Tổng quan về luận án

Công nghệ nhận dạng sinh trắc học (Biometrics) đang khẳng định vị thế trụ cột trong hạ tầng an ninh thông minh, hệ thống Internet vạn vật (IoT), nhận diện công dân và kiểm soát biên giới quốc gia. Trong số các phương thức sinh trắc học, nhận dạng khuôn mặt và tròng mắt người được đánh giá cao nhất nhờ tính độc bản, tính ổn định theo thời gian và độ bảo mật cao. Tuy nhiên, tính chính xác của các hệ thống này trong điều kiện thực tế (unconstrained environments) luôn bị suy giảm nghiêm trọng bởi hai nút thắt kỹ thuật: sự biến thiên cực đoan của nguồn chiếu sáng (illumination variations) trên ảnh khuôn mặt và sự xuất hiện của các thành phần nhiễu phức tạp (lông mi, mí mắt, phản xạ ánh sáng, biến dạng phi tuyến) trên ảnh tròng mắt.

Khoảng trống nghiên cứu then chốt được xác định: các phương pháp lọc và biến đổi số rời rạc truyền thống (như biến đổi Wavelet 1D/2D, biến đổi Fourier rời rạc hay cân bằng lược đồ mức xám cục bộ) bộc lộ giới hạn nội tại về khả năng định hướng, không thể nắm bắt trọn vẹn các cấu trúc đường cong kỳ dị bậc cao ($C^2$) của tròng mắt, đồng thời các kỹ thuật bù sáng hiện hành thường chỉ thao tác trên không gian ảnh xám hoặc xử lý độc lập làm sai lệch tương quan phổ màu RGB. Luận án "Nghiên cứu giải pháp lọc số dùng biến đổi Wavelet nâng cao chất lượng xử lý ảnh trong kỹ thuật nhận dạng khuôn mặt và tròng mắt người" của nghiên cứu sinh Nguyễn Nam Phúc (chuyên ngành Kỹ thuật điện tử, Viện Khoa học và Công nghệ quân sự, 2023) đã giải quyết triệt để khoảng trống này thông qua việc xây dựng một hệ thống giải pháp toàn diện từ tiền xử lý thích nghi đến trích xuất đặc trưng đa tầng.

Hệ thống câu hỏi và giả thuyết nghiên cứu được thiết lập chặt chẽ:

  • Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để tự động chuẩn hóa và bù sáng trên không gian màu RGB của ảnh khuôn mặt mà không làm mất các đặc trưng cấu trúc hình học dưới điều kiện chiếu sáng biến đổi mạnh?
  • Giả thuyết nghiên cứu 1 (H1): Việc chuyển đổi sang miền Logarit kết hợp phân tích thành phần tần số thấp qua biến đổi Wavelet rời rạc 2D (2D-DWT) và ước lượng tỉ lệ giá trị suy biến lớn nhất (Singular Values) đối chiếu với mẫu chuẩn Gauss sẽ bù sáng tối ưu cho từng kênh màu riêng biệt.
  • Câu hỏi nghiên cứu 2 (RQ2): Phương pháp phân vùng nào có thể loại bỏ chính xác các yếu tố nhiễu vi cấu trúc (lông mi, bóng mí mắt, khúc xạ) trên ảnh tròng mắt với chi phí tính toán tối ưu?
  • Giả thuyết nghiên cứu 2 (H2): Mô hình hóa lưới điểm ảnh thành đồ thị vô hướng và áp dụng thuật toán Dijkstra đa nguồn cải tiến với quy tắc hiệu chỉnh nhãn sẽ phân tách chính xác ranh giới tròng mắt và loại bỏ nhiễu mảnh ở cấp độ điểm ảnh (pixel-level).
  • Câu hỏi nghiên cứu 3 (RQ3): Cơ chế kết hợp các biến đổi số rời rạc nào mang lại khả năng biểu diễn đặc trưng tối ưu và giảm thiểu tỷ lệ lỗi nhận dạng tròng mắt?
  • Giả thuyết nghiên cứu 3 (H3): Sự kết hợp giữa biến đổi nhanh Curvelet rời rạc (FDCT) với các thuật toán thống kê (PCA, SVD) và kiến trúc song song FDCT - Biến đổi Wavelet phức cây đối ngẫu (DTCWT) sẽ khai thác tối đa tính chọn lọc hướng và tính bất biến dịch chuyển, giảm thiểu tỷ lệ bình đẳng lỗi (Equal Error Rate - EER).

