CC BY
0Innovative Academy Research Support Center UIF = 8.1 | SJIF = 7.899 www.in-academy.uz
PALM IMAGE DATABASES AND THEIR COMPARATIVE
ANALYSIS Mamatov Narzullo
Doctor of Technical Sciences, Professor, Head of the Department of Digital Technologies and Artificial Intelligence, "Tashkent Institute of Irrigation and Agricultural Mechanization Engineers" National Research University, Tashkent, Uzbekistan m_narzullo@mail.ru Kodirov Elmurod Assistant, Department of Digital Technologies and Artificial Intelligence, "Tashkent Institute of Irrigation and Agricultural Mechanization Engineers" National Research University, Tashkent, Uzbekistan elmurod.kodirov.0990@gmail.com Najmiddinov Akhliddin Bachelor student, Department of Digital Technologies and Artificial
Intelligence, "Tashkent Institute of Irrigation and Agricultural Mechanization Engineers" National Research University, Tashkent,
Uzbekistan ahliddin04@gmail.com https://doi.org/10.5281/zenodo.10908489
ABSTRACT
ARTICLE INFO
Received: 24th March 2024 Accepted: 30th March 2024 Online: 31th March 2024
KEYWORDS Online and offline databases, low and high resolution images, real-time, size, resolution (dpi).
This paper presents a comprehensive survey of offline and online palm image databases, which is one of the fields of biometric identification systems, and examines the unique aspects of palm image recognition, comparing offline and online databases, their achievements, and challenges. Offline databases, usually consisting of high-resolution images, allow to determine the detailed features of the palm image, however, due to their high storage and computational requirements, they cause various complications in working with real-time applications. At the same time, it provides real-time recognition in databases formed by devices designed for online image capture, but some features of the palm image may be lost. The results of this research aim to significantly contribute to the development of reliable, efficient, and versatile palm image recognition systems that can be widely used in various security applications.
HA^T TACBHPH MAMyMOTflAP EA3A.AAPH BA yflAPHH Y3APO ^HËCHH
TAX^H^H
MaMaTOB Hap3yfl.ro co^ha^ohobhh
"TomKeHT нppнгaцнfl Ba Kum^o; xy^a^HruHH механнзацнн^аm Myx,aHg,HCflapH HHCTHTyTH"MH^^HH Tag,K;HK;oT yHHBepcuTeTH, Pa;aM.AH TexHo.florHfl.flap вa cyH^HH
Innovative Academy Research Support Center UIF = 8.1 | SJIF = 7.899 www.in-academy.uz
интеллект кафедраси мудири, т.ф.д., профессор m_narzullo@mail.ru Кодиров Элмурод Солижон ^ли "Тошкент ирригация ва ;ишло; хужалигини механизациялаш мух,андислари институти"Миллий тад;и;от университети, Ра;амли технологиялар ва сунъий
интеллект кафедраси ассистенти elmurod.kodirov.0990@gmail.com Нажмиддинов Ахлиддин Сирожиддин yFли "Тошкент ирригация ва ;ишло; хужалигини механизациялаш мух,андислари институти"Миллий тад;и;от университети, Ра;амли технологиялар ва сунъий
интеллект кафедраси талабаси ahliddin04@gmail.com https://doi.org/10.5281/zenodo.10908489
ARTICLE INFO
ABSTRACT
Received: 24th March 2024 Accepted: 30th March 2024 Online: 31th March 2024 KEYWORDS
Онлайн ва офлайн маълумотлар базалари, куйи ва юкори аникликдаги тасвирлар, реал вакт, улчам, пикселлар сони (dpi).
