complesso e un target specifico molto
costoso.
In questo capitolo viene analizzato l’impiego dell’indice TSI per la valutazione della messa a
fuoco delle immagini delle impronte. Questo metodo è basato sulla misura dell’inclinazione
delle transizioni creste/valli delle immagini delle impronte. I risultati sperimentali confermano lo
stretto legame tra il TSI e la capacità degli scanner di mettere bene a fuoco l’immagine di una
impronta.
3.2 Introduzione
Per il testing e la certificazione di scanner di impronte che seguono le direttive FBI per
applicazioni AFIS, esistono precise specifiche riportate in appendice F e G di 3.4.
Sfortunatamente la procedura di test è molto complessa e richiede target specifici e molto
costosi. Recentemente, all’interno del programma PIV, NIST e FBI hanno rilasciato un set di
specifiche [3], dove alcune costrizioni sono meno severe, ma condurre i test risulta comunque
molto complicato e richiede setup specifici. La necessità di semplici e pratiche tecniche per
valutare la qualità degli scanner di impronte digitali è il motivo principale di questo capitolo.
Molti fattori devono venire considerati per una valutazione esaustiva, quali la deviazione dalla
risoluzione nominale, l’accuratezza geometrica, il rapporto segnale-rumore, ecc. Questo lavoro
si focalizza su uno di questi fattori, cioè l’abilità degli scanner di mettete a fuoco chiaramente le
impronte digitali.
Una immagine di una impronta può essere fuori fuoco per due motivi:
•
la risoluzione interna del dispositivo non è sufficiente a trasferire i dettagli fini del pattern
( si veda teorema del campionamento di Nyquist);
•
alcuni componenti del dispositivo (es. lenti) producono una certa quantità di fuori-fuoco
a causa di motivi tecnologici.
In accordo alle specifiche FBI/NIST 3.4 [3] la messa a fuoco delle immagini può essere stimata
indirettamente attraverso la MTF o CTF (come descritto nel capitolo 2), ma ciò richiede target di
calibrazione e complesse procedure di testing (es. è a volte necessario aprire il dispositivo o
rimuovere alcune parti per acquisire correttamente il target).
Un’alternativa all’utilizzo del MTF/CTF è l’uso della Misura della Qualità dell’Immagine
(Image Quality Measure - IQM) [4]. L’IQM è una buona misura della qualità ed è dimostrato
che è altamente correlato con il MTF. D’altra parte l’IMQ è stato pensato per la valutazione di
23/30
generiche immagini digitali e perciò tiene conto di molteplici fattori, alcun dei quali non
direttamente applicabili all’analisi delle immagini di impronte digitali (es. il fattore di scala
direzionale).
In questo capitolo vengono riportati i risultati sperimentali ottenuti impiegando il TSI per
valutare la messa a fuoco
3.3 Risultati Sperimentali
Sono stati condotti due set di esperimenti: il primo che ha lo scopo di valutare l’invarianza del
TSI in relazione alla frequenza cresta/valle e al range dei toni di grigio; il secondo che ha lo
scopo di verificare la relazione tra il TSI e la capacità di messa a fuoco effettiva del dispositivo.
Per entrambi la dimensione delle sotto-finestre o sotto-aree è stata fissata a 32x32 pixel.
3.3.1 Indipendenza dalla frequenza cresta/valle e dal range dei toni di grigio
Per questo tipo di esperimenti sono state usate due tipologie di immagini:
•
Immagini target a barre, di varia frequenza e range di livelli di grigio. Questi target
generati al computer mostrano un valore fisso di pendenza per la transizione tra due zone
contigue (si veda Figura 12)
•
Immagini di impronte digitali di dimensione 400x560 pixel, a 569 dpi, acquisite con un
sensore ottico di alta qualità (si veda Figura 13).
grigio (prima e seconda riga) e relativa rappresentazione della sezione orizzontale (terza riga). Il
valore di TSI per tutti i target è di 0.18971.
In Figura 12 è mostrato un sottoinsieme di immagini a barre di target e di range di livelli di
grigio. La rappresentazione della sezione orizzontale relativa è riportata nell’ultima riga.
Colonne differenti si riferiscono a differenti frequenze cresta/valle (da sinistra a destra la
frequenza varia da 1 a 4). I valori scelti coprono le differenti frequenze che compaiono nelle
impronte digitali umane [2].
