Focusing on outcomes (a)–(c) (noted

Focusing on outcomes (a)–(c) (noted above), the objective for
this study was to quantify differences in image correspondence
between high quality exemplars and low quality known-matches
(KM) both pre- and post-filtering. In order to evaluate the
relatedness of two prints in a pairwise comparison, a traditional
similarity metric was implemented, capable of describing the
correspondence in minutiae identity and spatial configuration
between a questioned and exemplar print. To automate this
process, a two-step procedure was required that first registered the
fingerprints under comparison, and then evaluated the correspondences
assuming a simple point-pattern matching problem
[8–10]. Of course, the prealignment step was vital since knownmatch
images typically possess inherent variability. Among other
contributing factors, this mismatch between replicate images of a
print is a product of linear registration issues (translation, rotation
and uniform changes in scale), variations in image overlap,
variations in image quality/noise, and further complicated by
non-linear variables that are a function of uneven deposition
pressure and skin deformations [8]. These alignment problems are
so likely to exist that sophisticated solutions are required when
attempting to determine the appropriate registration transformation
that best describes known-match replicate images of the same
print. To mitigate these factors, several approaches to registration
have been proposed in the literature [11–16]. The process typically
begins with extraction of relevant print descriptors. These
descriptors are often detectable minutiae, but non-minutia
features such as ridge orientation fields or pores can also be
utilized [17]. Regardless of the features extracted for alignment
purposes, registration models must include, at minimum,translation and rotation [17]. However, more advanced treatments
of the registration problem attempt to mitigate the aforementioned
elastic deformations in an effort to increase the computed
similarity between known-match comparisons [10,15,16,18].

ผลลัพธ์ (ไทย) 1:

มุ่งเน้นผลลัพธ์ (a)–(c) (ที่ระบุไว้ข้างต้น) วัตถุประสงค์สำหรับการศึกษานี้ได้กำหนดปริมาณความแตกต่างในรูปจดหมายโต้ตอบระหว่าง exemplars คุณภาพสูงและคุณภาพต่ำรู้จักกันตรง(KM) ทั้งก่อน และหลังกรอง การประเมินการrelatedness พิมพ์สองเทียบแพร์ไวส์ บรรยากาศวัดมิใช่น้อยที่ดำเนินการ ความสามารถในการอธิบายการติดต่อเอกลักษณ์ minutiae และตั้งค่าคอนฟิกพื้นที่ระหว่างการสอบสวน และพิมพ์ exemplar การทำนี้กระบวนการ ขั้นตอนสองขั้นตอนถูกต้องที่ลงทะเบียนก่อนลายนิ้วมือภายใต้การเปรียบเทียบ และการตอบกลับประเมินแล้วสมมติว่ามีปัญหาตรงจุดแบบง่าย ๆ[8-10] แน่นอน ขั้นตอนการ prealignment สำคัญตั้งแต่ knownmatchภาพโดยทั่วไปมีความแปรผันโดยธรรมชาติ อื่น ๆสนับสนุนปัจจัย replicate ภาพนี้ตรงพิมพ์เป็นผลิตภัณฑ์ของปัญหาลงทะเบียนเส้น (แปล หมุนและยูนิฟอร์มในการเปลี่ยนแปลง), รูปแบบในภาพซ้อนรูปแบบในภาพคุณภาพ/เสียง และมีความซับซ้อนเพิ่มเติม จากตัวแปรไม่ใช่เชิงเส้นที่มีฟังก์ชันของสะสมที่ไม่สม่ำเสมอความดันและผิว deformations [8] ปัญหาเหล่านี้จัดเป็นน่าจะมีอยู่ที่แก้ไขปัญหาที่ซับซ้อนจำเป็นต้องใช้เมื่อพยายามตรวจสอบการลงทะเบียนที่เหมาะสมส่วนที่อธิบายรู้จักจับ replicate ภาพเดียวกันพิมพ์ เพื่อลดปัจจัยเหล่านี้ หลายวิธีในการลงทะเบียนมีการนำเสนอวรรณคดี [11-16] กระบวนการโดยทั่วไปเริ่มต้น ด้วยการแยกตัวบอกพิมพ์ที่เกี่ยวข้อง เหล่านี้ตัวบอกมักอาสา minutiae แต่ไม่ใช่ minutiaยังสามารถคุณลักษณะเช่นริดจ์แนวเขตหรือรูขุมขนใช้ [17] โดยที่แยกสำหรับการจัดตำแหน่งวัตถุประสงค์ แบบลงทะเบียนต้องมี ที่ต่ำ แปล และหมุน [17] อย่างไรก็ตาม เพิ่มเติมขั้นสูงรักษาของลงทะเบียนปัญหาพยายามลดดังกล่าวdeformations ความยืดหยุ่นในการคำนวณการความคล้ายกันระหว่างแข่งขันรู้จักเปรียบเทียบ [10,15,16,18]

ผลลัพธ์ (ไทย) 2:

