指紋スキャナーでの指紋機能値のノード抽出とフィルタリングの簡単な紹介

指紋スキャナーのノード抽出とフィルタリングは一般に困難です。通常のノード抽出プロセスは、テクスチャ方向の計算、指紋セグメンテーション、指紋の強化、テクスチャの抽出と二等分、テクスチャの洗練、最後に洗練されたテクスチャを通過します。画像のノードを検出します（主にエンドポイントと分岐点を参照）、洗練されたテクスチャ画像では、エンドポイントには、テクスチャに隣接する点が1つしかありません。分岐点の場合、テクスチャには3つの隣接点があり、3つの隣接点のみがあり、2番目のタイプのノード抽出方法は、テクスチャを追跡するための灰色の画像に基づいており、テクスチャを追跡しながらノードを検出し、次に、灰色の画像からノードを検出するためのノードのスペース。ノード抽出アルゴリズムは、多くの場合、いくつかの実際のノードを見逃し、いくつかの間違ったノードを生成します。ノード検出の正しい文字列を改善することは、ノード検出プロセスにおけるさまざまなアルゴリズムの有効性に依存します。さらに、間違ったノードを減らすために、YiyinはRidge Enhancement AlgorithmとNode Filteringアルゴリズムを採用して、間違ったノードを削除します。ノードが検出された後、機械学習方法を使用して、各ノードの正しさを確認し、各ノードのタイプを修正します。 B5MMは、知識ベースの方法に基づいて呼び出され、尾根が強化され、それにより間違ったノードの検出が減少します。 Yin Quiminは、間違ったノードを削除するための知識ベースの方法を採用しています。

テクスチャカウントのフィールドは比較的単純であり、主に方向の正しい計算とテクスチャの正しい抽出に依存します。その単純さのため、テクスチャの計算方法に関するレポートはほとんどありません。テクスチャ期間は一定であると想定されています。自動回数の数が計算され、一部の指紋マッチングアルゴリズムは、行数を特別な使節として使用します。
画質計算では、自動指紋識別システムの画質を計算することが非常に重要です。画質を計算することにより、低品質の指紋画像がデータベースに登録されないようにし、システムの正しさを改善できるようにします。指紋の計算方法は、方向性領域と非方向性領域の比率の方法に基づいています。Methine-6に基づく方法6ウェーブレット圧縮に基づく方法。指紋画像の品質を計算するいくつかの方法が提案されていますが、計算方法の品質を測定できる認識された標準はありません。