دانلود ترجمه مقاله متدهای پردازش تصویر مبتنی بر موجک برای فشرده سازی اثر انگشت (سال ۲۰۱۴) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

مروری بر متدهای پردازش تصویر مبتنی بر موجک برای فشرده سازی اثر انگشت در کاربردهای بیومتریک

A Review of Wavelet-Based Image Processing Methods for Fingerprint Compression in Biometric Application

چکیده

۱٫ معرفی

۱٫۱ مفهوم کلی سیستم فشرده سازی تصویر

۱٫۲ بررسی اجمالی سیستم های کاربردی بیومتریک

۱٫۳ ویژگی های تصویر اثر انگشت

۱٫۴ مروری بر تکنیک ها و استاندارد های فشرده سازی تصویر اثر انگشت

۲ مروری بر مفاهیم پایه

۲٫۱ موجک پایه یا نمونه اولیه

۲٫۲ تبدیل موجک گسسته (DWT)

۲٫۳ تبدیل موجک در دو بعد

۲٫۴ بررسی آثار مشابه

۳ نتیجه

چکیده

یک الگوریتم فشرده سازی داده یک تکنیک پردازش سیگنال است که برای تبدیل داده از یک قالب بزرگ به یک قالب بهینه شده متراکم مورد استفاده قرار میگیرد. حجم عظیم تصاویر اثر انگشت که نیاز به انتقال روی شبکه ای از پایگاه داده های بیومتریک دارند، یک نمونه عالی از اهمیت فشرده سازی داده است. هدف اصلی از فشرده سازی تصویر به دست آوردن بهترین کیفیت ممکن در یک دستگاه ذخیره سازی و هزینه پهنای باند انتقال کاهش یافته است. در این مقاله، یک بررسی روی رویکردهای روش شناختی مختلف در فشرده سازی تصویر اثر انگشت بر اساس الگوریتم موجک انجام شده است. از بررسی روش های فشرده سازی تصویر مبتنی بر موجک موجود، مشکلاتی شناسایی شده اند که عبارتند از: محدودیت استاندارد WSQ در یک نسبت تراکم ۱۵:۱ که می تواند با الگوریتم بهتری بهبود یابد. پیچیدگی بالای فرایند رمز گذاری تصویر از تکنیک های موجود نیز یک مشکل است. اکثر روش های موجود نیاز به تولید کتاب کد یا جداول جستجو دارند که هزینه های محاسباتی اضافی برای پیاده سازی در برمیگیرند. علاوه بر این، تنزل قابل توجه در ویژگی های بیومتریک اثر انگشت در نسبت تراکم بالاتر از ۱۵:۱ نیز یک چالش بزرگ است. بنابراین، تحقیق درمورد یک روش فشرده سازی کارآمد که به طور قابل توجه بتواند اندازه تصویر اثر انگشت را کاهش دهد و خواص بیومتریک خود را حفظ کند (هسته، انتهای خط الراس و شاخه ها) توجیه میشود.

۱٫ معرفی

تصاویر حاوی مقدار زیادی اطلاعات هستند که نیازمند فضای ذخیره سازی بزرگ و پهنای باند انتقال زیاد است. پردازش تصویر و ذخیره سازی داده هزینه دارد و این هزینه به طور مستقیم متناسب با حجم داده هاست. با وجود پیشرفت های بعمل آمده در ظرفیت های ذخیره سازی انبوه و پردازش، همچنان زیر خط ظرفیت مورد نیاز سیستم های کاربردی قرار می گیرند [۱]. بنابراین، فشرده سازی یک تصویر با ذخیره سازی تنها اطلاعات ضروری مورد نیاز برای بازسازی آن بسیار سودمند است. یک تصویر را می توان به عنوان ماتریسی از مقادیر پیکسل ها (یا شدت) تصور نمود و به منظور فشرده سازی آن باید از افزونگی استفاده شود. فشرده سازی تصویر یک عبارت کلی برای الگوریتم های مختلفی ست که برای رسیدگی به این مشکلات توسعه یافته اند.