Nghiên cứu được kiểm chứng thực nghiệm trên các cơ sở dữ liệu (CSDL) chuẩn quốc tế quy mô lớn gồm CMU Multi-PIE (với hơn 750.000 bức ảnh của 337 đối tượng dưới 15 góc nhìn và 19 điều kiện sáng, dung lượng trên 305GB), FERET (14.126 ảnh của 1.199 đối tượng với 12,6 triệu lượt đối chiếu), CASIA-IrisV3 (22.034 ảnh của 700 đối tượng), ICE 2005 của Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ - NIST (2.953 ảnh của 132 đối tượng) và UBIRIS (12.102 ảnh của 261 đối tượng chụp dưới bước sóng nhìn thấy VW).

Literature Review và Positioning

Nghiên cứu sinh trắc học hiện đại được định hình bởi ba dòng tư tưởng học thuật chính:

  1. Dòng nghiên cứu nhận dạng tròng mắt cổ điển và mô hình vi tích phân: Khởi xướng bởi Daugman (1993) với toán tử vi tích phân dạng tròn để định vị đường viền con ngươi/tròng mắt và sử dụng bộ lọc Gabor 2D trực giao để trích xuất pha; tiếp nối bởi Wildes (1997) với biến đổi đường tròn Hough và mô hình phân giải Laplacian. Mặc dù đặt nền móng cho các hệ thống thương mại như LG-Iris, Panasonic hay IriScan, các phương pháp này gặp khó khăn nghiêm trọng khi đường biên tròng mắt bị biến dạng phi tuyến hoặc bị che khuất bởi lông mi và phản xạ giác mạc.
  2. Dòng nghiên cứu chuẩn hóa chiếu sáng và bất biến diện mạo khuôn mặt: Tiêu biểu với các công trình của Shan et al. (2007) về cân bằng lược đồ xám đa tỉ lệ, Zhang et al. (2009) về Gradientfaces, và Wang et al. (2011) về Weberfaces. Hạn chế cốt lõi của dòng nghiên cứu này là chủ yếu tập trung vào không gian ảnh xám đơn sắc, bỏ qua nguồn thông tin dồi dào từ các kênh màu RGB và dễ làm suy thoái tương phản biên cạnh trong các vùng tối cục bộ.
  3. Dòng nghiên cứu phân tích đa tỉ lệ hình học (Multiscale Geometric Analysis - MGA): Được dẫn dắt bởi Candès & Donoho (2000, 2004) với biến đổi Curvelet thế hệ mới và Kingsbury & Selesnick (2005) với biến đổi Wavelet phức cây đối ngẫu (DTCWT). Các kỹ thuật này giải quyết nhược điểm "mù hướng" của Wavelet tiêu chuẩn (chỉ có 3 hướng ngang, dọc, chéo), mang lại khả năng biểu diễn thưa tối ưu cho các đường biên cong trong ảnh tự nhiên.

Tồn tại hai cuộc tranh luận học thuật sâu sắc trong tài liệu chuyên ngành:

  • Tranh luận 1 (Đặc trưng toàn cục vs. Đặc trưng cục bộ): Các trường phái tiếp cận toàn cục (như Eigenfaces của Turk & Pentland hay SVD truyền thống) đạt tốc độ cao nhưng cực kỳ nhạy cảm với sự che khuất cục bộ; ngược lại, các tiếp cận cục bộ (như Gabor Wavelet, Local Binary Patterns - LBP) bền vững hơn với nhiễu nhưng gây bùng nổ chiều không gian vector và chi phí tính toán.
  • Tranh luận 2 (Xử lý tiền xử lý đơn kênh vs. Đa kênh không gian màu): Việc chuyển đổi ảnh màu về ảnh xám trước khi lọc sáng giúp đơn giản hóa thuật toán nhưng làm mất mát hoàn toàn tương quan phân bố sắc độ giữa các kênh $R, G, B$, dẫn đến hiện tượng bão hòa màu và mất thông tin cấu trúc vi mô.