Tutti i target a barre ottengono il medesimo valore di TSI, il che dimostra l’invarianza alla
frequenza cresta/valle e ai range dei toni di grigio. Questa proprietà è confermata dagli
esperimenti portati avanti sulle immagini di impronte digitali. Le impronte in Figura 13,
caratterizzate da differenti frequenze e range di valori di grigio ottengono valori di TSI molto
24/30
simili.
0,17813
0,17852
(a)
0,17884
(b)
0,17887
(c)
(d)
Figura 13 - Immagini di impronte digitali con differenti caratteristiche: frequenza alta (a) e
bassa (b), range di livelli di grigio stretto (c) e largo (d). Per ogni immagine il valore del TSI
viene riportato.
3.3.2 Relazione con la messa a fuoco
Al fine di verificare la relazione tra il TSI e la capacità di uno scanner di mettere a fuoco
chiaramente una immagine di una impronta, è stato portato avanti il seguente esperimento: il
valore del TSI è stato calcolato per un insieme di immagini della stessa impronta ottenute da
uno scanner ottico, mentre il fuoco della lente veniva degradato manualmente (spostando la
lente sempre più lontano dalla posizione ideale). In Figura 14 viene riportata una sequenza di
immagini progressivamente sempre più fuori fuoco. In aggiunta viene riportata una sezione delle
transizione cresta/valle, per dimostrare che lo sfocamento porta ad una diminuzione della
pendenza della transizione cresta/valle. In fine viene fornito il valore del TSI per ogni immagine.
I risultati sperimentali provano la stretta relazione tra l’indice proposto e la messa a fuco del
dispositivo di acquisizione.
25/30
0,18136
0,15084
0,12264
0,10024
0,08379
Figura 14 - Nella prima riga è mostrata la sequenza delle immagini progressivamente fuori
fuoco della stessa impronta. Nella seconda riga viene riportata la rappresentazione della sezione
cresta/valle e il valore del TSI.
3.3.3 Conclusioni
In questo capitolo viene verificata la bontà dell’utilizzo dell’indice di qualità TSI per valutare la
messa a fuoco dei dispositivi di acquisizione di impronte digitali. Gli esperimenti preliminari
confermano l’efficacia dell’indice e la sua invarianza rispetto alla frequenza cresta/valle e al
range dinamico dei toni di grigio.
Come lavoro futuro si porterà avanti una sperimentazione approfondita ed estesa al fine di
definire accuratamente le linee guida all’utilizzo del TSI nella valutazione dei dispositivi di
acquisizione di impronte digitali non-AFIS.
[2] Maltoni D. Maltoni, D. Maio, A.K. Jain and S. Prabhakar, Handbook of Fingerprint
Recognition, Springer (New York), 2003.
[4] Nill N.B. Nill, B.H. Bouzas, “Objective Image Quality Measure Derived from Digital Image
Power Spectra”, Optical Engineering, vol. 31, no. 4, pp. 813-825, 1992.
[5] Zhang X. Zhang, N. Fukuda, Y. Obuchi, T. Kambe, N. Kubo, H. Kawamura, I.
Suzuki, “A signal processing system on chip for digital cameras”, IEEE Annual Conference on
Industrial Electronics Society, vol. 2, pp. 1243 – 1248, 2000.
26/30
A.
Appendice relativa alle Specifiche Tecniche, Modalità di Test per
Scanner Impronte Digitali per la CIE e classificazione Scanner per impronte
digitali
A.1 Prefazione
In questa appendice si riportano dettagliatamente le specifiche, di cui si è parlato diffusamente
nei precedenti capitoli, definite rispetto ad una applicazione ad oggi in fase di realizzazione: la
carta di identità Elettronica (CIE).
A.2 Area di Acquisizione
Definizione: per area di acquisizione si intende l’area effettivamente acquisibile dallo scanner e
visibile nell’immagine, e non la dimensione fisica della finestra di acquisizione. L’area di
acquisizione di uno scanner di impronte è definita da un rettangolo.
Specifica richiesta: almeno 1”×1” (25,4 mm × 25,4 mm)
Modalità di misura: è utilizzato un target geometrico calibrato contenente un quadrato di lato
25,4 mm. Il target è portato a contatto con la superficie di acquisizione e spostato su di essa fino
a centrarlo nella finestra di acquisizione. La prova risulta superata se è possibile visualizzare
l’intero target (spigoli inclusi) nell’immagine acquisita dallo scanner. È ammessa una tolleranza
massima pari all’1% (infatti qualora lo scanner operasse a una risoluzione anche di poco
superiore a quella nominale indicata, risulterebbe impossibile visualizzare l’intero target, vedi
A.3).