Ушбу маколада биометрик идентификация тизимларининг сощларидан бири булган кафт тасвирларини олишнинг офлайн ва онлайн усули буйича маълумотлар базалари устида кенг камровли тадкикот такдим этилган булиб, унда кафт тасвирини аниклашни узига хос жщатлари, офлайн ва онлайн маълумотлар базаларини солиштириш, уларни ютуклари ва муаммолари куриб чищлган. Одатда юкори аникликдаги тасвирлардан ташкил топган офлайн маълумотлар базалари кафт тасвирини батафсил хусусиятларини аниклаш имконини беради, бирок, уларни саклаш ва щсоблаш талаблари юкорилиги туфайли реал вакт иловалар билан ишлаш жараёнида турли мураккабликларни келтириб чикаради. Шу билан бирга, тасвирни онлайн усулда олиш учун мулжалланган курилмалар томонидан шакллантирилган маълумотлар базаларида эса реал вакт режимида таниб олишни таъминлайди, бирок, бунда кафт тасвирини айрим хусусиятлари йуколиши мумкин. Ушбу тадкикот натижалари ишончли, самарали ва куп киррали кафт тасвирини аниклаш тизимларини ишлаб чикишга сезиларли щсса кушишга каратилган булиб, улардан хавфсизликка мулжалланган турли дастурларда кенг куллаш мумкин.
Кириш
Маълумотлар базаси - бу маълумотларни саклаш, ;идириш ва уларга киришни самарали усулларини таъминловчи тизимдир. Шахсни биометрик идентификациялаш
Innovative Academy Research Support Center UIF = 8.1 | SJIF = 7.899 www.in-academy.uz
TH3HMiapga Ma^iyMoTiap öa3aiaiapugaH KeHr ^ofigaiaHHiagu. AfiHHrçca, Ka^T TacBupiapuHH o^iafiH Ba oHiafiH ycyiiap oprçaiu carçiamHHHr ^aprçiapu, yiapHH roTyK Ba KaMHHiHKiapu, myHHHrgeK, rçaHgafi xoiaTiapga axmu umiamuHH TymyHHm yHyH yiapHH y3apo ^HëcHH Taxiuiuga yTa MyxHMgup. Ymöy Marçoiaga my Kaöu TymyHHaiap öaTa^cui
Kypuö HHKHiraH.
ka$t tacbhphhh oahohh o$aahh ycy^h mai.flymot.flap 6a3a.flaph
Ka^T TacBHpHHH oiumHH o^iafiH ycyiuga acocaH Ka^T hhkh ro3acura flxmuiaö cuëx öynö, cyHrpa Ka^THH ok kofo3 Kyfium, kofo3hh hhkh ro3a öuiaH TyiHK ^oniam oprçaiu oiHHagu Ba y cKaHepiaHagu. Ma^iyMoTiap öa3aiapu yH öocKHHga maKiiaHTHpuiagH, fliHH TypiH Ka^T yiHaMiapu, co3iaMaiapu xaMga Ta^cuioTiapga. Yiap xaKHgaru öaTa^cui Ma^iyMoTiap 1-»agBaiga KeiTHpuö yTHiraH.
bhphhmh 6ock;hh
1996 fiuiga PolyU-OFFLINE-Palmprint-I geö HoMiaHraH KypuiMa oprçaiu »aMH 400 Ta Ka$T TacBHpiapugaH uöopaT Ma^iyMoTiap 6a3acHHH npaTumga 20 KumuHHHr Ka^T TacBHpiapu - Han Ba yHr Ka^TiapgaH 10 TagaH Hycxa oiHHraH. Ka$T ro3acugaru TypiH HH3H^iapHH rorçopu aHHKiHKgaru TacBHpiapgaH, aihh 500 dpi gaH oium MyMKHH, öupoK öyHga TacBHpHH KafiTa umiamra Kyn BarçT Ba KyBBaT cap^iaHagu. EuprHHa pacM yHyH 2,000 x 2,000 yiHaMiu 500 dpi nuKceiiap cohh yHyH TaxMHHaH 4 ME xa»M Taiaö этнIagн. fflyHH эг>тнöopгa oiraH xoiga xucoöiam x,a»MHHH KaMafiTHpum yHyH 400 x 400 yiHaMiu 100 dpi cHëx,iaHraH Ka$T TacBHpiapu kofo3 HycxaiapuHH pa^aMiamTHpum Marçcagra MyBo^HK; xHcoöiaHgu. Ma^iyMoTiap öa3acugaH oiHHraH HKKHTa Ka^T TacBHpiapu HaMyHaiapu 1-pacMga KeiTHpuiraH.