Luận án định vị chính xác điểm giao thoa giữa MGA và kỹ thuật lọc số thích nghi. So sánh với công trình quốc tế của Sun et al. (2014) về việc sử dụng Curvelet xấp xỉ kết hợp PCA và LDA cho tròng mắt, luận án tiến xa hơn khi kết hợp đồng thời FDCT với DTCWT để khai thác đồng thời tính định hướng góc mịn và tính bất biến tịnh tiến. So sánh với công trình của Wei et al. (2012) về phân vùng Dijkstra trên đồ thị đa đối tượng, luận án tối ưu hóa cấu trúc đồ thị điểm ảnh vô hướng và tích hợp quy tắc cập nhật nhãn động, cho phép loại bỏ hoàn toàn các nhiễu mảnh dạng sợi (lông mi, nếp nhăn) mà không làm suy giảm vùng dữ liệu vành khăn tròng mắt.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng nền tảng lý thuyết xấp xỉ hàm giải tích của Candès & Donoho trong không gian Hilbert $L^2(\mathbb{R}^2)$. Biến đổi Wavelet 2D thông thường chỉ đạt bậc sai số xấp xỉ thứ $n$ là $|f - f_n|{L^2}^2 \le C n^{-1}$, trong khi biến đổi Curvelet rời rạc mà luận án áp dụng đạt tốc độ hội tụ tối ưu $|f - f_n|{L^2}^2 \le C n^{-2} (\log n)^3$ đối với các đối tượng có tính kỳ dị dọc theo đường cong mịn $C^2$.

Luận án thiết lập mô hình toán học cho thuật toán bù sáng SDWTL (Singular Value Decomposition - Discrete Wavelet Transform - Log Transformation), mở rộng lý thuyết phân giải giá trị suy biến thích ứng (ASVD) sang miền tần số không gian màu:

  1. Cho ảnh màu $f_{{R,G,B}}(x,y)$, biến đổi sang miền logarit $f_{LT}(x,y) = \ln(1 + f(x,y))$ nhằm tách biệt thành phần phản xạ và thành phần chiếu sáng theo mô hình Retinex.
  2. Áp dụng biến đổi DWT 2D phân rã $f_{LT}$ thành 4 băng con: $LL, LH, HL, HH$. Băng tần thấp $LL$ chứa đựng năng lượng chiếu sáng chủ đạo được trích xuất ma trận giá trị suy biến: $$LL = U \cdot S \cdot V^T, \quad S = \text{diag}(\sigma_1, \sigma_2, \dots, \sigma_k)$$
  3. Hệ số bù sáng tự động $\alpha_c$ cho từng kênh $c \in {R, G, B}$ được xác lập thông qua tỉ lệ giữa giá trị suy biến lớn nhất $\sigma_{1,c}$ và giá trị suy biến tham chiếu từ phân bố Gauss chuẩn tắc $G(\mu, \sigma)$: $$\alpha_c = \frac{\sigma_{1,\text{Gauss}}}{\sigma_{1,c}}$$
  4. Tái cấu trúc ma trận băng thấp hiệu chỉnh $\widehat{LL}_c = U \cdot (\alpha_c S) \cdot V^T$, áp dụng biến đổi DWT ngược (2D-IDWT) và lũy thừa hóa để thu nhận các kênh màu cân bằng $R_b, G_b, B_b$.

Bên cạnh đó, mô hình đối chiếu khoảng cách lai (Hybrid Decision Metric) được luận án đề xuất, dung hợp khoảng cách nhị phân Hamming ($d_H$) trên miền FDCT và khoảng cách Euclid chuẩn hóa ($d_E$) trên miền DTCWT thông qua hàm trọng số phi tuyến: $$S_{\text{final}} = \lambda \cdot d_H(\mathbf{v}{\text{FDCT}}^1, \mathbf{v}{\text{FDCT}}^2) + (1 - \lambda) \cdot d_n(\mathbf{v}{\text{DTCWT}}^1, \mathbf{v}{\text{DTCWT}}^2)$$ với $\lambda \in [0, 1]$ là hệ số điều phối tối ưu hóa EER.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp bốn cấu phần kỹ thuật có tính tương hỗ cao:

  • Cấu phần 1 (SDWTL Engine): Xử lý bù sáng thích nghi phân tách 3 kênh màu RGB, bảo tồn tính tự nhiên của ảnh chân dung.
  • Cấu phần 2 (Graph-based Pixel Segmentation): Thuật toán Dijkstra đa nguồn cải tiến trên đồ thị vô hướng 8 liên kết, thiết lập đường đi ngắn nhất từ các điểm gieo mầm (seeds) để cô lập chính xác vùng tròng mắt hình vành khăn và loại bỏ nhiễu lông mi.
  • Cấu phần 3 (FDCT-PCA-SVD Feature Extractor): Biến đổi nhanh Curvelet rời rạc trên lưới Cartesian (thông qua kỹ thuật bọc tần số - wrapping method), kết hợp nén chiều dữ liệu bằng PCA và trực giao hóa bằng SVD.
  • Cấu phần 4 (Dual-Branch Parallel Recognition): Kiến trúc trích xuất song song Curvelet - DTCWT khai thác 6 hướng định hướng phức ($\pm 15^\circ, \pm 45^\circ, \pm 75^\circ$) kết hợp đối chiếu đa chuẩn định lượng.

