- ข้อความ
- ประวัติศาสตร์
Int. J. Electron. Commun. (AEÜ) 65
Int. J. Electron. Commun. (AEÜ) 65 (2011) 742–749
Contents lists available at ScienceDirect
International Journal of Electronics and
Communications (AEÜ)
journal homepage: www.elsevier.de/aeue
A novel fingerprint matcher based on an ergodic 2-D Hidden Markov Model
Ashkan Tashk∗,1, Mohammad Sadegh Helfroush, Kamran Kazemi
Department of Electronic and Electrical Engineering, Shiraz University of Technology (sutech), Shiraz, Iran
a r t i c l e i n f o
Article history:
Received 17 June 2010
Accepted 29 November 2010
Keywords:
Ergodic topology
Embedded Hidden Markov Modeling
(EHMM)
Fingerprint matcher
Orientation field (OF)
a b s t r a c t
In this paper, a new approach for fingerprint ridge orientation field matching based on a novelHMM(Hidden
Markov Model) is proposed. The proposed method comprises several steps. First steps are devoted
to regular fingerprint preprocesses and ridge orientation estimation. Then, the fingerprint images are
registered along a reference point. Next, the proposed HMM topology is applied to the predetermined
fingerprint orientation field information around the reference point. The suggested HMM is of improved
training abilities. After applying the proposed HMM to the ridge orientation field, the matching cells are
produced. These cells consist of transition, observation and initial probability matrices which will be used
in the matching procedure. The proposed matching method has been evaluated using some creditable
fingerprint databases such as FVC2000 DB2 A, FVC2004 DB3 A and DB4 A. The evaluation results confirm
higher efficiency, robustness and accuracy for the proposed method compared with the previously
proposed matching ones.
© 2010 Elsevier GmbH. All rights reserved.
1. Introduction
There are several stages in all biometric recognition systems
[1]. Accordingly, fingerprint recognition systems comprise basic
stages listed as fingerprint image acquisition, image segmentation
and normalization, image enhancement, orientation field (OF) estimation,
feature extraction and fingerprint matching. Each of them
might comprise sub-stages or pre and post-processes. A typical
fingerprint identification system is illustrated in Fig. 1.
All fingerprint recognition systems include a key stage called
matcher. The function of this stage is of paramount importance
in finding the same fingerprint impressions. Fingerprint matching
has been approached by various strategies, such as image based
[2], ridge pattern based, point (minutiae) based [3], texture structure
based as a statistical approach [4] and graph based schemes
[5]. Among these methods, minutiae based approach is more reliable
and robust and therefore it is more conventional. However, the
accuracy of this method strictly depends on the quality of fingerprint
images, they are unable to tolerate large amounts of nonlinear
distortion in the fingerprint ridge structures. On the other hand,
all previous matching techniques rely on fingerprint ridge orientation
extraction. Fingerprint orientation estimation gives important
information about ridge and texture pattern of fingerprint images.
∗ Corresponding author.
E-mail addresses: tashk ashkan@ieee.org (A. Tashk), ms helfroush@sutech.ac.ir
(M.S. Helfroush), kamran.kazemi@u-picardie.fr (K. Kazemi).
1 IEEE member.
In fact, the correct functioning of any fingerprint recognition system
depends directly or indirectly on the OF information. Recently,
different methods have been proposed for improving the accuracy
and speed of fingerprint identification, verification and classification,
in all of which extracting the OF of fingerprint images has been
as the basic procedure [6,7].
There are many reasons for extensive usage of Markov chains
in digital signal and image processing. According to the nonstationary
identity of fingerprint images, it seems to bemore useful
to analyze such 2-D digital signals in terms of Hidden Markov Models
[8–10]. Moreover, because of its regular texture pattern, the
fingerprint ridge OF can be viewed as a Markov chain mentioned
in [11]. The matching approach proposed in this paper uses an
improved HMM structure based on fingerprint OF around a reference
point. In the suggested HMM, the essential information for
the matching procedure has been extracted based on an ergodic
topology and the related training operations. The higher accuracy
and robustness of the proposed method has been proved by reliable
evaluation experiments.