hkkhhhh 6ockhh
PoIyU-OFFLINE-Palmprint-I Ma^iyMoTiap öa3acuga TypiH airopuTMiap cHHaö KypuiraHgaH cyHr, TypiH yiHaMiapra эгa öyiraH TacBHpiap TyniaMH maKiiaHTHpuiraH. EyHga rorçopu aHHKiHKgaru Ka^T TacBupiapuHH oium rorçopu xucoöiam KyBBaTHHH Taiaö KHiraH. fflyHHHr yHyH Ka^T TacBupiapuHH oiumga 432 x 432 yiHaMiu 125 dpigaH ^ofigaiaHHm TaBcun этнIгaн. Ka^T TacBupiapuHH maKiiaHTHpumHHHr ymöy öockhhh 1999 fiuiga öomiaHraH öyiuö, yHga yHr Ka^T TacBHpHHH oium yHyH 100 KHmu umTHpoK этгaн. PolyU-OFFLINE-Palmprint-II geö HoMiaHraH »aMH 200 Ta Ka$T H3HHH TacBHpiapgaH uöopaT AHTH Ma^iyMoTiap öa3acu maKiiaHTHpuiHÖ, yHga HHru airopuTMiap Ka^T TacBHpiapHHH oiumHH o^iafiH ycyiu ëpgaMHga cHHoBgaH yTKa3HiraH [1]. Ymöy Ma^iyMoTiap öa3acugaH HKKHTa Ka$T TacBHpiapugaH HaMyHaiap 2-pacMga KeiTHpuiraH.
Innovative Academy Research Support Center UIF = 8.1 | SJIF = 7.899 www.in-academy.uz
1-pacM. PolyU-OFFLINE-Palmprint-I -gaH HKKHTa Ka^T TacBupflapu
2-pacM. PolyU-OFFLINE-Palmprint-II -gaH HKKHTa Ka$T TacBup^apu
yHHHHH ÖOC^HH
MKKHTa o^^aHH Ka^T TacBup^apu Ma^^yMOT^ap 6a3a^apuHH npaTH^raH öyflcaga, Ka^T TacBup^apuHH o^umHH o$.flaHH ycyfluga Ka^T TacBup^apuHH HHru TacHH^HHu umflaö HH;um FOHCH TaKflu^ ;u^HHraH öyfluö, yHH aMaflra omupum yHyH Kynpo; Ka^T TacBup^apuHH Oflumra My^^a^aHraH Ma^^yMOT^ap öa3acu Taflaö этнflagн. flHru Ka^T TacBup^apu TacHM^u yHyH axmu geTaflflap 3apyp. flHru Ma^^yMOT^ap öa3acu ;ofo3 BapaFura Tymupumga Ka^THK $a;aT Tam;u ^kcmkhk 6ynm op;a^u maKflflaHTupuflraH, cyHrpa 500 dpi yflHaM Œëx,flaHraH Ka^T TacBupflapu ;ofo3 Baparç^apugaH pa^aMflamrapum ynyH ^OHga^aHK^raH. Ymöy 6oc;uHga 354 Ta Ka$T TacBupflapu HaMyHaflapu o^KHraH Ba ymöy Ma^^yMOT^ap öa3acu PolyU-OFFLINE-Palmprint-III geö HOMflaHraH [2]. Ymöy Ma^yMOTflap öa3acugaH OfluHraH uKKuTa Ka^T TacBupflapu 3-pacMga KeflTupuflraH.
Innovative Academy Research Support Center UIF = 8.1 | SJIF = 7.899 www.in-academy.uz
3-расм. PolyU-OFFLINE-Palmprint-III -дан иккита кафт тасвирлари 1-жадвал
Кафт тасвирини олишни офлайн маълумотлар базалари хусусиятлари
Маълумотлар I- босцич I I- босцич I I I- босцич
базаси PolyU-Offline- PolyU-Offline- PolyU-Offline-
Palmprint-I Palmprint-II Palmprint-III
Иштирокчилар 20 100 354
сони
Бир киши учун 20 2 1
намуналар
Улчам 400x400 432x432 1,250x2,000
Пикселлар 100 125 500
сони (dpi)
Кулранг 256 256 256
даража
Тасвирларни 400 200 354
умумий сони
Кафт тасвирини олишни онлайн усули маълумотлар базалари
Кафт тасвирларни олишни онлайн усулида асосан иккита маълумотлар базаларидан фойдаланилади.