Điều kiện biên lý thuyết: Mô hình áp dụng tối ưu cho ảnh khuôn mặt 2D có góc nghiêng trong khoảng $\pm 30^\circ$, ảnh tròng mắt thu nhận từ cảm biến cận hồng ngoại (NIR $700-900\text{ nm}$) và dải sóng nhìn thấy (VW $380-750\text{ nm}$) với đường kính tròng mắt tối thiểu đạt từ 100 đến 200 điểm ảnh.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ chặt chẽ thế giới quan thực chứng (Positivism) kết hợp phương pháp thiết kế thực nghiệm giải tích (Quantitative Experimental Design). Nghiên cứu tổ chức theo thiết kế đa tầng (Multi-level Architecture):

  • Cấp độ 1 (Pixel-level): Khử nhiễu, cân bằng sáng logarit, phân đoạn đồ thị vi phân.
  • Cấp độ 2 (Transform-domain level): Biến đổi Wavelet 2D, Curvelet rời rạc dạng bọc (wrapping-based FDCT) và biến đổi Wavelet phức cây đối ngẫu.
  • Cấp độ 3 (Feature & Decision level): Phân tích thành phần chính, phân giải giá trị suy biến, tính toán khoảng cách Hamming/Euclid có trọng số và bộ phân loại K lân cận gần nhất (KNN).

Tiêu chí chọn mẫu: Sử dụng 100% các tập dữ liệu chuẩn đã được gắn nhãn và công nhận toàn cầu trong cộng đồng thị giác máy tính, đảm bảo tính đại diện đa dạng về chủng tộc (người da trắng, da đen, châu Á), giới tính, lứa tuổi, biểu cảm khuôn mặt và các biến dạng bệnh lý/quang học của mắt.

Quy trình nghiên cứu rigorous

Quy trình thực nghiệm được chuẩn hóa qua 5 giai đoạn khép kín:

  1. Tiếp nhận và thẩm định chất lượng ảnh: Đối chiếu tiêu chuẩn quốc tế ISO/IEC 29794-6:2015 về quản lý chất lượng ảnh tròng mắt.
  2. Tiền xử lý hình học và bức xạ:
    • Đối với ảnh mặt: Tách kênh RGB $\rightarrow$ Chuyển miền Log $\rightarrow$ 2D-DWT $\rightarrow$ Tính tỉ lệ $SV_{\text{max}}$ $\rightarrow$ 2D-IDWT $\rightarrow$ Chuẩn hóa không gian màu.
    • Đối với ảnh tròng mắt: Định vị tâm và bán kính con ngươi/giác mạc bằng biến đổi Hough đường tròn giới hạn (Restricted Circular Hough Transform - RCHT) $\rightarrow$ Lập đồ thị điểm ảnh và chạy Dijkstra đa nguồn cải tiến để bóc tách lông mi/mí mắt $\rightarrow$ Ánh xạ tọa độ Descartes $I(x,y)$ sang hệ tọa độ cực chuẩn hóa Daugman $I(r, \theta)$ với kích thước ma trận chữ nhật cố định: $$I(x(r, \theta), y(r, \theta)) \rightarrow I(r, \theta), \quad r \in [R_p, R_l], , \theta \in [0, 2\pi]$$
  3. Phân rã biến đổi đa hướng: Thực hiện FDCT dạng bọc trên miền tần số thông qua định lý Plancherel: $$c_{j,l,k} = \frac{1}{(2\pi)^2} \int \hat{f}(\boldsymbol{\omega}) U_j(R_{\theta_l} \boldsymbol{\omega}) e^{i \langle \mathbf{x}_k^{(j,l)}, \boldsymbol{\omega} \rangle} d\boldsymbol{\omega}$$
  4. Trích xuất đặc trưng & Nén chiều: Áp dụng PCA để trích xuất các vector riêng mang phương sai lớn nhất, kết hợp SVD để tạo vector đặc trưng bất biến co giãn.
  5. So khớp & Đánh giá thống kê: Đo lường sai số thông qua khoảng cách Hamming ($d_H = \frac{1}{N} \sum_{i=1}^N u_i \oplus v_i$), khoảng cách Euclid có trọng số, vẽ đường cong ROC và tính toán các chỉ số FAR, FRR, EER.