A.3 Risoluzione e accuratezza sulla risoluzione
Definizione: la risoluzione dello scanner è espressa come numero di pixel per pollice: DPI (Dots
Per Inch); per accuratezza sulla risoluzione si intende lo scostamento massimo percentuale
rispetto al valore di risoluzione specificato. Per risoluzione di output si intende la risoluzione
dell’immagine prodotta in output dallo scanner. Per risoluzione nativa si intende la risoluzione
con cui il segnale immagine viene campionato dal sensore interno allo scanner prima di ulteriori
eventuali elaborazioni.
Specifica richiesta: risoluzione di output 500 DPI, risoluzione nativa ≥ 500 DPI in ogni regione
dell’immagine, accuratezza sulla risoluzione = ±1% .
Modalità di misura: per la misurazione della risoluzione di output è utilizzato un target
geometrico calibrato con un quadrato di lato 22 mm (in modo che sia possibile acquisirlo
agevolmente all’interno dell’area di acquisizione). A una risoluzione di 500 DPI, 22 millimetri
corrispondono a 433,07 pixel (500×22/25,4). Sull’immagine acquisita vengono misurate (con
una tecnica software di super-risoluzione) le lunghezze L in pixel dei 4 lati del quadrato. Per
ciascun lato si deriva la risoluzione a cui sta operando lo scanner R = 500 × L / 433,07. La prova
è superata se, per ciascuno dei quatto lati, 495 DPI ≤ R ≤ 505 DPI.
Nel caso in cui la risoluzione nativa dello scanner fosse (anche limitatamente a una sottoregione)
inferiore a 500 DPI, al fine di produrre una risoluzione di output di 500 DPI sarebbe necessario
utilizzare una tecnica di sovra-campionamento con la conseguenza di produrre immagini con un
livello di dettaglio inferiore (es. sfocatura, aliasing). Potrà essere richiesto al produttore di
dimostrare tecnicamente che il campionamento del segnale avviene a risoluzione di almeno 500
DPI in ciascuna regione dell’immagine.
A.4 Livelli di Grigio e range dinamico
Definizione: Il numero massimo di livelli di grigio che ciascun pixel di un’immagine può
assumere è limitato dal numero di bit con cui ogni pixel è codificato. Ad esempio se si utilizzano
8 bit per la codifica il numero massimo di livelli di grigio è 256. Il range dinamico di
un’immagine è invece definito da quanti grigi diversi sono effettivamente utilizzati per
codificare una data immagine, indipendentemente dal numero massimo consentito dalla codifica.
Specifica richiesta: formato codifica 8 bit (256 livelli di grigio); range dinamico minimo = 150
livelli per ogni sottoarea quadrata dell’immagine di lato 6.4 mm.
Modalità di misura: Per superare il test è necessario dimostrare che, in condizioni di normale
operatività di acquisizione di impronte digitali, in ogni sottoarea quadrata di lato 6.4mm, il range
dinamico è superiore o uguale a 150. Un livello di grigio è considerato valido se in una sottoarea
vi sono almeno 10 pixel con tale tonalità. Sono effettuate più prove in cui il dito utilizzato (che
durante il test può anche cambiare) viene spostato sulla superficie di acquisizione in modo da
coprire le diverse sotto-aree. Il test si considera superato se, per ciascuna sotto-area, è possibile
ottenere, in almeno una delle prove, un range dinamico di almeno 150 livelli.
A.5 Specifiche di Interfaccia
Interfaccia fisica: Il dispositivo deve possedere interfaccia fisica USB.
Interfaccia software: Il dispositivo deve esporre una semplice interfaccia software
implementata con meccanismo DLL per Windows, attraverso la quale risulti possibile pilotare il
dispositivo da un’applicazione sviluppata da terze parti. In particolare deve essere possibile:
•
Visualizzare in modalità live (preview) l’immagine dello scanner in modo che l’operatore
possa rendersi conto della disposizione del dito dell’utente prima di confermare manualmente
l’acquisizione di un’immagine.
•
Acquisire alla risoluzione nominale un’immagine di impronta digitale. Deve essere
previsto un meccanismo di passaggio dell’immagine in formato raw (500×500 pixel, gray-scale,
8 bit per pixel) direttamente in memoria, senza necessità di salvataggio temporaneo su file.
28/30
•
Gestire la configurazione dei parametri del dispositivo e i test diagnostici
L’interfaccia software deve essere chiaramente documentata (in italiano).