Innovative Academy Research Support Center UIF = 8.1 | SJIF = 7.899 www.in-academy.uz
4-расм. PolyU-ONLINE-Palmprint-I -дан баъзи турли кафт тасвирлари
Биринчи боскич
Кафт тасвирларини олишни онлайн усулидаги биринчи авлод курилма (Л шаклидаги дизайн) муваффакиятли ишлаб чикилгандан сунг, тажрибавий синов учун турли инсонлардан кафт тасвирлари олинган. Айрим синовлардан сунг, тасвир сифати коникарли эмаслиги аникланган [3]. Бу кафт тасвирларини олиш учун яхширок курилмани лойих,алаш зарурлигини курсатди. Бирок, ушбу тасвирлар сифатини тасвирларга дастлабки ишлов бериш алгоритмларнини [4-14] куллаш оркали х,ам ошириш мумкин. Кафт тасвирларини олиш курилмасини иккинчи версияси узун трубкали горизонтал дизайн деб номланади. Кейинчалик синовдан утказиш учун биринчи онлайн кафт тасвирларини маълумотлар базаси тайёрланган ва у PolyU-ONLINE-Palmprint-I деб номланган. Ушбу маълумотлар базасида Гонконг Политехника Университети талаба ва ходимларини кафт тасвирлари намуналари киритилган булиб, унда факат унг кафт суратлари олинган. Тасвир х,ажми 320 х 240 улчамли 75 dpi булиб, асосан 500 га якин иштирокчиларни х,ар биридан 6 дан 10 гача унг кафт намуналари олинган. Кафт тасвирини олишни онлайн курилмаси ёрдамида олинган баъзи бир кафт тасвирлари намуналари 4-расмда келтирилган. Ушбу маълумотлар базасини шакллантириш куп вакт талаб килганлиги учун х,ар бир шахсни кафт тасвирлари сони олтидан унтагача булган ораликда узгариши мумкин.
Innovative Academy Research Support Center UIF = 8.1 | SJIF = 7.899 www.in-academy.uz
5-pacM. PolyU-ONLINE-Palmprint-II -gaH Ka^T TacBupflapu
hkkhhhh 6ok;hh
ro^Opu cu^aT^u Ba öap;apOp Ka^T TacBupflapHu Oflum yHyH OHflaHH RypuAMaHu y3O; TpyÖKaflu BepTuKafl gu3aHH geö HOMflaHyBHu yHuHHu aBflOgu x,aM MaB^yg öyfluö, y Ka^T TacBupuHu Oflumga TeKuc nflacTuHKa ro3acu geö aTaflyBHu ^OHga^aHyBHu uHTep^eficura эгa. flccu nflacTuHa ro3acuga TacBupra Oflum ^apaëHuga Ka^THu TyFpu ^OHflamTupumra ëpgaM öepyBHu TupraKflap MaB^yg. ByHga OfluHraH TacBupflap OflguHrucugaH nxmupO; öy^umu yHyH ëpyFfluK g^afiHu x,aM nxmu^aHraH. AparaflraH Ka^T нзннн TacBupu 768 x 568 yflHaMflu 150 dpiga aMaflra OmupuflraH öyfluö, yHga тнзнм napaMeTpuHu, TacBup yflHaMu 384 x 284 yflHaMflu 75 dpiga nuKceflHu cO3flam Op;aflu TacBup yAHaMflapuHu 75 dpi (acfl HycxaHu 1/2)rana KaMaHTupum MyMKuH. fflyHgaH cyHr, PolyU-ONLINE-Palmprint-II geö HOMflaHyBHu Ka^T TacBupflapu Ma^^yMOT^ap öaзacннн OHflaHH ycyflga maKflflaHTupum aMaflra OmupuflraH [15].