Data và phân tích

Chi tiết các tập dữ liệu thực nghiệm:

  • CMU Multi-PIE: Dung lượng >305GB, 750.000+ ảnh, 337 đối tượng, 15 góc quay ($0^\circ, \pm 15^\circ, \dots, \pm 90^\circ$), 19 điều kiện chiếu sáng flash mô phỏng sự biến thiên chiếu sáng khắc nghiệt.
  • FERET: 14.126 ảnh chân dung của 1.199 người, phân bổ thành các tập huấn luyện (fa, fb) và tập kiểm thử (dup1, dup2) nhằm kiểm tra độ bền vững diện mạo theo thời gian.
  • CASIA-IrisV3: Bao gồm 3 tập con chuyên biệt: CASIA-Interval (2.639 ảnh, $320 \times 280$, NIR cận cảnh), CASIA-Twins (3.118 ảnh, $640 \times 480$, 100 cặp song sinh), CASIA-Lamp (16.212 ảnh, $640 \times 480$, bật/tắt đèn đột ngột gây co giãn con ngươi mạnh).
  • ICE 2005 (NIST): 2.953 ảnh, 132 đối tượng, chụp bằng cảm biến LG EOU 2200 với độ phân giải $480 \times 460$ điểm ảnh.
  • UBIRIS: 12.102 ảnh của 261 đối tượng, độ phân giải $300 \times 400$ điểm ảnh định dạng TIFF, chụp dưới ánh sáng khả kiến (VW) với cơ cấu nhân khẩu học: 90% người da trắng, 8% da đen và 2% châu Á, mô phỏng hoàn hảo các yếu tố nhiễu môi trường thực tế.

Môi trường tính toán và phần mềm: Toàn bộ thuật toán được hiện thực hóa bằng ngôn ngữ C++ và Python, tối ưu hóa tính toán ma trận và phân rã đồ thị trên nền tảng vi xử lý đa nhân CPU kết hợp tăng tốc phần cứng GPU thông qua kiến trúc NVIDIA CUDA.

Phát hiện đột phá và implications

Những phát hiện then chốt

Dữ liệu thực nghiệm của luận án cung cấp 4 phát hiện khoa học đột phá:

"Cùng với xu thế ứng dụng công nghệ nhận dạng thời gian thực trong các hệ thống IoT, các ảnh dữ liệu đầu vào thường được chụp một cách thiếu chủ động trong các điều kiện môi trường khác nhau... Các yếu tố bất lợi trên sẽ làm phát sinh các thành phần nhiễu, làm giảm lượng thông tin có thể sử dụng trong các ảnh đầu vào, từ đó làm tăng tỉ lệ sai sót trong nhận dạng."

  1. Hiệu năng vượt trội của mô hình bù sáng SDWTL: Trên CSDL CMU-PIE và FERET, thuật toán SDWTL cho kết quả nhận dạng vượt trội hoàn toàn so với các thuật toán tiền xử lý kinh điển như ASVD, ASVDW, Eigenface, Gradientface và Weberface. SDWTL giúp bảo tồn độ tương phản cấu trúc khuôn mặt và khôi phục trung thực các vùng bị tối cục bộ do bóng đổ mà không làm bão hòa màu sắc.
  2. Khả năng bóc tách nhiễu vi cấu trúc của Dijkstra đa nguồn cải tiến: Việc chuyển đổi bài toán phân đoạn tròng mắt sang bài toán tìm đường đi ngắn nhất trên đồ thị vô hướng điểm ảnh giúp loại bỏ triệt để các nhiễu dạng dải mỏng (lông mi thực, lông mi giả, nếp mí mắt và vệt phản xạ khúc xạ). Tốc độ tính toán của Dijkstra cải tiến vượt trội hơn hẳn so với thuật toán RCHT truyền thống và các phương pháp lát cắt đồ thị (Graph Cuts) cổ điển, giảm thiểu thời gian khởi tạo đồ thị và định tuyến điểm ảnh.
  3. Độ nén thông tin và tính trực giao của FDCT kết hợp PCA và SVD: Việc trích xuất đặc trưng tròng mắt bằng biến đổi Curvelet nhanh rời rạc giúp biểu diễn các hoa văn và nếp gấp tròng mắt dưới dạng các hệ số thưa tối ưu. Khi kết hợp với PCA và SVD, hệ thống giảm chiều dữ liệu hơn 85% nhưng vẫn giữ lại các thành phần thông tin mang tính phân biệt cao nhất, nâng cao độ chính xác nhận dạng trung bình trên cả hai CSDL UBIRIS và CASIA.
  4. Sự cộng hưởng độ chính xác từ kiến trúc song song FDCT - DTCWT: Luận án chứng minh rằng việc kết hợp song song hai nhánh biến đổi FDCT (mạnh về định hướng đường cong) và DTCWT (mạnh về tính bất biến dịch chuyển pha) mang lại mức cải thiện EER đột phá so với việc sử dụng đơn lẻ từng phép biến đổi.

