Specifiche tecniche per gli scanner di impronte
Transcript
Specifiche tecniche per gli scanner di impronte
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 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) 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. 2.8 Bibliografia del capitolo [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. [8] Department of Justice F.B.I., “Electronic Fingerprint Transmission Specification”, CJIS-RS0010 (V7), 1999. [9] Maltoni D. Maltoni, D. Maio, A.K. Jain and S. Prabhakar, Handbook of Fingerprint Recognition, Springer (New York), 2003. [10] National Institute of Standards and Technology, “Personal Identity Verification (PIV) of Federal Employees and Contractors”, FIPS PUB 201, 2005. [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). 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. 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. 3.4 Bibliografia del capitolo [1] Department of Justice F.B.I., “Electronic Fingerprint Transmission Specification”, CJIS-RS0010 (V7), 1999. [2] Maltoni D. Maltoni, D. Maio, A.K. Jain and S. Prabhakar, Handbook of Fingerprint Recognition, Springer (New York), 2003. [3] National Institute of Standards and Technology, “Personal Identity Verification (PIV) of Federal Employees and Contractors”, FIPS PUB 201, 2005. [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