Résumé:
Cette étude explore l'amélioration des systèmes d'identification personnelle en utilisant des images
d'empreintes palmaires multispectrales. Notre objectif est de proposer un système de reconnaissance
d'empreintes palmaires basé sur le descripteur local caractéristique des images satistiques binaires
(BSIF : Binarized Statistical Image Features). Nous extrayons les caractéristiques de texture
spécifiques afin de capter les particularités uniques de l'empreinte palmaire. Nous appliquons des
methodes de prétraitements pour diminuer ou bien eliminer l’effet de lumination ou de l’ombre ; les
images traiteés sont ensuite encodées sous forme d'histogrammes a l’aide discripteur BSIF, puis
classifiées à l'aide d'un classifieur KNN (K-Nearest Neighbors). Le processus de reconnaissance
commence par l'acquisition d'images multispectrales de l'empreinte palmaire aprés prétraitement
d’élimination de lumière. Chaque spectre permet de révéler différentes couches et textures de la peau,
offrant ainsi une richesse d'informations impossible à obtenir avec une seule image spectrale. Les
descripteurs BSIF sont appliqués pour extraire des caractéristiques de texture fines et discriminantes,
cruciales pour une identification précise. Une fois les caractéristiques extraites, elles sont
représentées sous forme d'histogrammes qui capturent les variations texturales de l'empreinte. Ces
histogrammes servent de vecteurs de caractéristiques pour le classifieur KNN, qui attribue ensuite
une identité en comparant les caractéristiques extraites avec celles d'une base de données de
référence. Nous avons testé notre système sur les bases de données MS-CASIA et MS-POLYU. Les
résultats montrent que notre approche offre des performances remarquables en termes de précision
et de robustesse. Les images multispectrales permettent une meilleure distinction des empreintes
palmaires, réduisant ainsi le taux de fausses acceptations et de faux rejets. En conclusion, l'utilisation
d'empreintes palmaires multispectrales et de descripteurs BSIF, combinée à un classifieur KNN,
représente une avancée significative dans le domaine de l'identification biométrique. Ce système
démontre une grande éfficacité et pourrait être appliqué dans divers contextes nécessitant une
identification personnelle fiable et sécurisée.