"Việc áp dụng các quá trình biến đổi rời rạc một cách riêng rẽ có thể dẫn đến lượng thông tin nhận dạng hữu ích sẽ không được xử lý đầy đủ, từ đó gây ra các tỉ lệ sai sót trong kết quả cuối cùng của các hệ thống sinh trắc học."

"Đối với các mắt phải, tỉ lệ nhận dạng thành công có thể lên tới trên 99,5%. Đối với các ảnh mắt trái, tỉ lệ này dao động từ 99% đến 99,5%. ICE 2005 là CSDL ảnh đầu tiên thể hiện mối tương quan trong nhận dạng giữa mắt phải và mắt trái của cùng một đối tượng."

Implications đa chiều

  • Đóng góp học thuật lý thuyết: Mở rộng lý thuyết xấp xỉ đa tỉ lệ trong xử lý ảnh y sinh và thị giác máy tính, cung cấp mô hình giải tích mới kết hợp giữa biến đổi miền tần số và đại số tuyến tính thích nghi (Log-DWT-SVD).
  • Đổi mới phương pháp luận: Thiết lập quy trình phân vùng ảnh cấp độ điểm ảnh dựa trên đồ thị tối ưu hóa, có thể chuyển giao cho các bài toán phân đoạn ảnh y tế phức tạp như ảnh cắt lớp võng mạc (OCT), ảnh MRI não hoặc chụp X-quang mạch máu.
  • Ứng dụng thực tiễn an ninh - quốc phòng: Cung cấp lõi công nghệ trực tiếp cho các hệ thống kiểm soát xuất nhập cảnh tại sân bay, cửa khẩu biên giới, hệ thống camera giám sát an ninh công cộng và các thiết bị nhận dạng chuyên dụng của lực lượng Công an và Quân đội.
  • Tác động chính sách và tiêu chuẩn hóa: Đóng góp luận cứ khoa học để hoàn thiện các quy chuẩn kỹ thuật quốc gia về định danh sinh trắc học điện tử và cơ sở dữ liệu định danh công dân.

Limitations và Future Research

Nghiên cứu thẳng thắn chỉ ra 3 hạn chế nội tại:

  1. Độ phức tạp bộ nhớ của đồ thị điểm ảnh: Khi kích thước ảnh đầu vào vượt quá ngưỡng Ultra-HD (4K), ma trận kề của đồ thị 8 liên kết đòi hỏi dung lượng RAM lớn, gây áp lực lên tài nguyên của các vi điều khiển nhúng công suất thấp.
  2. Giới hạn góc nghiêng khuôn mặt (Pose limitation): Mô hình SDWTL hoạt động tối ưu nhất với góc xoay khuôn mặt trong khoảng $\pm 30^\circ$. Khi đối tượng quay góc nghiêng lớn ($>45^\circ$ hoặc $90^\circ$), hiện tượng tự che khuất (self-occlusion) làm suy giảm hiệu quả trích xuất đặc trưng.
  3. Sự phụ thuộc vào tham số dung hợp $\lambda$: Trọng số kết hợp khoảng cách giữa FDCT và DTCWT hiện được xác lập thông qua tối ưu hóa thực nghiệm tĩnh trên tập huấn luyện, chưa tự động thích nghi theo thời gian thực đối với từng chất lượng ảnh đầu vào cụ thể.

Chương trình nghiên cứu tiếp theo (Future Research Agenda):

  • Hướng 1: Thiết kế kiến trúc phần cứng chuyên dụng trên chip FPGA hoặc vi xử lý thần kinh (NPU) để tăng tốc độ thực thi thuật toán Dijkstra đa nguồn và biến đổi FDCT dạng bọc đạt tần số khung hình $>60\text{ fps}$.
  • Hướng 2: Tích hợp mô hình học sâu tự giám sát (Self-supervised Deep Learning) để tự động học trọng số dung hợp $\lambda(I)$ dựa trên điểm đánh giá chất lượng ảnh theo chuẩn ISO/IEC 29794-6.
  • Hướng 3: Mở rộng mô hình lọc số SDWTL cho luồng video màu động (Color Video Streams) trong điều kiện chiếu sáng biến đổi liên tục.
  • Hướng 4: Nghiên cứu ứng dụng tổ hợp biến đổi FDCT - DTCWT cho các phương thức sinh trắc học tiềm năng khác như vân mạch máu lòng bàn tay (Palm Vein) và mạng lưới mạch máu võng mạc (Retina Biometrics).

