Sormenjälkiominaisuuksien poiminta sormenjälkikuvasta sormenjälkiajan osallistumisen kulunvalvontakoneessa

Sormenjälkipisteen ominaisuudet, joita sormenjäljen osallistumisen hallintakoneet yleensä käyttävät sormenjälkitunnistuksessa, ovat solmut, yksittäiset pisteet ja viivat jne. Solmut sisältävät pääasiassa päätepisteitä ja pisteitä, ja yksittäiset pisteet sisältävät ydinpisteitä ja kolmiopisteitä. Uutetut sormenjälkiominaisuudet käytetään sormenjälkien sovittamiseen. Sormenjälkiominaisuuksien uuttamiseen liittyvät keskeiset tekniikat sisältävät pääasiassa tekstuurisuunnan laskelman, tekstuurin taajuuden laskelman, ydinpiste- ja kolmion pisteen havaitsemisen, sormenjäljen segmentoinnin, sormenjäljen parantamisen, tekstuurin poiminnan ja hienostumisen, solmun poiminnan ja suodattamisen sekä tekstuurimäärän. Laskenta jne.

Tekstuurisuunnan laskeminen on sormenjälkien tunnistamisen perusta. Suurin osa sormenjälkien tunnistamisen algoritmeista perustuu suuntaan, kuten taajuuden laskenta, tekstuurin seuranta, ydinpisteiden ja kolmiopisteiden havaitseminen, sormenjäljen segmentointi, sormenjäljen parantaminen, solmun kohdistus jne. Suurin osa algoritmeista perustuu orientaatioon. Tekstuurisuunnan laskentamenetelmä perustuu pikselien väliseen harmaan tasoon, vertaa kutakin 2x2 -lohkoa neljän reunan mallipohjalla pikselilohkon suunnan purkamiseksi ja tekee sitten keskimääräisen arvion suuremman alueen perusteella, että sitä enemmän, jos se on vaikeaa Suunnan määrittämiseksi Planer käyttää harmaasävyjen kohdistusmenetelmää tekstuurisuunnan laskemiseen, diskreisoituu tekstuurisuunta 16 suuntaan ja laskee kunkin pikselin harmaasävykonsulssin kumpaankin suuntaan. Ota suunta parhaalla konsistenssilla kodin suunnana ja laske harmaasävymuutos kumpaankin suuntaan, harmaasävymuutos viljasuuntaa pitkin on pienin ja harmaasävy muuttuu kohtisuoraan suuntaan nähden on suurin. Muunna teksturoidut pikselit ja tekstimoimattomat pikselit, diskreisoi tekstuurisuunta 16 suuntaan ja laske kunkin pikselin pikselityypin konsistenssi kumpaankin suuntaan, käytä projisointimenetelmää tekstuurisuunta ja jaa sormenjälkikuva A: ksi 32N32 -lohkon koko ja laske kunkin lohkon projektio eri suuntiin, siirry suunnan suurimmalla projisointiarvikkeudella ja käytä hierarkkista hermostoverkkoa suuntakentän laskemiseen. Tällä hetkellä laajimmin käytetty tekstuurisuunnan laskentamenetelmä perustuu kaltevuuteen. Menetelmä on huono. Tämä menetelmä laskee sormenjälkikuvan gradienttivektorin jokaisessa pikselissä. Gradienttivektorin suunta edustaa sormenjälkikuvan nopeinta harmaasävymuutosta tätä suuntaa pitkin pikseliä, ja gradienttivektorin koko edustaa harmaasävymuutoksen nopeutta. Kuvan tekstuurin reunalla oleva pikseligradientti on suurempi, tällä menetelmällä laskettu tekstuurisuunta määritetään periaatteessa niiden pikselien avulla, joilla on suurempi gradientti, ja kuvan gradientisuunta tekstuurin reunalla on periaatteessa kohtisuorassa tekstuurisuunta. Kunkin alueen tekstuurisuunta perustuu kaikkiin alueen kaupunkeihin.
Pikselin gradienttivektori on laskettu, ja reunakuvan kaapelin gradienttivektorisuunta tekstuurin vasemmalla ja oikealla puolella on aivan päinvastainen, jotta vältetään keskinäinen peruutus laskelmassa. Laskelmassa antimon -asteen vektori on neliö, ja tekstuurin vasemmalla ja oikealla puolella olevien reunapikselien neliömäinen gradienttivektori osoittaa suunnilleen samaan suuntaan, ja sitten lasketaan neliön gradienttivektorin keskimääräinen suunta. Koska neliön gradienttivektorin suunta on kahdesti neliömäisen gradienttivektorin suunta, melkein neliön gradienttivektorin melkein keskimääräisen suunnan 1 Ni on tekstuurin pystysuunta. Gradienttipohjaisen menetelmän ongelmana on, että kun useimpien reunapikselien gradientisuunta ei sovellu tekstuurin suuntaan, väärä suunta lasketaan alkuperäisenä kuvana, joka on suunnan estimointitulos. Elliptisellä alueella on monia vääriä suuntaarvioita, jotka ovat lähialueen kuvan asteittaista laajentumista siitä lähtien, kun kansallista imagoa zoomaa, voidaan nähdä, että useimpien reunapikselien gradienttivektorit eivät ole kohtisuorassa tekstuurin suunta, mikä johtaa väärään suuntaan arviointiin. Menetelmä voi korjata suhteellisen eristetyn työn väärän suunnan, mutta kun tietyn alueen väärä suunta on enemmistö, ei vain väärän suunnan tunne voidaan korjata. Oikea suunta korjataan väärin, ja ydinpiste lähellä oleva suunta poikkeaa usein todellisesta suunnasta alipäästösuodatuksen jälkeen. Kun tekstuurin kaarevuus ydinpistettä lähellä on suuri.