Unfortunately, computation of appro

Unfortunately, computation of appropriate registration parameters
is complicated. Even the simplest models must first nominate
features that are invariant between known-match images. Clearly
minutiae coordinates (x, y) will vary between misregistered
known-matches, so automated algorithms must seek alternative
features (or alternative means) of deducing correspondences. One
approach to this problem is to generate Delaunay triangles using
minutiae as vertices (Fig. 1) [12]. Ideally, minutia triplets generate
triangles that possess invariant features (inner angles and ratio of
sides) which in turn nominate a series of candidate control points
that can be used to compute the registration parameters that
maximize the similarity between two images [11,12].
The success associated with using triangulation as a means of
determining appropriate affine transformation parameters hinges
on the fact that the Delaunay triangulation of a set of points is both
unique, and possess high local stability [19]. However, the stability
has a limit; extreme low quality prints with a large number of
missing or spurious minutiae can result in triangulation maps that
lack any correspondence when compared to maps associated with
high quality known-match prints [11]. The result is an automated
registration procedure that will result in a low match score, despite
the presence of matching (but spatially distant and dispersed)
minutiae. In other words, the algorithm is sensitive to the number
of corresponding minutiae in a localized area, rather than the total
number of matching minutiae between two prints. However, the
match score that results from registration using triangulation is
actually a good measure of local correspondence and the presence of
minutiae with a compact spatial configuration (as opposed to
distant matching minutiae separated by unknown blocks of low
quality ridge detail).
Given the value of a cluster of corresponding minutiae (versus
spatially dispersed matching minutiae separated by voids in
clarity), the automated registration employed for this study was
based on Delaunay triangulation to extract invariant features in
both high quality and low quality fingerprints. The invariant
features were used to nominate candidate matching control points
(minutiae) allowing computation of affine transformation variables
of rotation and translation

ผลลัพธ์ (ไทย) 1:

อับ คำนวณพารามิเตอร์การลงทะเบียนที่เหมาะสมมีความซับซ้อน ต้องเสนอแม้แต่รูปแบบที่ง่ายที่สุดก่อนคุณลักษณะที่นิ่งระหว่างรู้จักจับคู่ภาพ อย่างชัดเจนminutiae พิกัด (x, y) จะแตกต่างกันระหว่าง misregisteredรู้จักตรง อัลกอริทึมแบบอัตโนมัติดังนั้นต้องแสวงหาทางเลือกคุณลักษณะ (หรือวิธีอื่น) ของ deducing ตอบกลับ หนึ่งวิธีการปัญหานี้คือการ สร้างสามเหลี่ยม Delaunay ใช้minutiae เป็นจุดยอด (Fig. 1) [12] ดาว minutia triplets สร้างสามเหลี่ยมที่มีบล็อกคุณลักษณะ (มุมภายในและอัตราส่วนของด้าน) ซึ่งจะเสนอชุดผู้ควบคุมคะแนนที่สามารถใช้ในการคำนวณพารามิเตอร์การลงทะเบียนที่ขยายความคล้ายกันระหว่างภาพสองภาพ [11,12]ความสำเร็จที่เกี่ยวข้องกับการใช้ระบบสามสกุลว่ากำหนด hinges พารามิเตอร์ affine แปลงที่เหมาะสมกับระบบสามสกุล Delaunay ของชุดของจุดทั้งสองเฉพาะ และมีความมั่นคงภายในสูง [19] อย่างไรก็ตาม ความมั่นคงมีขีดจำกัด คุณภาพต่ำมากพิมพ์ที่ มีจำนวนมากminutiae ที่ขาดหายไป หรือปลอมอาจส่งผลในระบบสามสกุลเงินแผนที่ที่ขาดการติดต่อใด ๆ เมื่อเปรียบเทียบกับแผนที่ที่เกี่ยวข้องกับคุณภาพสูงเป็นที่รู้จักตรงพิมพ์ [11] ผลลัพธ์ที่ได้จะเป็นแบบอัตโนมัติขั้นตอนการลงทะเบียนที่จะเกิดในต่ำตรงกับคะแนน แม้มีสถานะของการจับคู่ (แต่ spatially ไกล และกระจัดกระจาย)minutiae ในคำอื่น ๆ อัลกอริทึมมีผลกระทบต่อจำนวนminutiae ที่เกี่ยวข้องในพื้นที่ท้องถิ่น แทนผลรวมของจำนวน minutiae ที่ตรงกันระหว่างสองพิมพ์ อย่างไรก็ตาม การตรงกับคะแนนที่เป็นผลจากการลงทะเบียนใช้ระบบสามสกุลที่จริงวัดดีติดต่อท้องถิ่นและของminutiae มีโครงกระชับพื้นที่ (ซึ่งตรงกันข้ามการminutiae ไกลตรงแยก โดยไม่รู้จักบล็อกของต่ำคุณภาพริดจ์รายละเอียด)กำหนดค่าคลัสเตอร์ของ minutiae ที่สอดคล้องกัน (เมื่อเทียบกับspatially กระจายตรง minutiae ยอ voids ในมีการลงทะเบียนอัตโนมัติที่ทำงานสำหรับการศึกษานี้ความคมชัด),ตาม Delaunay สามแยกบล็อกคุณลักษณะในคุณภาพสูงและคุณภาพต่ำลายนิ้วมือ ไม่เปลี่ยนแปลงคุณสมบัติใช้ในการเสนอชื่อผู้สมัครที่ตรงกับจุดควบคุม(minutiae) ช่วยให้การคำนวณตัวแปรแปลง affineหมุนและแปล