Tác động và ảnh hưởng

  • Tác động học thuật: Đóng góp một hệ phương pháp luận hoàn chỉnh về lọc số và trích xuất đặc trưng đa thang định hướng, mở ra tài liệu tham khảo chất lượng cao cho các nhóm nghiên cứu về xử lý tín hiệu số, trí tuệ nhân tạo và an toàn thông tin.
  • Chuyển đổi công nghiệp & An ninh: Cung cấp giải pháp phần mềm tự chủ công nghệ cao cho các tập đoàn công nghệ và công nghiệp an ninh quốc phòng trong nước (như Viettel, VNPT, VinAI), giảm sự phụ thuộc vào các thuật toán thương mại đóng gói từ nước ngoài.
  • Lợi ích xã hội: Góp phần nâng cao độ chính xác của hệ thống căn cước công dân số, cổng dịch vụ công trực tuyến, thanh toán điện tử không tiếp xúc và bảo vệ dữ liệu cá nhân trước nguy cơ giả mạo sinh trắc học.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà khoa học trẻ: Tiếp cận khung phân tích toán học mẫu mực kết hợp giữa biến đổi giải tích hình học ($L^2(\mathbb{R}^2)$) và các thuật toán đồ thị ứng dụng trong thị giác máy tính.
  • Chuyên gia & Kỹ sư R&D Thị giác Máy tính: Khai thác mã nguồn thuật toán SDWTL và mô hình kết hợp FDCT-PCA-SVD để tích hợp vào các sản phẩm camera AI biên (Edge AI Camera), thiết bị di động và máy chấm công thông minh.
  • Cơ quan Quản lý An ninh & Nhà hoạch định Chính sách: Sở hữu luận cứ khoa học để thẩm định, lựa chọn công nghệ và triển khai các hệ sinh thái sinh trắc học quy mô quốc gia bảo đảm an toàn, tin cậy.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc mở rộng lý thuyết xấp xỉ đa tỉ lệ hình học của Candès & Donoho kết hợp với mô hình phản xạ Retinex và phân rã giá trị suy biến (SVD) sang miền Wavelet không gian màu (thuật toán SDWTL). Khác với các mô hình trước đây chỉ xử lý cục bộ trên ảnh xám, SDWTL chứng minh rằng việc thao tác trên ma trận giá trị suy biến của thành phần tần số thấp $LL$ trong miền DWT của từng kênh logarit màu cho phép chuẩn hóa bức xạ chiếu sáng mà không làm biến dạng cấu trúc pha và tỉ lệ sắc độ tự nhiên của khuôn mặt.

2. Sự đổi mới về phương pháp luận so với các nghiên cứu tiền nhiệm quốc tế thể hiện ở đâu?

So với toán tử vi tích phân Daugman (1993) và biến đổi Hough tròn RCHT (Wildes, 1997; Kong & Zhang, 2007), luận án đổi mới căn bản phương pháp phân vùng tròng mắt bằng cách chuyển đổi bài toán hình học liên tục sang bài toán tối ưu rời rạc trên đồ thị điểm ảnh 8 liên kết thông qua thuật toán Dijkstra đa nguồn cải tiến. Sự đổi mới này giải quyết triệt để vấn đề phân đoạn không đồng nhất khi ranh giới tròng mắt bị che khuất bởi lông mi hoặc phản chiếu quang học, giảm thiểu sai số phân vùng cục bộ mà không cần phụ thuộc vào giả định tròng mắt phải có dạng hình tròn hoàn hảo.

3. Phát hiện thực nghiệm nào bất ngờ nhất và cơ sở dữ liệu nào chứng minh điều đó?

Phát hiện bất ngờ nhất là việc kết hợp song song hai biến đổi rời rạc có bản chất toán học khác nhau (FDCT - phân rã theo lưới cực đa hướng và DTCWT - phân rã theo cây nhị phân phức bất biến dịch chuyển) mang lại mức giảm tỷ lệ EER sâu sắc hơn việc tăng bậc phân giải của bất kỳ phép biến đổi đơn lẻ nào. Điều này được chứng minh định lượng trên CSDL CASIA-IrisV3 và UBIRIS: sự kết hợp này tận dụng được tính bù trừ hoàn hảo giữa khả năng bắt biên cong của Curvelet và tính ổn định pha của DTCWT trước các rung lắc quang học.