The rest of this paper is organized as follows: In Section 2, a
general overview of HMM theories and applications is given. Various
HMM topology species with their differences are discussed
in the first subsection of Section 3. The proposed method advantages
are also listed in this subsection. Section 3 also comprises
the implementation steps for the proposed matching method. The
evaluation strategies accompanied with their related experimental
results are specifically stated in Section 4. Finally, Section 5
includes discussions and conclusions of the proposed matching
method.
1434-8411/$ – see front matter © 2010 Elsevier GmbH. All rights reserved.
doi:10.1016/j.aeue.2010.11.002
Contents lists available at ScienceDirect
International Journal of Electronics and
Communications (AEÜ)
journal homepage: www.elsevier.de/aeue
A novel fingerprint matcher based on an ergodic 2-D Hidden Markov Model
Ashkan Tashk∗,1, Mohammad Sadegh Helfroush, Kamran Kazemi
Department of Electronic and Electrical Engineering, Shiraz University of Technology (sutech), Shiraz, Iran
a r t i c l e i n f o
Article history:
Received 17 June 2010
Accepted 29 November 2010
Keywords:
Ergodic topology
Embedded Hidden Markov Modeling
(EHMM)
Fingerprint matcher
Orientation field (OF)
a b s t r a c t
In this paper, a new approach for fingerprint ridge orientation field matching based on a novelHMM(Hidden
Markov Model) is proposed. The proposed method comprises several steps. First steps are devoted
to regular fingerprint preprocesses and ridge orientation estimation. Then, the fingerprint images are
registered along a reference point. Next, the proposed HMM topology is applied to the predetermined
fingerprint orientation field information around the reference point. The suggested HMM is of improved
training abilities. After applying the proposed HMM to the ridge orientation field, the matching cells are
produced. These cells consist of transition, observation and initial probability matrices which will be used
in the matching procedure. The proposed matching method has been evaluated using some creditable
fingerprint databases such as FVC2000 DB2 A, FVC2004 DB3 A and DB4 A. The evaluation results confirm
higher efficiency, robustness and accuracy for the proposed method compared with the previously
proposed matching ones.
© 2010 Elsevier GmbH. All rights reserved.
1. Introduction
There are several stages in all biometric recognition systems
[1]. Accordingly, fingerprint recognition systems comprise basic
stages listed as fingerprint image acquisition, image segmentation
and normalization, image enhancement, orientation field (OF) estimation,
feature extraction and fingerprint matching. Each of them
might comprise sub-stages or pre and post-processes. A typical
fingerprint identification system is illustrated in Fig. 1.
All fingerprint recognition systems include a key stage called
matcher. The function of this stage is of paramount importance
in finding the same fingerprint impressions. Fingerprint matching
has been approached by various strategies, such as image based
[2], ridge pattern based, point (minutiae) based [3], texture structure
based as a statistical approach [4] and graph based schemes
[5]. Among these methods, minutiae based approach is more reliable
and robust and therefore it is more conventional. However, the
accuracy of this method strictly depends on the quality of fingerprint
images, they are unable to tolerate large amounts of nonlinear
distortion in the fingerprint ridge structures. On the other hand,
all previous matching techniques rely on fingerprint ridge orientation
extraction. Fingerprint orientation estimation gives important
information about ridge and texture pattern of fingerprint images.
∗ Corresponding author.
E-mail addresses: tashk ashkan@ieee.org (A. Tashk), ms helfroush@sutech.ac.ir
(M.S. Helfroush), kamran.kazemi@u-picardie.fr (K. Kazemi).