۳ نتیجه

در این مقاله، یک بررسی از روش های مختلف برای فشرده سازی تصویر اثر انگشت بر اساس الگوریتم موجک انجام شده است. از بررسی روش های فشرده سازی تصویر مبتنی بر موجک موجود، مشکلاتی شناسایی شده اند که عبارتند از: محدودیت استاندارد WSQ به نرخ تراکم ۱۵:۱ که می تواند با الگوریتم بهتر بهبود یابد. پیچیدگی بالای فرایند کدگذاری تصویر در تکنیک های موجود نیز یک مشکل است. بسیاری از روش های موجود نیاز به تولید کتابهای کد یا جداول راهنما دارند که هزینه های محاسباتی اضافی برای پیاده سازی طلب میکنند. علاوه بر این، تخریب قابل توجهی در ویژگی های بیومتریک اثر انگشت در نسبت تراکم بالاتر از ۱۵:۱ یک چالش بزرگ است. بنابراین، قابلیت پردازش سیگنال در پردازش موثر تصاویر اثر انگشت در حوزه تبدیل، کوانتیزه و رمزگذاری برای فشرده سازی بهینه جهت رسیدن به ذخیره سازی مقرون به صرفه داده ها و انتقال در سیستم های بیومتریک به یک اولویت تبدیل شده است. استفاده از موج coiflet  بایومتعامد برای دستیابی به عملکرد بهتر از نظر نرخ-اعوجاج، کیفیت ادراکی بهتر و پیچیدگی محاسباتی پایین تر روی استاندارد موجک CDF 9/7 نیز توصیه می شود.

Abstract

A data compression algorithm is a signal processing technique used to convert data from a large format to one optimized for compactness. Huge volumes of fingerprint images that need to be transmitted over a network of biometric databases are an excellent example of why data compression is important. The cardinal goal of image compression is to obtain the best possible image quality at a reduced storage and transmission bandwidth costs. In this paper, a review of different methodological approaches to fingerprint image compression based on the wavelet algorithm is conducted. From the survey of the existing wavelet-based image compression methods, the problems that have been identified include: the limitation of WSQ standard to a compression ratio of 15:1 which could be improved with better algorithm. High complexity of image encoding process of the existing techniques is also a problem. Most of the existing methods require the generation of codebooks or lookup tables which require additional computational cost for implementation. Additionally, significant degradation in the biometric features of fingerprint at compression ratio higher than 15:1 remains a major challenge. Therefore, the investigation of an efficient compression method that can significantly reduce fingerprint image size while preserving its biometric properties (the core, ridge endings and bifurcations) is justified.

۱ Introduction

Images contain large amount of information that requires huge storage space and large transmission bandwidth. Image data processing and storage attract cost and the cost is directly proportional to the size of data. In spite of the advancements made in mass storage and processing capacities, these have continued to fall below capacity requirements of application systems [1]. Therefore, it is advantageous to compress an image by storing only the essential information needed to reconstruct the image. An image can be thought of as a matrix of pixel (or intensity) values and in order to compress it, redundancies must be exploited. Image compression is the general term for the various algorithms that have been developed to address these problems.

۳ Conclusion

In this paper, a review of different methodological approaches to fingerprint image compression based on the wavelet algorithm is conducted. From the survey of the existing wavelet-based image compression methods, the problems that have been identified include: the limitation of WSQ standard to a compression ratio of 15:1 which could be improved with better algorithm. High complexity of image encoding process of the existing techniques is also a problem. Most of the existing methods require the generation of codebooks or lookup tables which require additional computational cost for implementation. Additionally, significant degradation in the biometric features of fingerprint at compression ratio higher than 15:1 remains a major challenge. Therefore, the signal processing capability to efficiently process fingerprint images in transform domain, quantize and encode them for optimized compression to achieve cost-effective data storage and transmission in biometric systems has become a priority. The use of biorthogonal coiflet wavelets to achieve superior performance in terms of better rate-distortion, better perceptual quality and lower computational complexity over the standard CDF 9/7 wavelet is therefore recommended.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مروری بر متدهای پردازش تصویر مبتنی بر موجک برای فشرده سازی اثر انگشت در کاربردهای بیومتریک

A Review of Wavelet-Based Image Processing Methods for Fingerprint Compression in Biometric Application