ProcessingAfter vein image extracti

Processing
After vein image extraction, comes segmentation. The traditional vein extraction
technology can be classified into three broad categories according to their approach to
segmentation i.e separating the actual finder veins from the background and noise. There
are those based on region information, those based on edge information, and those based
on particular theories and tools. However, the application of the traditional singlethreshold
segmentation methods such as fixed threshold, total mean, total Otsu to
perform segmentation, faces limitations in obtaining the desired accurate segmentation
results. Using multi-threshold methods like local mean and local Otsu, improve these
results but still cannot effectively deal with noise and over-segmentation effects [3], [4],
[5], [6], [7],[8]. In a related research, reference [9] proposed an oriented filter method to
enhance the image in order to eliminate noise and enhance ridgeline. Authors in [10] used
the directionality feature of fingerprint to present a fingerprint image enhancement
method based on orientation field. These two methods take the directionality
characteristic of fingerprints into account, so they can enhance and de-noise fingerprint
images effectively. Finger vein pattern also has textural and directionality features, with
directionality being consistent within the local area. Inspired by methods in [9] and [10],
we discuss in this chapter, finger vein pattern extraction methods using oriented filtering
from the directionality feature of veins. These utilize the directionality feature of finger
vein images using a group of oriented filters, and then extracting the vein object from an
enhanced oriented filter image.

ผลลัพธ์ (ไทย) 1:

การประมวลผลหลังจากสกัดภาพหลอดเลือดดำ มาแบ่ง สกัดหลอดเลือดดำแบบดั้งเดิมเทคโนโลยีอาจแบ่งได้เป็นสามประเภทกว้างตามแนวทางของพวกเขาอาทิแบ่งแยกเส้นเลือดหาจริงจากพื้นหลังและเสียงรบกวน มีผู้ที่อยู่ในภูมิภาคข้อมูล ที่ยึดตามข้อมูลขอบ และผู้ใช้โดยเฉพาะทฤษฎีและเครื่องมือ อย่างไรก็ตาม แอพลิเคชันของ singlethreshold แบบดั้งเดิมหมายถึง วิธีการแบ่งเช่นขีดจำกัดถาวร รวม โอสึรวมถึงการแบ่ง ใบหน้าข้อจำกัดในการรับการแบ่งกลุ่มถูกต้องผลลัพธ์ที่ โดยใช้ขีดจำกัดหลายวิธีเช่นหมายถึงท้องถิ่นและท้องถิ่นโอสึ ปรับปรุงเหล่านี้ผลแต่ยังไม่มีประสิทธิภาพจัดการกับเสียงและแบ่งเปอร์เซ็นต์ผล [3], [4],[5], [6], [7], [8] ในการวิจัยที่เกี่ยวข้อง อ้างอิง [9] วิธีการกรองที่มุ่งเน้นการนำเสนอเพิ่มรูปเพื่อกำจัดเสียงรบกวน และเพิ่ม ridgeline ผู้เขียนใน [10] ที่ใช้คุณลักษณะทิศของลายนิ้วมือในการนำเสนอการปรับปรุงภาพลายนิ้วมือวิธีที่ยึดตามแนวเขต ทิศการใช้สองวิธีลักษณะของลายนิ้วมือเป็นต้น เพื่อให้สามารถปรับปรุง และยกเลิก noise ลายนิ้วมือภาพได้อย่างมีประสิทธิภาพ รูปแบบนิ้วหลอดเลือดดำมี textural และทิศ ด้วยทิศที่สอดคล้องในพื้นที่ท้องถิ่น แรงบันดาลใจโดยวิธี [9] [10],เรากล่าวถึงในบทนี้ นิ้วหลอดเลือดดำลายสกัดวิธีใช้กรองแนวจากคุณลักษณะทิศของเส้นเลือด เหล่านี้ใช้คุณลักษณะทิศนิ้วภาพโดยใช้กลุ่มของตัวกรองแนว และแยกวัตถุหลอดเลือดดำจากนั้น เส้นเลือดรูปภาพของตัวกรองขั้นสูงที่มุ่งเน้น

ผลลัพธ์ (ไทย) 2:

