Lyhyt johdanto sormenjäljen skannerien solmujen uuttamiseen ja suodattamiseen

Solmun uutto ja suodatus sormenjälki -skannereissa ovat yleensä vaikeita. Tavallinen solmun uuttoprosessi kulkee tekstuurisuunnan laskennan, sormenjäljen segmentoinnin, sormenjäljen parantamisen, tekstuurin poiminnan ja binarisaation, tekstuurin hienostumisen ja lopuksi puhdistetun tekstuurin. Havaita kuvan solmut (viitataan pääasiassa päätepisteisiin ja haaroittumispisteisiin), puhdistetussa tekstuurikuvassa, päätepisteessä, rakenteessa on vain yksi vierekkäinen piste; Hajoamispisteessä tekstuurissa on ja vain kolme vierekkäistä pistettä, solmun uuttomenetelmän toinen tyyppi perustuu harmaan kuvan seuraamaan tekstuuria ja havaitsee solmun seuratakseen tekstuuria ja käyttää sitten epäsymmetriaa Avaruus solmussa solmun havaitsemiseksi harmaasta kuvasta. Solmun uuttoalgoritmi kaipaa usein joitain todellisia solmuja ja tuottaa myös joitain vääriä solmuja. Oikean solmun havaitsemismerkkijonon parantaminen riippuu eri algoritmien tehokkuudesta solmun havaitsemisprosessissa. Lisäksi väärien solmujen vähentämiseksi Yiyin hyväksyy harjanteen parannusalgoritmin ja solmun suodatusalgoritmin väärien solmujen poistamiseksi. Kun solmut on havaittu, koneoppimismenetelmää käytetään kunkin solmun oikeellisuuden tarkistamiseen ja kunkin solmun tyypin korjaamiseen. B5MM: tä kutsutaan tietopohjaiseen menetelmään perustuen harjuja, mikä vähentää väärien solmujen havaitsemista. Yin Quimin omaksuu tietopohjaisen menetelmän väärien solmujen poistamiseksi.

Tekstuurin laskentakenttä on suhteellisen yksinkertainen ja riippuu pääasiassa suunnan oikeasta laskelmasta ja tekstuurin oikeasta poiminnasta. Yksinkertaisuuden vuoksi tekstuurin laskentamenetelmästä on vähän raportteja, ja oletetaan, että tekstuurikausi on vakio. Lasketaan automaattinen määrä linjoja, ja jotkut sormenjälkien sovitusalgoritmit käyttävät rivien lukumäärää erityislähettiläänä.
Kuvanlaatulaskelma on erittäin tärkeää laskea kuvanlaatu automaattisessa sormenjälkitunnistusjärjestelmässä. Laskemalla kuvanlaatu, se voi estää heikkolaatuisia sormenjälkikuvia rekisteröitymisen tietokantaan, jotta järjestelmän oikeellisuutta voidaan parantaa. Sormenjälkikuvan laadun laskentamenetelmä perustuu suunnan ja ei-suuntaisten alueiden suhteeseen liittyvään menetelmään J. Menetelmä 6, joka perustuu gammasuodattimeen, aaltoketjun pakkaukseen perustuvan menetelmän, vaikka useita menetelmiä sormenjälkikuvien laadun laskemiseksi on ehdotettu, on ehdotettu, on ehdotettu, Ei ole tunnistettua standardia, joka voi mitata laskentamenetelmän laatua.