BOmflaHFuH xp^aTuga, 384 x 284 yAHaMuflu 75 dpi öyflraH Ka^T TacBupflapu OfluHraH. ByHgaH Ky3flaHraH acOcuH Ma;cag aflrOpuTM yHyH nacT aHuK^uKgaru Ka^T TacBupflapuHu maxcuH нgeнтн^нкaцннflam yHyH ro;Opu nuKceflflap cOHuHugaH ^Ofiga^aHumra эx,тнё^: ;oflgнpмacflнкgнp. BupO;, HucöaTaH KaTTapO; yflHaMgaru (768 x 568 yflHaMflu 150 dpiga) Ka^T TacBupflapuHu Oflum aHpuM Maxcyc uflOBaflap yHyH ^Ofiga^u öy^umu мyмкннflнгн KypcaTraH, myHuHr yHyH тнзнм napaMeTpu yзгapтнpнflнö, OfluHraH öapHa Ka^T TacBupflapu 768 x 568 yflHaMflu 150 dpiga öyflraH. Ka^T TacBupflapuHu OflumHu yHuHHu aBflOg OHflaHH ^ypuAMacu (PolyU-ONLINE-Palmprint-II) ëpgaMuga OfluHraH öa^3u TunuK Ka^T TacBupflapu 5-pacMga KeflTupuflraH.
Innovative Academy Research Support Center UIF = 8.1 | SJIF = 7.899 www.in-academy.uz
(b)
6-расм. Иккита кафт тасвирлари, чапда биринчи, унгда эса иккинчи марта олинган
Ушбу тупламда 200 та шахс уз кафт тасвирлари намуналарини такдим этган булиб, унда иштирокчилар асосан Гонконг политехника университети талабалари ва ходимларидан иборат кунгиллилар булган. Ушбу маълумотлар базасида 131 та эркак ва ёш таксимотига нисбатан куйидагича: 30 ёшдан кичик булган иштирокчилар 86%, 50 ёшдан катта ёши кекса иштирокчилар тахминан 3%, 30 ва 50 ёшдаги иштирокчилар 11% ни ташкил этган. Ушбу х,олат буйича, чап ва унг кафтларни х,ар бирида 10га якин тасвирларини такдим этилиши суралган. Суратга олиш курилмалардан кандай фойдаланиш буйича курсатмалар х,ам берилган. Х,ар бир шахс 40 га якин тасвирни такдим этган булиб, маълумотлар базасида 400 та турли хил кафтлардан жами 8025 та тасвир олинган. Ушбу маълумотлар базасида 8025 та кафт тасвирларидан 580 таси 384 х 284 улчамли 75 dp^, колганлари 768 х 568 улчамли 150 dpi даги тасвирлардир. Кафт тасвирларини турли х,олатларда олинган намуналар 6-расмда келтирилган.
Ёруглик манбаини узгартирилиши ва унга мос CCD камера фокусини урнатилиши, биринчи ва иккинчи х,олатларда шакллантирилган тасвирлар икки хил кафт тасвирлари курилмалари ёрдамида олинган. Бунда биринчи ва иккинчи х,олатлар орасидаги уртача интервал 69 кун х,амда максимал ва минимал вакт оралиги 162 кунни ташкил этган. PolyU-ONLINE-Palmprint-I ва PolyU-ONLINE-Palmprint-Пни батафсил хусусиятлари 2-жадвалда келтириб утилган. ^озирда кунда кафт тасвирларини йигишни янги курилмаси ёрдамида учинчи онлайн маълумотлар базаси шакллантирилмокда [16].
2-жадвал
PolyU-ONLINE-Palmprint-I ва PolyU-ONLINE-Palmprint-II базалари хусусиятлари
Innovative Academy Research Support Center UIF = 8.1 | SJIF = 7.899 www.in-academy.uz
Маълумотлар I-бос^ич П-бос;ич
базаси PolyU-Online-Palmprint-I PolyU-Online-Palmprint-II |
Иштирокчилар 500 200
сони
Хар бир шахс 6 тадан 10 тагача Чап 1-мартта 10*
учун 2-мартта 10*
намуналар Унг 1-мартта 10*
2-мартта 10*
Улчам 320x240 384x284/768x568*
Пикселлар 75 75/150*
сони (dpi)
Кулранг 256 256
даражалар
Тасвирларни 4,523 8,025
умумий сони
Хулоса
Кафт тасвирларини офлайн ва онлайн усулида йигиш учун мулжалланган маълумотлар базаларини урганиш биометрик идентификация сох,асида ушбу технологияларни мух,им имкониятларини очиб беради. Маълумотлар базаларини шакллантиришни офлайн усулида маълумотлар кенг куламини таклиф килсада, реал вакт режимида онлайн усули оркали тезкор идентификациялаш эх,тиёжлари учун зарур булган динамик маълумотларни такдим этади. Бирок, бунда маълумотлар махфийлиги ва хавфсизлиги билан боглик муаммолар мух,имлигича колади. Кафт тасвирлари маълумотлар базаларидан фойдаланган х,олда эътиборни самарали ва хавфсиз тизимларни ишлаб чикишга каратиш шарт. Ракамли идентификациялаш келажаги офлайн ва онлайн тизимларни муваффакиятли интеграциясига боглик булиб, бу кейинги тадкикотлар ривожи учун мух,имдир.