ผลลัพธ์ (ไทย) 2:

แต่น่าเสียดายที่การคำนวณของพารามิเตอร์การลงทะเบียนที่เหมาะสมมีความซับซ้อน
แม้รูปแบบที่ง่ายที่สุดจะต้องเสนอชื่อมีคุณสมบัติที่มีค่าคงที่ระหว่างภาพที่รู้จักกันในการแข่งขัน เห็นได้ชัดว่าพิกัดข้อปลีกย่อย (x, y) จะแตกต่างกันระหว่าง misregistered ที่รู้จักกันตรงขั้นตอนวิธีอัตโนมัติเพื่อทางเลือกที่จะต้องแสวงหาคุณสมบัติ (หรือทางเลือก) จดหมายของ deducing หนึ่งในวิธีการที่จะแก้ไขปัญหานี้คือการสร้างรูปสามเหลี่ยม Delaunay ใช้ข้อปลีกย่อยเป็นจุด(รูปที่ 1). [12] จะเป็นการดีที่แฝด minutia สร้างรูปสามเหลี่ยมที่มีคุณสมบัติคงที่(มุมภายในและอัตราส่วนของด้าน) ซึ่งจะเสนอชื่อชุดของจุดควบคุมผู้สมัครที่สามารถนำมาใช้ในการคำนวณค่าพารามิเตอร์การลงทะเบียนที่เพิ่มคล้ายคลึงกันระหว่างสองภาพ [11,12] ความสำเร็จเกี่ยวข้องกับการใช้สมการเป็นวิธีการกำหนดค่าพารามิเตอร์การเปลี่ยนแปลงเลียนแบบที่เหมาะสมบานพับกับความจริงที่ว่าสมเนย์ของชุดของจุดเป็นทั้งที่ไม่ซ้ำกันและมีความมั่นคงสูงในท้องถิ่น[19] แต่ความมั่นคงมีขีด จำกัด ; พิมพ์ที่มีคุณภาพต่ำมากที่มีจำนวนมากของข้อปลีกย่อยที่หายไปหรือปลอมจะส่งผลในแผนที่สมการที่ขาดการติดต่อใดๆ เมื่อเทียบกับแผนที่ที่เกี่ยวข้องกับการที่มีคุณภาพสูงพิมพ์ที่รู้จักกันในการแข่งขัน[11] ผลที่ได้คืออัตโนมัติขั้นตอนการลงทะเบียนที่จะทำให้คะแนนการแข่งขันในระดับต่ำแม้จะมีการปรากฏตัวของการจับคู่(แต่ตำแหน่งที่ห่างไกลและแยกย้ายกันไป) คำข้อปลีกย่อย ในคำอื่น ๆ อัลกอริทึมมีความไวต่อจำนวนของข้อปลีกย่อยที่สอดคล้องกันในพื้นที่ที่มีการแปลมากกว่ารวมจำนวนข้อปลีกย่อยการจับคู่ระหว่างสองพิมพ์ อย่างไรก็ตามคะแนนการแข่งขันที่เป็นผลมาจากการลงทะเบียนโดยใช้สมการเป็นจริงเป็นมาตรการที่ดีของการติดต่อในท้องถิ่นและการปรากฏตัวของข้อปลีกย่อยที่มีการกำหนดค่าเชิงพื้นที่ที่มีขนาดกะทัดรัด(เมื่อเทียบกับข้อปลีกย่อยการจับคู่ที่ห่างไกลแยกจากกันโดยบล็อกที่ไม่รู้จักที่ต่ำรายละเอียดสันเขาที่มีคุณภาพ). ได้รับค่า ของกลุ่มของข้อปลีกย่อยที่สอดคล้องกัน (เมื่อเทียบกับการกระจายเชิงพื้นที่ข้อปลีกย่อยจับคู่แยกจากกันโดยช่องว่างในความคมชัด) การลงทะเบียนอัตโนมัติที่ใช้ในการวิจัยครั้งนี้อยู่บนพื้นฐานของสมเนย์จะดึงคุณสมบัติคงที่ในทั้งสองที่มีคุณภาพสูงและรอยนิ้วมือที่มีคุณภาพต่ำ คงคุณสมบัติที่ถูกนำมาใช้ในการเสนอชื่อผู้สมัครที่จุดควบคุมการจับคู่(ข้อปลีกย่อย) ที่ช่วยให้การคำนวณการเปลี่ยนแปลงของตัวแปรเลียนแบบของการหมุนและการแปล