4. Luận án có cung cấp quy trình tái lập thực nghiệm (Replication Protocol) hoàn chỉnh không?

Hoàn toàn đầy đủ. Luận án mô tả chi tiết: (1) Các công thức ánh xạ toán học từ tọa độ Descartes sang tọa độ cực; (2) Kích thước các ma trận chuẩn hóa; (3) Cấu trúc cây lọc số của 2D-DWT và DTCWT; (4) Ngưỡng tham chiếu phân bố Gauss chuẩn tắc $G(\mu, \sigma)$; (5) Quy tắc cập nhật nhãn trong thuật toán Dijkstra; (6) Quy trình kiểm định chéo và phân chia tập huấn luyện/kiểm thử trên các CSDL mở CMU-PIE, FERET, CASIA-IrisV3, ICE 2005 và UBIRIS.

5. Lộ trình nghiên cứu 10 năm tiếp theo được định hình như thế nào?

Lộ trình 10 năm được định hình theo trục tích hợp "Giải tích toán học - Trí tuệ nhân tạo - Phần cứng chuyên dụng":

  • Giai đoạn 1 (1-3 năm): Đóng gói thư viện thuật toán C++/CUDA mã nguồn mở, tối ưu hóa các bộ lọc FDCT/DTCWT cho các dòng chip xử lý biên NPU/FPGA.
  • Giai đoạn 2 (4-6 năm): Xây dựng mạng nơ-ron sâu lai ghép (Deep Hybrid Networks) kết hợp các lớp tích chập Curvelet/DTCWT có thể học được (Learnable Wavelet Layers) phục vụ nhận dạng khuôn mặt và tròng mắt từ khoảng cách xa ($>3\text{ mét}$) trên luồng video giám sát.
  • Giai đoạn 3 (7-10 năm): Mở rộng hệ thống thành nền tảng xác thực sinh trắc học đa phương thức không tiếp xúc (Multimodal Contactless Biometrics: Face + Iris + Periocular + Palmvein) ứng dụng trong nhận diện danh tính công dân toàn cầu và an ninh không gian mạng.

Kết luận

Luận án tiến sĩ kỹ thuật của tác giả Nguyễn Nam Phúc đã giải quyết thành công các bài toán cốt lõi trong lĩnh vực xử lý ảnh sinh trắc học thông qua 5 đóng góp học thuật then chốt:

  1. Xây dựng thành công mô hình bù sáng thích nghi SDWTL trên không gian màu RGB, tích hợp biến đổi logarit, 2D-DWT và phân giải giá trị suy biến, loại bỏ triệt để ảnh hưởng của sự biến thiên nguồn sáng mà không làm sai lệch thông tin cấu trúc khuôn mặt.
  2. Phát triển thuật toán Dijkstra đa nguồn cải tiến trên đồ thị vô hướng điểm ảnh, mang lại giải pháp phân vùng tròng mắt chính xác cao, bóc tách hoàn toàn các thành phần nhiễu vi cấu trúc phức tạp (lông mi, mí mắt, phản xạ) với thời gian tính toán tối ưu.
  3. Đề xuất mô hình trích xuất đặc trưng FDCT - PCA - SVD tối ưu hóa biểu diễn các đường cong kỳ dị $C^2$ của hoa văn tròng mắt, đạt tỷ lệ nén chiều dữ liệu cao và tính bất biến quang học vượt trội.
  4. Thiết lập kiến trúc nhận dạng song song FDCT và DTCWT kết hợp mô hình khoảng cách lai (Hamming - Euclid), nâng cao đáng kể độ chính xác và giảm thiểu tỷ lệ bình đẳng lỗi (EER) trên các bộ dữ liệu thách thức chuẩn quốc tế.
  5. Đóng góp kho tri thức thực nghiệm đồ sộ thông qua việc kiểm chứng nghiêm ngặt trên hơn 750.000 ảnh từ 5 CSDL quốc tế uy tín (CMU Multi-PIE, FERET, CASIA, ICE 2005, UBIRIS), khẳng định tính khả thi và độ tin cậy tuyệt đối khi chuyển giao vào các hệ thống an ninh sinh trắc học thực tế.

Công trình tạo nền tảng phương pháp luận vững chắc, mở ra các nhánh nghiên cứu mới trong lĩnh vực thị giác máy tính, xử lý tín hiệu số và góp phần khẳng định năng lực tự chủ công nghệ cao của nền khoa học kỹ thuật quân sự và dân dụng Việt Nam.