References:
1. David Zhang, GuangMing Lu, Adams Wai-Kin Kong. "Online Palmprint Identification System for Civil Applications". J. Comput. Sci. & Technol. Jan. 2005, Vol.20, No.I, pp.70-76
2. GUO Zhenhua."Online Multispectral Palmprint Recognition". The Hong Kong Polytechnic University. October 2009
3. D. Zhang, Palmprint authentication, Kluwer Academic Publishers, Boston, 2004.
4. Маматов, Н., Султанов, П., Юлдашев, Ю., & Жалелова, М. (2023). Методы повышения контрастности изображений при мультиспиральной компьютерной томографии. Евразийский журнал академических исследований, 3(9), 125-132.
5. Маматов, Н., Султанов, П., Жалелова, М., & Тожибоева, Ш. (2023). Критерии оценки качества медицинских изображений, полученных на мультиспиральном компьютерном
Innovative Academy Research Support Center UIF = 8.1 | SJIF = 7.899 www.in-academy.uz
томографе. Евразийский журнал математической теории и компьютерных наук, 3(9), 27-37.
6. Mamatov, N., Sultanov, P., Jalelova, M., & Samijonov, A. (2023). 2D image processing algorithms for kidney transplantation. Scientific Collection «InterConf», (184), 468-474.
7. Mamatov, N. S., Jalelova, M. M., Samijonov, A. N., & Samijonov, B. N. (2024, February). Algorithm for improving the quality of mixed noisy images. In Journal of Physics: Conference Series (Vol. 2697, No. 1, p. 012013). IOP Publishing. https://doi.org/ 10.1088/17426596/2697/1/012013
8. Mamatov, N. S., Pulatov, G. G., & Jalelova, M. M. (2023). Image contrast enhancement method and contrast evaluation criteria optimal pair. Digital Transformation and Artificial Intelligence, 1(2).
9. Mamatov, N. S., Niyozmatova, N. A., Jalelova, M. M., Samijonov, A. N., & Tojiboyeva, S. X. (2023). Methods for improving contrast of agricultural images. In E3S Web of Conferences (Vol. 401, p. 04020). EDP Sciences. https://doi.org/10.1051/e3sconf/202340104020
10. Mamatov, N., Jalelova, M., & Samijonov, B. (2024). Tasvir obyektlarini segmentatsiyalashning mintaqaga asoslangan usullari. Modern Science and Research, 3(1), 14. https://inlibrary.uz/index.php/science-research/article/view/28241
11. Mamatov, N., Jalelova, M., Samijonov, B., & Samijonov, A. (2024). Algorithms for contour detection in agricultural images. In E3S Web of Conferences (Vol. 486, p. 03017). EDP Sciences. https://doi.org/10.1051/e3sconf/202448603017
12. Mamatov, N., Jalelova, M., Samijonov, B., & Samijonov, A. (2024). Algorithm for extracting contours of agricultural crops images. In ITM Web of Conferences (Vol. 59, p. 03015). EDP Sciences. https://doi.org/10.1051/itmconf/20245903015
13. Маматов, Н., & Джалелова, М. (2023). Tasvir shovqinlari tahlili. Информатика и инженерные технологии, 1(2), 113-115.
14. Маматов, Н., & Джалелова, М. (2023). Tasvir kontrastini etalonsiz baholash. Информатика и инженерные технологии, 1(2), 115-117.
15. Zhang, D., Kong, W. K., You, J., & Wong, M. (2003). Online palmprint identification. IEEE Transactions on Pattern Analysis and Machine Intelligence, 25(9), 1041-1050. https://doi.org/10.1109/TPAMI.2003.1227981
16. A. Kong, D. Zhang and M. Kamel, A survey of palmprint recognition, Pattern Recognition, vol. 42, pp. 1408-1418, 2009
