지문 스캐너에서 노드 추출 및 지문 기능 값 필터링에 대한 간단한 소개

지문 스캐너의 노드 추출 및 필터링은 일반적으로 어렵습니다. 일반적인 노드 추출 프로세스는 텍스처 방향 계산, 지문 세분화, 지문 향상, 텍스처 추출 및 이항화, 텍스처 정제 및 세련된 텍스처를 거치게됩니다. 정제 된 텍스처 이미지에서 이미지에서 노드를 감지합니다 (주로 엔드 포인트 및 분기점 참조). 엔드 포인트의 경우, 텍스처에 인접한 점이 하나 뿐인 것입니다. 분기점의 경우 텍스처에 인접한 지점이 있는데, 두 번째 유형의 노드 추출 방법은 회색 이미지를 기반으로 텍스처를 추적하고 텍스처를 추적하는 동안 노드를 감지 한 다음 노드의 공간은 회색 이미지에서 노드를 감지합니다. 노드 추출 알고리즘은 종종 실제 노드를 놓치고 일부 잘못된 노드도 생성합니다. 올바른 노드 감지 문자열을 개선하면 노드 감지 프로세스에서 다양한 알고리즘의 효과에 따라 다릅니다. 또한, 잘못된 노드를 줄이기 위해 Yiyin은 Ridge 향상 알고리즘 및 노드 필터링 알고리즘을 채택하여 잘못된 노드를 제거합니다. 노드가 감지 된 후 기계 학습 방법은 각 노드의 정확성을 확인하고 각 노드의 유형을 수정하는 데 사용됩니다. B5MM은 지식 기반 방법을 기반으로 호출되면 융기 부분을 향상시켜 잘못된 노드의 감지를 줄입니다. Yin Quimin은 잘못된 노드를 삭제하기 위해 지식 기반 방법을 채택합니다.

텍스처 카운팅 필드는 비교적 단순하며 주로 방향의 올바른 계산과 텍스처의 정확한 추출에 따라 다릅니다. 단순성으로 인해 텍스처 계산 방법에 대한 보고서는 거의 없으며 텍스처 기간이 일정하다고 가정합니다. 자동 라인 수가 계산되고 일부 지문 일치 알고리즘은 라인 수를 특별 사절으로 사용합니다.
이미지 품질 계산은 자동 지문 식별 시스템에서 이미지 품질을 계산하는 것이 매우 중요합니다. 이미지 품질을 계산하면 데이터베이스에 저품질 지문 이미지가 등록되는 것을 방지하여 시스템의 정확성을 향상시킬 수 있습니다. 지문 이미지 품질의 계산 방법은 방향 및 비 방향 영역의 비율에 대한 방법을 기반으로합니다. 계산 방법의 품질을 측정 할 수있는 인식 된 표준은 없습니다.