การประมวลผล
หลังจากการสกัดเส้นเลือดภาพมาแบ่งส่วน สกัดหลอดเลือดดำแบบดั้งเดิม
เทคโนโลยีสามารถแบ่งได้เป็นสามประเภทกว้างตามแนวทางของพวกเขาที่จะ
แบ่งส่วนคือแยกเส้นเลือดค้นหาที่เกิดขึ้นจริงจากพื้นหลังและเสียง มี
เป็นผู้ที่อยู่บนพื้นฐานของข้อมูลที่ภูมิภาคเหล่านั้นขึ้นอยู่กับข้อมูลที่ทันสมัยและผู้ตาม
ทฤษฎีโดยเฉพาะอย่างยิ่งและเครื่องมือ อย่างไรก็ตามการประยุกต์ใช้ singlethreshold แบบดั้งเดิม
วิธีการแบ่งส่วนเช่นเกณฑ์คงที่ค่าเฉลี่ยรวม Otsu รวม
ดำเนินการแบ่งส่วนใบหน้าข้อ จำกัด ในการได้รับการแบ่งส่วนที่ถูกต้องที่ต้องการ
ผล โดยใช้วิธีการหลายเกณฑ์เช่นค่าเฉลี่ยในประเทศและท้องถิ่น Otsu ปรับปรุงเหล่านี้
ผล แต่ก็ยังไม่สามารถมีประสิทธิภาพจัดการกับเสียงรบกวนและผลกระทบมากกว่าการแบ่งส่วน [3] [4]
[5] [6] [7] [8] . ในงานวิจัยที่เกี่ยวข้องกับการอ้างอิง [9] เสนอวิธีการกรองที่มุ่งเน้นการ
เสริมสร้างภาพลักษณ์ในการที่จะช่วยขจัดเสียงรบกวนและเพิ่มเนิน ผู้เขียนใน [10] ใช้
คุณลักษณะทิศทางของลายนิ้วมือที่จะนำเสนอการเพิ่มประสิทธิภาพของภาพลายนิ้วมือ
วิธีการขึ้นอยู่กับเขตการวางแนวทาง ทั้งสองวิธีใช้ทิศทาง
ลักษณะของลายนิ้วมือเข้าบัญชีเพื่อให้พวกเขาสามารถเพิ่มลายนิ้วมือและ de-เสียง
ภาพได้อย่างมีประสิทธิภาพ รูปแบบลายนิ้วมือหลอดเลือดดำยังมีคุณสมบัติเนื้อสัมผัสและทิศทางที่มี
ทิศทางที่สอดคล้องภายในท้องถิ่น แรงบันดาลใจจากวิธีการในการ [9] และ [10],
เราจะหารือในบทนี้รูปแบบเส้นเลือดนิ้วโดยใช้วิธีการสกัดที่มุ่งเน้นการกรอง
จากคุณลักษณะทิศทางของหลอดเลือดดำ เหล่านี้ใช้คุณลักษณะทิศทางของนิ้วมือ
ภาพหลอดเลือดดำโดยใช้กลุ่มของตัวกรองที่มุ่งเน้นและจากนั้นการแยกวัตถุหลอดเลือดดำจาก
ภาพที่มุ่งเน้นการเพิ่มตัวกรอง

ผลลัพธ์ (ไทย) 3:

การประมวลผล
หลังจากการสกัดภาพ , เส้นมาตัด . หลอดเลือดดำ
เทคโนโลยีการสกัดแบบดั้งเดิม สามารถจำแนกได้เป็นสามประเภทกว้างตามแนวทางของตน เช่น การแยกจริง

ตัว Finder จากพื้นหลังและเสียงรบกวน มี
นั้นขึ้นอยู่กับข้อมูลในเขตข้อมูลเหล่านั้นตามขอบ และผู้ที่อยู่ในทฤษฎีและ
โดยเครื่องมือ อย่างไรก็ตามการประยุกต์ใช้แบบ singlethreshold
แบ่งส่วนวิธีการเช่นการแก้ไขเกณฑ์ ค่าเฉลี่ยรวม รวม โอ๊ต

แสดงการแบ่งส่วนใบหน้า ข้อจำกัดในการแบ่งส่วน
ถูกต้องที่ต้องการผลลัพธ์ ใช้หลายวิธี เช่น เกณฑ์หมายถึงท้องถิ่นและท้องถิ่น โอ๊ต ปรับปรุงผลลัพธ์เหล่านี้
แต่ยังไม่สามารถได้อย่างมีประสิทธิภาพจัดการกับเสียงรบกวนและการแบ่งส่วนผล [ 3 ] , [ 4 ] ,
[ 5 ] [ 6 ][ 7 ] , [ 8 ] ในงานวิจัยที่เกี่ยวข้อง , อ้างอิง [ 9 ] ข้อเสนอเชิงวิธีการกรอง

เพิ่มรูปเพื่อขจัดเสียงรบกวนและเพิ่มเนิน . ผู้เขียนใน [ 10 ] ใช้
ทิศทางลักษณะลายนิ้วมือที่จะนำเสนอการเพิ่มประสิทธิภาพของภาพลายนิ้วมือ
วิธีตามฟิลด์เป้าหมาย ทั้งสองวิธีนี้ใช้ทิศทาง
ลักษณะลายนิ้วมือลงในบัญชีเพื่อให้พวกเขาสามารถเพิ่มและ de เสียงลายนิ้วมือ
ภาพได้อย่างมีประสิทธิภาพ เส้นลายนิ้วมือยังมีคุณลักษณะเนื้อสัมผัสทิศทางกับ
ทิศทางสอดคล้องกันภายในพื้นที่ แรงบันดาลใจจากวิธีการ [ 9 ] และ [ 10 ]
เรากล่าวถึงในบทนี้ นิ้วเส้นรูปแบบวิธีการสกัดโดยใช้การกรอง
จากทิศทางที่มุ่งเน้นคุณลักษณะของเส้นเลือดเหล่านี้ใช้คุณลักษณะของทิศทางภาพเส้นเลือดนิ้วมือ
โดยใช้กลุ่มวางกรอง แล้วแยกวัตถุจากหลอดเลือดดำ
ปรับปรุงวางกรองภาพ