การมุ่งเน้นที่ผลลัพธ์ (ก) - (ค) (ที่ระบุไว้ข้างต้น) โดยมีวัตถุประสงค์ในการศึกษาครั้งนี้มีปริมาณที่แตกต่างกันในการติดต่อภาพระหว่างโคลงที่มีคุณภาพสูงและการแข่งขันที่มีคุณภาพต่ำที่รู้จักกัน(KM) ทั้งก่อนและหลังการกรอง เพื่อที่จะประเมินความสัมพันธ์ของทั้งสองพิมพ์ในการเปรียบเทียบคู่, แบบคล้ายคลึงกันถูกนำมาใช้ตัวชี้วัดความสามารถในการอธิบายการติดต่อในข้อปลีกย่อยตัวตนและการกำหนดค่าเชิงพื้นที่ระหว่างการสอบสวนและพิมพ์แบบ โดยอัตโนมัตินี้กระบวนการขั้นตอนที่สองขั้นตอนที่ถูกต้องว่าเป็นครั้งแรกที่ลงทะเบียนลายนิ้วมือภายใต้การเปรียบเทียบแล้วการประเมินcorrespondences สมมติว่าจุดที่เรียบง่ายรูปแบบการจับคู่ปัญหา[8-10] แน่นอนขั้นตอน prealignment เป็นสิ่งสำคัญตั้งแต่ knownmatch ภาพมักจะมีความแปรปรวนของธรรมชาติ ในหมู่อื่น ๆปัจจัยที่มีผลไม่ตรงกันระหว่างภาพซ้ำของการพิมพ์เป็นสินค้าที่มีปัญหาการลงทะเบียนเชิงเส้น(แปลหมุนและการเปลี่ยนแปลงเครื่องแบบในระดับ) การเปลี่ยนแปลงในการทับซ้อนภาพการเปลี่ยนแปลงในคุณภาพของภาพ / เสียงและซับซ้อนมากขึ้นโดยไม่เชิงเส้นตัวแปรที่มีฟังก์ชั่นของการสะสมไม่สม่ำเสมอดันและรูปร่างผิว [8] ปัญหาการจัดตำแหน่งเหล่านี้เป็นเช่นนั้นมีแนวโน้มที่จะมีชีวิตอยู่ว่าการแก้ปัญหาที่มีความซับซ้อนจะต้องเมื่อพยายามที่จะตรวจสอบการเปลี่ยนแปลงการลงทะเบียนที่เหมาะสมที่ดีที่สุดที่จะอธิบายการแข่งขันที่รู้จักกันทำซ้ำภาพเดียวกันการพิมพ์ เพื่อลดปัจจัยเหล่านี้หลายวิธีการลงทะเบียนได้รับการเสนอในวรรณคดี [11-16] กระบวนการนี้มักจะเริ่มต้นด้วยการสกัดอธิบายการพิมพ์ที่เกี่ยวข้อง เหล่านี้อธิบายมักจะมีข้อปลีกย่อยที่ตรวจพบ แต่ที่ไม่ minutia คุณสมบัติเช่นสาขาการวางแนวสันเขาหรือรูขุมขนนอกจากนี้ยังสามารถนำมาใช้ [17] โดยไม่คำนึงถึงคุณสมบัติที่สกัดสำหรับการจัดตำแหน่งวัตถุประสงค์รูปแบบการลงทะเบียนจะต้องมีอย่างน้อย, การแปลและการหมุน [17] อย่างไรก็ตามการรักษาที่สูงขึ้นของความพยายามที่ปัญหาการลงทะเบียนเพื่อลดความดังกล่าวพิการยืดหยุ่นในความพยายามที่จะเพิ่มการคำนวณความคล้ายคลึงกันระหว่างการเปรียบเทียบที่รู้จักกันในการแข่งขัน[10,15,16,18]

ผลลัพธ์ (ไทย) 3:

เน้นผลลัพธ์ ( ) และ ( c ) ( ระบุไว้ข้างต้น ) มีวัตถุประสงค์เพื่อ ศึกษาถึงปริมาณ

ติดต่อ Exemplars ภาพความแตกต่างระหว่างคุณภาพสูงและคุณภาพต่ำว่าตรงกับ
( km ) ทั้งก่อนและหลังกรอง เพื่อประเมิน
สัมพันธ์สองพิมพ์ในการเปรียบเทียบความเหมือนแบบคู่ , เมตริก
มีการใช้งานที่มีความสามารถในการอธิบาย
จดหมายในข้อปลีกย่อย เอกลักษณ์ และพื้นที่การปรับแต่ง
ระหว่างสอบสวนแบบอย่างพิมพ์ โดยอัตโนมัติกระบวนการนี้
, กระบวนการสองขั้นตอน คือ ต้องใช้ที่ลงทะเบียนครั้งแรก
ลายนิ้วมือภายใต้การเปรียบเทียบและประเมินจดหมาย
สมมติว่าจุดที่ง่ายรูปแบบการจับคู่ปัญหา
[ 8 – 10 ] ของหลักสูตรขั้นตอน prealignment เป็นสําคัญเนื่องจาก knownmatch
ภาพโดยทั่วไปจะมีอยู่ความแปรปรวน ในหมู่อื่น ๆ
ปัจจัยนี้ไม่ตรงกันระหว่างทำซ้ำภาพของ
พิมพ์เป็นผลิตภัณฑ์ของปัญหาการลงทะเบียนโดยตรง ( การแปลและการเปลี่ยนแปลงเครื่องแบบหมุน
% ) , การเปลี่ยนแปลงในรูปแบบภาพเหลื่อม
คุณภาพเสียง / ภาพและซับซ้อนมากขึ้นโดย
) ตัวแปรที่เป็นฟังก์ชันของความมันสะสม
ความดันที่มีผิว [ 8 ] การจัดแนวปัญหาเหล่านี้น่าจะอยู่ที่
เพื่อแก้ปัญหาที่ซับซ้อนจะถูกบังคับใช้เมื่อ
พยายามที่จะตรวจสอบที่เหมาะสมการเปลี่ยนแปลง
ที่ดีที่สุดอธิบายว่าตรงกับทำซ้ำภาพของพิมพ์เดียวกัน

เพื่อลดปัจจัยเหล่านี้หลายวิธีที่จะลงทะเบียน
ได้ถูกเสนอในวรรณคดี [ 11 – 16 ] โดยทั่วไปกระบวนการ