ผลลัพธ์ (ไทย) 3:

ขออภัย การคำนวณค่าพารามิเตอร์ที่เหมาะสมการลงทะเบียน
มันซับซ้อน แม้แต่ง่ายรุ่นแรกต้องเสนอ
คุณสมบัติที่ไม่เปลี่ยนแปลงระหว่างรู้จักภาพตรงกัน อย่างชัดเจน
ข้อปลีกย่อยพิกัด ( x , y ) จะแตกต่างกันระหว่าง misregistered
ตรงกับที่รู้จักกัน จึงต้องแสวงหาทางเลือก
ขั้นตอนวิธีอัตโนมัติคุณลักษณะ ( หรือวิธีการทางเลือกของการโต้ตอบได้ หนึ่ง
วิธีการแก้ปัญหานี้คือการสร้างเนย์สามเหลี่ยมใช้
ข้อปลีกย่อยเป็นจุด ( รูปที่ 1 ) [ 12 ] ใจกลาง minutia แฝดสร้าง
รูปสามเหลี่ยมที่มีคุณลักษณะค่าคงที่ ( มุมด้านใน และอัตราส่วนของ
ด้าน ) ซึ่งจะเสนอชื่อผู้สมัครชุดควบคุมคะแนน
ที่สามารถใช้เพื่อคำนวณการลงทะเบียนค่า
เพิ่มความเหมือนระหว่างสองภาพ 11,12
[ ]ความสำเร็จที่เกี่ยวข้องกับการใช้รูปสามเหลี่ยมเป็นวิธีการกำหนดที่เหมาะสมรวมการเปลี่ยนแปลงพารามิเตอร์บานพับ

ในความเป็นจริงที่เนย์สามเส้าของชุดของจุดทั้ง
ที่เป็นเอกลักษณ์ และมีความมั่นคงสูงท้องถิ่น [ 19 ] อย่างไรก็ตาม เสถียรภาพ
มีขีดจำกัด ; พิมพ์คุณภาพมากน้อยกับจำนวนมากของ
หายไปหรือปลอมข้อปลีกย่อยได้ผลในแผนที่ที่
สามเส้าไม่มีการโต้ตอบใด ๆเมื่อเทียบกับแผนที่ที่เกี่ยวข้องกับ
คุณภาพสูงรู้จักราคาพิมพ์ [ 11 ] ผลที่ได้คืออัตโนมัติ
ขั้นตอนการลงทะเบียน ซึ่งจะส่งผลให้คะแนนที่ราคาต่ำ แม้จะมีการแสดงตนของการจับคู่
( แต่เปลี่ยนไปไกลและกระจายข้อปลีกย่อย )
. ในคำอื่น ๆที่เป็นกลไกที่ละเอียดอ่อนจำนวน
ของข้อปลีกย่อยถิ่นที่ในพื้นที่ แทนที่จะรวม
จำนวนของการจับคู่ระหว่างข้อปลีกย่อยพิมพ์ 2 อย่างไรก็ตาม
ตรงกับคะแนนที่เป็นผลจากการลงทะเบียนโดยใช้สามเหลี่ยมคือ
ที่จริงมาตรการที่ดีของการติดต่อในท้องถิ่นและมีขนาดกะทัดรัด
ข้อปลีกย่อยพื้นที่ค่า ( เป็นนอกคอก
ไกลจับคู่ข้อปลีกย่อยโดยแยกบล็อกที่ไม่รู้จักคุณภาพรายละเอียดสันเขาน้อย

)ให้คุณค่าของคลัสเตอร์ของข้อปลีกย่อยที่สอดคล้องกัน ( เทียบกับ
เปลี่ยนตรงกันคั่นด้วยช่องว่างกระจายข้อปลีกย่อยใน
ชัดเจน ) , อัตโนมัติการลงทะเบียนในการศึกษา
ตามเนย์สามเส้าเพื่อสกัดคุณลักษณะความ
ทั้งคุณภาพสูงและลายนิ้วมือคุณภาพต่ำ ที่ไม่เปลี่ยนแปลง
คุณสมบัติใช้เพื่อเสนอชื่อผู้สมัครที่ตรงกับจุดควบคุม
( ส่วนย่อย ) ให้คำนวณรวมการเปลี่ยนแปลงของตัวแปร
ของการหมุนและการแปล