Extracción de componentes de la imagen labial en formato RAW y JPG

Abstract

El objeto de este trabajo fue determinar qué formato de imagen favorece la implementación de la visualización de componentes, en imágenes de labios. Dadas sus características, los surcos de la mucosa labial determinan un dibujo que se puede transcribir a una fórmula. Ésta reúne características propias de la biometría que permiten determinar la identidad de una persona. La muestra está conformada por dos grupos de imágenes digitales2: grupo A: 50 (n= 50) JPG, procesadas con el visor de imágenes de Windows;grupo B: 50 (n= 50) RAW, procesadas utilizando el editor Adobe Lightroom, visualizadas en una Notebook Lenovo, Procesador Intel®Core (TM) i7-855OU, memoria (RAM) 8GB, sistema operativo Windows 10 de 64 bits, utilizando posteriormente métodos de aprendizaje automático en relación al diseño de un algoritmo de clasificación para automatizar el proceso de autenticación. Las imágenes, correspondientes a individuos de sexo masculino y femenino, mayores de 18 años nacidos en La Plata, se tomaron en forma aleatoria con un nivel de confianza de 95%; una proporción esperada de 0,5; precisión: 0,03 (3% de error), para construir un banco de imágenes significativo. Se tomarán como indicadores los surcos mencionados por Renaud2 (1972) en su clasificación de huellas labiales y hallazgos previos correspondientes a una tesis doctoral (Cocco3, 2015). La extracción de componentes de la imagen labial arrojó mayor especificidad en una imagen en formato RAW por sobre una JPG con la incorporación de celdas de visualización.

The purpose of this work was to determine which image format favours the implementation of component visualization in lip images. Given its characteristics, the grooves of the lip mucosa determine a drawing that can be transcribed into a formula. This formula has the characteristics of biometrics that make it possible to determine a person's identity. The sample consists of two groups of digital images2 : group A, 50 (n= 50) JPG, processed with the Windows image viewer; group B, 50 (n= 50) raw, processed using the Adobe Lightroom editor, visualized on a Lenovo Notebook, Intel®Core (TM) i7-855OU processor, 8GB memory (RAM), Windows 10 64-bit operating system, subsequently using machine learning methods in relation to the design of a classification algorithm to automate the authentication process. The images, corresponding to male and female individuals over 18 years of age born in La Plata, were taken randomly with a confidence level of 95%; an expected proportion of 0.5; precision: 0.03 (3% error), to build a meaningful image bank. The grooves mentioned by Renaud2 (1972) in his classification of lip prints and previous findings corresponding to a doctoral thesis (Cocco, 2015)3 will be taken as indicators. The extraction of lip image components yielded higher specificity in a RAW format image over a JPG with the incorporation of display cells.