1 IEEE member.
In fact, the correct functioning of any fingerprint recognition system
depends directly or indirectly on the OF information. Recently,
different methods have been proposed for improving the accuracy
and speed of fingerprint identification, verification and classification,
in all of which extracting the OF of fingerprint images has been
as the basic procedure [6,7].
There are many reasons for extensive usage of Markov chains
in digital signal and image processing. According to the nonstationary
identity of fingerprint images, it seems to bemore useful
to analyze such 2-D digital signals in terms of Hidden Markov Models
[8–10]. Moreover, because of its regular texture pattern, the
fingerprint ridge OF can be viewed as a Markov chain mentioned
in [11]. The matching approach proposed in this paper uses an
improved HMM structure based on fingerprint OF around a reference
point. In the suggested HMM, the essential information for
the matching procedure has been extracted based on an ergodic
topology and the related training operations. The higher accuracy
and robustness of the proposed method has been proved by reliable
evaluation experiments.
The rest of this paper is organized as follows: In Section 2, a
general overview of HMM theories and applications is given. Various
HMM topology species with their differences are discussed
in the first subsection of Section 3. The proposed method advantages
are also listed in this subsection. Section 3 also comprises
the implementation steps for the proposed matching method. The
evaluation strategies accompanied with their related experimental
results are specifically stated in Section 4. Finally, Section 5
includes discussions and conclusions of the proposed matching
method.
1434-8411/$ – see front matter © 2010 Elsevier GmbH. All rights reserved.
doi:10.1016/j.aeue.2010.11.002
0/5000
Int. J. Electron. Commun. (AEÜ) 65 (2011) 742–749Contents lists available at ScienceDirectInternational Journal of Electronics andCommunications (AEÜ)journal homepage: www.elsevier.de/aeueA novel fingerprint matcher based on an ergodic 2-D Hidden Markov ModelAshkan Tashk∗,1, Mohammad Sadegh Helfroush, Kamran KazemiDepartment of Electronic and Electrical Engineering, Shiraz University of Technology (sutech), Shiraz, Irana r t i c l e i n f oArticle history:Received 17 June 2010Accepted 29 November 2010Keywords:Ergodic topologyEmbedded Hidden Markov Modeling(EHMM)Fingerprint matcherOrientation field (OF)a b s t r a c tIn this paper, a new approach for fingerprint ridge orientation field matching based on a novelHMM(HiddenMarkov Model) is proposed. The proposed method comprises several steps. First steps are devotedto regular fingerprint preprocesses and ridge orientation estimation. Then, the fingerprint images areregistered along a reference point. Next, the proposed HMM topology is applied to the predeterminedfingerprint orientation field information around the reference point. The suggested HMM is of improvedtraining abilities. After applying the proposed HMM to the ridge orientation field, the matching cells areproduced. These cells consist of transition, observation and initial probability matrices which will be usedin the matching procedure. The proposed matching method has been evaluated using some creditablefingerprint databases such as FVC2000 DB2 A, FVC2004 DB3 A and DB4 A. The evaluation results confirmhigher efficiency, robustness and accuracy for the proposed method compared with the previouslyproposed matching ones.