Blockdit Logo (Mobile)
MVIT Research LAB : Mahidol University
•
18 ก.ค. เวลา 03:34 • วิทยาศาสตร์ & เทคโนโลยี
มหาวิทยาลัยมหิดล

มหิดลวิจัย Ai ช่วยสืบหาอาชญากร การเพิ่มประสิทธิภาพรอยฝ่ามือแฝง โดยใช้ Frequency Domain Analysis

ผลงานตีพิมพ์ งานวิจัยร่วม จากนักวิทยาศาสตร์ผู้เชี่ยวชาญ
รอยฝ่ามือแฝง (palmprint) เป็นส่วนสำคัญในการสืบสวนในสถานที่เกิดเหตุ ซึ่งถือเป็นส่วนสำคัญของรอยพิมพ์ที่พบ และมักจะประสบปัญหารอยที่ไม่ดี มีรอยอื่นรบกวน และรอยย่น/รอยพับ ทำให้มีความแตกต่างจากลายฝ่ามืออื่นๆ
แม้ว่า progressive enhancement techniques จะถูกใช้กันอย่างแพร่หลายสำหรับลายนิ้วมือ แต่รอยฝ่ามือที่มีรอยพับจำนวนมากและขนาดที่ใหญ่ขึ้นจะได้รับประโยชน์มากกว่าจาก region-growing techniques
Frequency domain-based palmprint enhancement โดดเด่นในการแยกรอยพับออกจากสันของรอยและปรับโครงสร้างมันใหม่อย่างแม่นยำ คีย์สำคัญอยู่ที่การระบุบล็อกเริ่มต้นที่เหมาะสมสำหรับ both region-growing technique และ iterative enhancement technique
frequency domain-based quality maps ที่มีอยู่ปัจจุบัน ถูกออกแบบมาเพื่อลายนิ้วมือเป็นหลัก จะแสดงประสิทธิภาพที่จำกัดเมื่อนำไปใช้กับลายฝ่ามือ โดยเฉพาะอย่างยิ่งสิ่งที่เป็น ลายฝ่ามือแฝง เพื่อแก้ไขปัญหาเหล่านี้ บทความนี้นำเสนอแนวทางใหม่ที่ผสมผสาน region-growing technique และ frequency domain-based enhancement technique
เพื่อปรับปรุงลายฝ่ามือแฝงให้มีคุณภาพดีขึ้นวิธีการนี้ใช้ประโยชน์จาก high-quality blocks ใช้ orientation field ที่ได้รับจาก frequency domain เพื่อแก้ไขข้อผิดพลาด orientation errors ใน starting blocks และใช้น้ำหนักที่แตกต่างกันเพื่อปรับปรุง block ทุกประเภทอย่างมีประสิทธิภาพ
ผลการทดลองบ่งชี้ว่าแนวทางที่นำเสนอนั้นมีความเหนือกว่า state-of-the-art techniques ที่มีอยู่ปัจจุบัน ในแง่ของ recognition accuracy
Enhancing latent palmprints using frequency domain analysis, Intelligent Systems with Applications. Volume 23, September 2024.
Abstract
Latent palmprints are integral to crime scene investigations, constituting a significant portion of encountered prints. They often suffer from poor ridge impressions, noise, and pronounced creases, setting them apart from other palmprint types. While progressive enhancement techniques are widely used for fingerprints, palmprints with numerous thick creases and larger sizes benefit more from region-growing techniques.
Frequency domain-based palmprint enhancement excels in separating creases from ridges and reshaping ridge structures accurately. The key challenge lies in identifying suitable initial blocks for both region-growing and iterative enhancement techniques. Existing frequency domain-based quality maps, primarily designed for fingerprints, exhibit limited performance when applied to palmprints, especially latent ones.
To address these issues, this paper introduces a new approach that combines region-growing and frequency domain-based enhancement techniques to improve latent palmprints. Our method leverages high-quality blocks, employs the orientation field obtained in the frequency domain to correct possible orientation errors in starting blocks, and utilizes varying weights to enhance all block types effectively.
The experimental results indicate that the proposed approach surpasses the existing state-of-the-art techniques in terms of recognition accuracy.
Enhancing latent palmprints using frequency domain analysis
โฆษณา