A.6 Note generali sui test
• In fase di qualifica della fornitura, si suggerisce di verificare la rispondenza al punto 4 ed
eseguire i test 1, 2, 3 su almeno 3 scanner diversi.
• In fase di fornitura di lotti rilevanti di scanner, si consiglia di ripetere i test 1, 2 e 3 su un
sottoinsieme di scanner scelti a caso (ad. esempio 1 scanner ogni 100) per verificare l’uniforme
qualità della fornitura.
• I test previsti non richiedono interventi “invasivi” su parti hardware, firmware o software del
dispositivo. Non è necessario smontare i dispositivo. Qualora il dispositivo sia equipaggiato con
meccanismi di rilevazione “dita false” e questi meccanismi impediscano l’acquisizione di target
geometrici, deve essere possibile disattivare temporaneamente questi meccanismi.
• I dispositivi non possono essere tarati (attraverso modifiche hardware, firmware o software)
per l’esecuzione dei singoli test, le caratteristiche di qualità devono essere misurate nella
normale configurazione di esercizio.
A.7 Classi di scanner
Di seguito sono riportate le varie specifiche sopra elencate, con i valori necessari a classificare i
vai scanner. Per ogni classe di scanner si riporta anche la tipologia di applicazione per cui esso
può essere impiegato (si veda Capitolo 1).
Tabella 4 – Caratteristiche per ogni classe di scanner secondo gli IQS CNIPA-A/B/C.
Classe
A
(10%)
Applicazioni
Enrollment per applicazioni
large-scale e per progetti
dove è importante
interoperabilità tra scanner
diversi, anche di fornitori
diversi
(es. Passaporto, CIE)
Verifica di identità in
applicazioni large-scale
dove l’enrollment è stato
eseguito con scanner di
classe A o con scanner
IAFIS IQS
(es. Verifica di un
Passaporto o di un Visto)
Area
(alt × largh)
25.4mm
×
25.4mm
Accuratezza
sulla
risoluzione
Distorsione
geometrica
Risposta
frequenze
spaziali
500dpi ± 1%
1.5%
TSI ≥ 0.20
(IAFIS IQS)
(IAFIS IQS)
(PIV IQS)
Rapporto
Segnale
Rumore
Dev.Std.
σ ≤ 3.5
(PIV IQS)
Livelli di grigio e
range dinamico
Formato
256 livelli grigio.
Range dinamico
almeno 150 livelli
(PIV IQS)
29/30
Classe
B
(20%)
Applicazioni
Enrollment e verifica
identità in applicazioni
medium-scale dove gli
utenti possono autenticarsi
su scanner diversi
(es. CMG - Carta Ministero
Giustizia)
Verifica di identità in
applicazioni large-scale in
cui enrollment eseguito can
scanner classe A
(es. autenticazione con CIE)
C
(150%)
Enrollment e Verifica di
identità in applicazioni
small-scale, dove
tipicamente gli utenti usano
sempre lo stesso scanner
(es. sicurezza logica o fisica
in piccole amministrazioni
o singoli uffici)
Area
(alt × largh)
Accuratezza
sulla
risoluzione
20.0mm
×
15.0mm
500dpi ±
1.5%
2.0%
16.5mm
×
12.8mm
500dpi ±
2.0%
2.5%
(PIV IQS)
(PIV IQS)
Distorsione
geometrica
(PIV IQS)
Risposta
frequenze
spaziali
TSI ≥ 0.15
TSI ≥ 0.12
Rapporto
Segnale
Rumore
Dev.Std.
σ ≤ 5.0
Dev.Std.
σ ≤ 8.0
Livelli di grigio e
range dinamico
Formato
256 livelli grigio.
Range dinamico
almeno 140 livelli
Formato
256 livelli grigio.
Range dinamico
almeno 130 livelli
IAFIS IQS: fa riferimento alle Image Quality Specification (IQS) definite dall’FBI nell’Appendix F di [Errore. L'origine
riferimento non è stata trovata.]; le procedure di test per la verifica di compatibilità sono descritte in [Errore. L'origine
riferimento non è stata trovata.].
PIV IQS: fa riferimento alle Image Quality Specification (ISQ) definite da FBI nell’ambito del progetto PIV (autenticazione
logica per dipendenti del governo federale USA) [Errore. L'origine riferimento non è stata trovata.]; le procedure di test per
la verifica di compatibilità sono descritte in [Errore. L'origine riferimento non è stata trovata.].
30/30