© 2010 Elsevier GmbH. All rights reserved.1. IntroductionThere are several stages in all biometric recognition systems[1]. Accordingly, fingerprint recognition systems comprise basicstages listed as fingerprint image acquisition, image segmentationand normalization, image enhancement, orientation field (OF) estimation,feature extraction and fingerprint matching. Each of themmight comprise sub-stages or pre and post-processes. A typicalfingerprint identification system is illustrated in Fig. 1.All fingerprint recognition systems include a key stage calledmatcher. The function of this stage is of paramount importancein finding the same fingerprint impressions. Fingerprint matchinghas been approached by various strategies, such as image based[2], ridge pattern based, point (minutiae) based [3], texture structurebased as a statistical approach [4] and graph based schemes[5]. Among these methods, minutiae based approach is more reliableand robust and therefore it is more conventional. However, theaccuracy of this method strictly depends on the quality of fingerprintimages, they are unable to tolerate large amounts of nonlineardistortion in the fingerprint ridge structures. On the other hand,all previous matching techniques rely on fingerprint ridge orientationextraction. Fingerprint orientation estimation gives importantinformation about ridge and texture pattern of fingerprint images.∗ Corresponding author.E-mail addresses: tashk ashkan@ieee.org (A. Tashk), ms helfroush@sutech.ac.ir(M.S. Helfroush), kamran.kazemi@u-picardie.fr (K. Kazemi).1 IEEE member.In fact, the correct functioning of any fingerprint recognition systemdepends directly or indirectly on the OF information. Recently,different methods have been proposed for improving the accuracyand speed of fingerprint identification, verification and classification,in all of which extracting the OF of fingerprint images has beenas the basic procedure [6,7].There are many reasons for extensive usage of Markov chainsin digital signal and image processing. According to the nonstationaryidentity of fingerprint images, it seems to bemore usefulto analyze such 2-D digital signals in terms of Hidden Markov Models[8–10]. Moreover, because of its regular texture pattern, thefingerprint ridge OF can be viewed as a Markov chain mentionedin [11]. The matching approach proposed in this paper uses animproved HMM structure based on fingerprint OF around a referencepoint. In the suggested HMM, the essential information forthe matching procedure has been extracted based on an ergodictopology and the related training operations. The higher accuracyand robustness of the proposed method has been proved by reliable
evaluation experiments.
The rest of this paper is organized as follows: In Section 2, a
general overview of HMM theories and applications is given. Various
HMM topology species with their differences are discussed
in the first subsection of Section 3. The proposed method advantages
are also listed in this subsection. Section 3 also comprises
the implementation steps for the proposed matching method. The
evaluation strategies accompanied with their related experimental
results are specifically stated in Section 4. Finally, Section 5
includes discussions and conclusions of the proposed matching
method.
1434-8411/$ – see front matter © 2010 Elsevier GmbH. All rights reserved.
doi:10.1016/j.aeue.2010.11.002
evaluation experiments.
The rest of this paper is organized as follows: In Section 2, a
general overview of HMM theories and applications is given. Various
HMM topology species with their differences are discussed
in the first subsection of Section 3. The proposed method advantages
are also listed in this subsection. Section 3 also comprises
the implementation steps for the proposed matching method. The
evaluation strategies accompanied with their related experimental
results are specifically stated in Section 4. Finally, Section 5
includes discussions and conclusions of the proposed matching
method.
1434-8411/$ – see front matter © 2010 Elsevier GmbH. All rights reserved.
doi:10.1016/j.aeue.2010.11.002
การแปล กรุณารอสักครู่..
