Pengantar singkat untuk ekstraksi node dan penyaringan nilai fitur sidik jari di pemindai sidik jari

Ekstraksi dan penyaringan simpul pada pemindai sidik jari umumnya sulit. Proses ekstraksi simpul biasa melalui perhitungan arah tekstur, segmentasi sidik jari, peningkatan sidik jari, ekstraksi tekstur dan binarisasi, penyempurnaan tekstur, dan akhirnya tekstur yang disempurnakan. Deteksi node dalam gambar (terutama merujuk ke titik akhir dan titik bifurkasi), dalam gambar tekstur yang disempurnakan, untuk titik akhir, hanya ada satu titik yang berdekatan pada tekstur; Untuk titik bifurkasi, ada dan hanya tiga titik yang berdekatan pada tekstur, jenis kedua metode ekstraksi simpul didasarkan pada gambar abu -abu untuk melacak tekstur, dan mendeteksi node saat melacak tekstur, dan kemudian menggunakan asimetri dari Ruang di simpul untuk mendeteksi node dari gambar abu -abu. Algoritma ekstraksi node sering melewatkan beberapa node nyata, dan juga menghasilkan beberapa node yang salah. Meningkatkan string deteksi simpul yang benar tergantung pada efektivitas berbagai algoritma dalam proses deteksi node. Selain itu, untuk mengurangi node yang salah, Yiyin mengadopsi algoritma peningkatan Ridge dan algoritma penyaringan simpul untuk menghapus node yang salah. Setelah node terdeteksi, metode pembelajaran mesin digunakan untuk memverifikasi kebenaran setiap node dan memperbaiki jenis setiap node. B5mm disebut berdasarkan metode berbasis pengetahuan meningkatkan punggung bukit, sehingga mengurangi deteksi node yang salah. Yin Quimin mengadopsi metode berbasis pengetahuan untuk menghapus node yang salah.

Bidang penghitungan tekstur relatif sederhana, dan terutama tergantung pada perhitungan arah yang benar dan ekstraksi tekstur yang benar. Karena kesederhanaannya, ada beberapa laporan tentang metode perhitungan tekstur, dan diasumsikan bahwa periode tekstur konstan. Jumlah garis otomatis dihitung, dan beberapa algoritma pencocokan sidik jari menggunakan jumlah garis sebagai utusan khusus.
Perhitungan kualitas gambar, sangat penting untuk menghitung kualitas gambar dalam sistem identifikasi sidik jari otomatis. Dengan menghitung kualitas gambar, ia dapat mencegah gambar sidik jari berkualitas rendah terdaftar dalam database, sehingga kebenaran sistem dapat ditingkatkan. Metode perhitungan kualitas gambar sidik jari didasarkan pada metode untuk rasio wilayah arah dan non-arah J. Metode 6 berdasarkan filter gamma, metode berdasarkan kompresi wavelet, meskipun beberapa metode untuk menghitung kualitas gambar sidik jari telah diusulkan, Tidak ada standar yang diakui yang dapat mengukur kualitas metode perhitungan.