Int . J . อิเล็กตรอน การสื่อสาร . ( เอÜ ) 65 ( 2011 ) 742 – 749
เนื้อหารายการที่มีอยู่ในวารสารนานาชาติบริการ
ของอิเล็กทรอนิกส์และการสื่อสาร ( เอÜ )
วารสารหน้าแรก : www.elsevier . de / aeue
ลายนิ้วมือใหม่รับตามอัตลักษณ์ 2 แบบจำลองฮิดเดนมาร์คอฟ ซึ่ง tashk
ashkan ∗ 1 , โมฮัมหมัด sadegh helfroush คัมดี คาเซมี ,
ภาควิชาอิเล็กทรอนิกส์และวิศวกรรมไฟฟ้าชีราซ มหาวิทยาลัยเทคโนโลยี sutech ) , Shiraz อิหร่าน
r t i C L E n f o
บทความประวัติ : 17 มิถุนายน 2010
ได้รับยอมรับ 29 พฤศจิกายน 2553
คำสำคัญ :
แบบฝังซ่อนมาร์คอฟแบบอัตลักษณ์ ( มมม )
แนวรับลายนิ้วมือฟิลด์ ( ของ )
ข S T R A C T
บทความนี้วิธีการใหม่สำหรับการจับคู่ลายนิ้วมือสันเขาแนวเขตตาม novelhmm
( ที่ซ่อนอยู่แบบจำลองมาร์คอฟ ) เสนอ วิธีที่เสนอจะประกอบด้วยหลายขั้นตอน ขั้นตอนแรกจะทุ่มเทเพื่อ preprocesses
ลายนิ้วมือปกติและการวางแนว . แล้ว ภาพลายนิ้วมือเป็น
ลงทะเบียนตามจุดอ้างอิง . ต่อไปจะเสนอนะแบบที่ใช้กับการกำหนดเขต
ลายนิ้วมือรอบจุดอ้างอิงแนะนะคือปรับปรุง
ความสามารถในการฝึกอบรม หลังจากการเสนออืมเพื่อสันเขาแนวเขต , การจับคู่เซลล์
ผลิต เซลล์เหล่านี้ประกอบด้วยการเปลี่ยนแปลง การสังเกตและเมทริกซ์ความน่าจะเป็นเบื้องต้นซึ่งจะใช้ในการจับคู่
ขั้นตอน เสนอวิธีการจับคู่ได้ถูกประเมินโดยใช้บางส่วนที่น่าเชื่อถือเช่น fvc2000
ลายนิ้วมือฐานข้อมูล DB2 ,fvc2004 db3 และ db4 . ผลการประเมินสูงกว่ายืนยัน
ประสิทธิภาพความแข็งแกร่งและความถูกต้องสำหรับวิธีที่เสนอเมื่อเทียบกับก่อนหน้านี้ที่เสนอตรงกัน
.
สงวนลิขสิทธิ์ 2010 เอลส์ GmbH สงวนลิขสิทธิ์ .
1 บทนำ
มีหลายขั้นตอนใน Biometric ระบบจดจำ
[ 1 ] ด้วยระบบลายนิ้วมือประกอบด้วยขั้นพื้นฐาน
ขั้นตอนการระบุไว้เป็นรูปลายนิ้วมือ
แบ่งส่วนภาพและบรรทัดฐาน , การเสริมสร้างภาพลักษณ์ด้านการปฐมนิเทศ ( ของ ) การประมาณค่า
การสกัดคุณลักษณะและลายนิ้วมือที่ตรงกัน แต่ละของพวกเขาอาจจะประกอบด้วยขั้นตอนย่อย
หรือก่อนและหลังกระบวนการ โดยทั่วไป
ลายนิ้วมือระบบจะแสดงในรูปที่ 1 .
ทุกระบบลายนิ้วมือ รวมถึงคีย์บนเวทีที่เรียกว่า
ไม้ขีดไฟการทำงานของเวทีนี้ มีความสำคัญยิ่งในการค้นหาลายนิ้วมือ
ประทับใจเหมือนกัน ลายนิ้วมือตรงกัน
ได้เข้าหาโดยกลยุทธ์ต่าง ๆเช่น ภาพจาก
[ 2 ] รูปแบบตามสันเขาจุด ( ส่วนย่อย ) ตาม [ 3 ] ,
โครงสร้างพื้นผิวตามวิธีการทางสถิติ [ 4 ] และกราฟตามรูปแบบ
[ 5 ] ระหว่างวิธีการเหล่านี้ วิธีการที่ใช้มีความน่าเชื่อถือมากขึ้น
ข้อปลีกย่อยและมีประสิทธิภาพและดังนั้นจึงเป็นปกติมากขึ้น อย่างไรก็ตาม
ความถูกต้องของวิธีนี้อย่างเคร่งครัดขึ้นอยู่กับคุณภาพของลายนิ้วมือ
ภาพ , พวกเขาไม่สามารถที่จะทนจํานวนเชิง
บิดเบือนลายนิ้วมือแนวโครงสร้าง บนมืออื่น ๆ ,
เทคนิคการจับคู่ก่อนหน้านี้ทั้งหมดพึ่งพาลายนิ้วมือสันปฐมนิเทศ
การสกัด การปฐมนิเทศให้สำคัญ
ลายนิ้วมือข้อมูลเกี่ยวกับแนวและรูปแบบพื้นผิวของภาพลายนิ้วมือที่ผู้เขียน∗ .
.
อีเมล์ : tashk ashkan@ieee.org ( A . tashk ) , นางสาว helfroush @ sutech . ac.ir
( วท.ม. helfroush ) kamran.kazemi@u-picardie.fr ( K . ดี คาเซมี )
1 โดยสมาชิก .
ในความเป็นจริง การทำงานที่ถูกต้องของระบบรู้จำลายนิ้วมือ
ขึ้นโดยตรง หรือโดยอ้อมในข้อมูล
เมื่อเร็วๆ นี้วิธีการที่แตกต่างกันมีการเสนอเพื่อปรับปรุงความถูกต้องและความเร็วของการระบุลายนิ้วมือ
ในการตรวจสอบและการจำแนก ซึ่งทั้งหมดนำของของภาพลายนิ้วมือที่ได้เป็นขั้นตอนพื้นฐาน 6 , 7
[ ]
มีหลายเหตุผลสำหรับการใช้ที่กว้างขวางของลูกโซ่มาร์คอฟ
ในการประมวลผลสัญญาณและภาพดิจิตอล . ตามอัตลักษณ์ของภาพลายนิ้วมือที่ติจิ
,มันน่าจะมีประโยชน์
วิเคราะห์เช่นดิจิตอลสัญญาณ 2 มิติในแง่ของที่ซ่อนแบบมาร์คอฟโมเดล
[ 8 – 10 ] นอกจากนี้ เป็นเพราะรูปแบบพื้นผิวปกติของมัน
ลายนิ้วมือสันเขาสามารถดูเป็นลูกโซ่มาร์คอฟเอ่ย
[ 11 ] การจับคู่แบบที่นำเสนอในกระดาษนี้ใช้
ปรับปรุงอืมโครงสร้างขึ้นอยู่กับลายนิ้วมือของรอบอ้างอิง
จุด ในแนะนำค่ะข้อมูลที่จำเป็นสำหรับการได้รับการจับคู่
แบบแยกตามอัตลักษณ์และเกี่ยวข้องกับการดำเนินงาน สูงและความถูกต้อง
ทนทานของวิธีการได้รับการพิสูจน์โดยการทดลองประเมินผลที่เชื่อถือได้
.
ส่วนที่เหลือของบทความนี้คือการจัด ดังนี้ ในส่วน 2 ,
ภาพรวมทั่วไปของทฤษฎีและการประยุกต์ อืมมม จะได้รับ
ต่าง ๆ
เนื้อหารายการที่มีอยู่ในวารสารนานาชาติบริการ
ของอิเล็กทรอนิกส์และการสื่อสาร ( เอÜ )
วารสารหน้าแรก : www.elsevier . de / aeue
ลายนิ้วมือใหม่รับตามอัตลักษณ์ 2 แบบจำลองฮิดเดนมาร์คอฟ ซึ่ง tashk
ashkan ∗ 1 , โมฮัมหมัด sadegh helfroush คัมดี คาเซมี ,
ภาควิชาอิเล็กทรอนิกส์และวิศวกรรมไฟฟ้าชีราซ มหาวิทยาลัยเทคโนโลยี sutech ) , Shiraz อิหร่าน
r t i C L E n f o
บทความประวัติ : 17 มิถุนายน 2010
ได้รับยอมรับ 29 พฤศจิกายน 2553
คำสำคัญ :
แบบฝังซ่อนมาร์คอฟแบบอัตลักษณ์ ( มมม )
แนวรับลายนิ้วมือฟิลด์ ( ของ )
ข S T R A C T
บทความนี้วิธีการใหม่สำหรับการจับคู่ลายนิ้วมือสันเขาแนวเขตตาม novelhmm
( ที่ซ่อนอยู่แบบจำลองมาร์คอฟ ) เสนอ วิธีที่เสนอจะประกอบด้วยหลายขั้นตอน ขั้นตอนแรกจะทุ่มเทเพื่อ preprocesses
ลายนิ้วมือปกติและการวางแนว . แล้ว ภาพลายนิ้วมือเป็น
ลงทะเบียนตามจุดอ้างอิง . ต่อไปจะเสนอนะแบบที่ใช้กับการกำหนดเขต
ลายนิ้วมือรอบจุดอ้างอิงแนะนะคือปรับปรุง
ความสามารถในการฝึกอบรม หลังจากการเสนออืมเพื่อสันเขาแนวเขต , การจับคู่เซลล์
ผลิต เซลล์เหล่านี้ประกอบด้วยการเปลี่ยนแปลง การสังเกตและเมทริกซ์ความน่าจะเป็นเบื้องต้นซึ่งจะใช้ในการจับคู่
ขั้นตอน เสนอวิธีการจับคู่ได้ถูกประเมินโดยใช้บางส่วนที่น่าเชื่อถือเช่น fvc2000
ลายนิ้วมือฐานข้อมูล DB2 ,fvc2004 db3 และ db4 . ผลการประเมินสูงกว่ายืนยัน
ประสิทธิภาพความแข็งแกร่งและความถูกต้องสำหรับวิธีที่เสนอเมื่อเทียบกับก่อนหน้านี้ที่เสนอตรงกัน
.
สงวนลิขสิทธิ์ 2010 เอลส์ GmbH สงวนลิขสิทธิ์ .
1 บทนำ
มีหลายขั้นตอนใน Biometric ระบบจดจำ
[ 1 ] ด้วยระบบลายนิ้วมือประกอบด้วยขั้นพื้นฐาน
ขั้นตอนการระบุไว้เป็นรูปลายนิ้วมือ
แบ่งส่วนภาพและบรรทัดฐาน , การเสริมสร้างภาพลักษณ์ด้านการปฐมนิเทศ ( ของ ) การประมาณค่า
การสกัดคุณลักษณะและลายนิ้วมือที่ตรงกัน แต่ละของพวกเขาอาจจะประกอบด้วยขั้นตอนย่อย
หรือก่อนและหลังกระบวนการ โดยทั่วไป
ลายนิ้วมือระบบจะแสดงในรูปที่ 1 .
ทุกระบบลายนิ้วมือ รวมถึงคีย์บนเวทีที่เรียกว่า
ไม้ขีดไฟการทำงานของเวทีนี้ มีความสำคัญยิ่งในการค้นหาลายนิ้วมือ
ประทับใจเหมือนกัน ลายนิ้วมือตรงกัน
ได้เข้าหาโดยกลยุทธ์ต่าง ๆเช่น ภาพจาก
[ 2 ] รูปแบบตามสันเขาจุด ( ส่วนย่อย ) ตาม [ 3 ] ,
โครงสร้างพื้นผิวตามวิธีการทางสถิติ [ 4 ] และกราฟตามรูปแบบ
[ 5 ] ระหว่างวิธีการเหล่านี้ วิธีการที่ใช้มีความน่าเชื่อถือมากขึ้น
ข้อปลีกย่อยและมีประสิทธิภาพและดังนั้นจึงเป็นปกติมากขึ้น อย่างไรก็ตาม
ความถูกต้องของวิธีนี้อย่างเคร่งครัดขึ้นอยู่กับคุณภาพของลายนิ้วมือ
ภาพ , พวกเขาไม่สามารถที่จะทนจํานวนเชิง
บิดเบือนลายนิ้วมือแนวโครงสร้าง บนมืออื่น ๆ ,
เทคนิคการจับคู่ก่อนหน้านี้ทั้งหมดพึ่งพาลายนิ้วมือสันปฐมนิเทศ
การสกัด การปฐมนิเทศให้สำคัญ
ลายนิ้วมือข้อมูลเกี่ยวกับแนวและรูปแบบพื้นผิวของภาพลายนิ้วมือที่ผู้เขียน∗ .
.
อีเมล์ : tashk ashkan@ieee.org ( A . tashk ) , นางสาว helfroush @ sutech . ac.ir
( วท.ม. helfroush ) kamran.kazemi@u-picardie.fr ( K . ดี คาเซมี )
1 โดยสมาชิก .
ในความเป็นจริง การทำงานที่ถูกต้องของระบบรู้จำลายนิ้วมือ
ขึ้นโดยตรง หรือโดยอ้อมในข้อมูล
เมื่อเร็วๆ นี้วิธีการที่แตกต่างกันมีการเสนอเพื่อปรับปรุงความถูกต้องและความเร็วของการระบุลายนิ้วมือ
ในการตรวจสอบและการจำแนก ซึ่งทั้งหมดนำของของภาพลายนิ้วมือที่ได้เป็นขั้นตอนพื้นฐาน 6 , 7
[ ]
มีหลายเหตุผลสำหรับการใช้ที่กว้างขวางของลูกโซ่มาร์คอฟ
ในการประมวลผลสัญญาณและภาพดิจิตอล . ตามอัตลักษณ์ของภาพลายนิ้วมือที่ติจิ
,มันน่าจะมีประโยชน์
วิเคราะห์เช่นดิจิตอลสัญญาณ 2 มิติในแง่ของที่ซ่อนแบบมาร์คอฟโมเดล
[ 8 – 10 ] นอกจากนี้ เป็นเพราะรูปแบบพื้นผิวปกติของมัน
ลายนิ้วมือสันเขาสามารถดูเป็นลูกโซ่มาร์คอฟเอ่ย
[ 11 ] การจับคู่แบบที่นำเสนอในกระดาษนี้ใช้
ปรับปรุงอืมโครงสร้างขึ้นอยู่กับลายนิ้วมือของรอบอ้างอิง
จุด ในแนะนำค่ะข้อมูลที่จำเป็นสำหรับการได้รับการจับคู่
แบบแยกตามอัตลักษณ์และเกี่ยวข้องกับการดำเนินงาน สูงและความถูกต้อง
ทนทานของวิธีการได้รับการพิสูจน์โดยการทดลองประเมินผลที่เชื่อถือได้
.
ส่วนที่เหลือของบทความนี้คือการจัด ดังนี้ ในส่วน 2 ,
ภาพรวมทั่วไปของทฤษฎีและการประยุกต์ อืมมม จะได้รับ
ต่าง ๆ
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- Other researchers found that the actual
- You should have told me that earlier!
- พาพ่อแม่ไปเทียว
- I see , that this is an uncovered serial
- James Anderson (Travel section, March 15
- as an industrial waste, there is great i
- It is not hesitant stability.
- ทั้งนี้การลาพักร้อนจะต้องได้รับอนุมัติจา
- วันนี้เรารู้ถึงความแตกต่างของไข่ไก่และไข
- well either way it doesnt matter to me,
- Intereste sports hobbies
- กรณีสืบค้นข้อมูลได้เลย
- Do you have supper
- Human rights
- Relevant
- 2gatsu Bkk ikuaitai.nittei mata renrakus
- same Mario's funny in this video
- My qualifications has many aspects such
- Please find the attached files for revis
- My qualifications has many aspects such
- Effect of light color on growth and wast
- ดอกเก๊กฮวย
- James Anderson (Travel section, March 15
- การดูแล
