of DB1, DB2, DB3 A, and DB4 are sho

of DB1, DB2, DB3 A, and DB4 are shown in Fig. 4.In live-scan fingerprints, it can be observed that the images from DBl (Lumidigm) have the best quality images highlighting the robustness of multi-spectral images.
Lumidigm Venus sensor captures the fingerprint in multiplespectrums and while fusing them, enhances the image quality.
Also, CrossMatch L-Scan Patrol has an in-built quality control mechanism and captures only those fingerprints that pass
the quality threshold. However, no such quality constraint is imposed on SecugenHamster-IV scanner, thus some of the
fingerprints in DB2 have relatively lower quality scores, as shown in Fig. 5. As expected, latent fingerprints in DB4 are
poor quality fingerprints with almost 96% of them having a quality score of 5. However, NFIQ is not designed to
evaluate the quality of latent fingerprints and a standard (open source) latent fingerprint specific assessment algorithm is
quality measure for simultaneous latent fingerprints (DB5) as well. Therefore, this is a high impact research challenge
which could be addressed using this database.

ผลลัพธ์ (ไทย) 1:

DB1, DB2, DB3 A และ DB4 จะแสดงในรูป 4.ใน live สแกนลายนิ้วมือ มันจะสังเกตได้ว่า ภาพจากห้อง (Lumidigm) มีคุณภาพภาพที่ดีที่สุดเน้นความทนทานของสเปกตรัมหลายภาพนี้Lumidigm Venus เซ็นเซอร์จับภาพลายนิ้วมือ ใน multiplespectrums และใน ขณะที่หลอมรวมพวกเขา ช่วยเพิ่มคุณภาพของภาพยัง CrossMatch L สแกนตระเวนมีกลไกการควบคุมคุณภาพในการก่อสร้าง และจับเพียงผู้บันทึกลายนิ้วมือที่ผ่านเกณฑ์คุณภาพ อย่างไรก็ตาม ไม่จำกัดคุณภาพดังกล่าวจะเก็บ SecugenHamster IV สแกนเนอร์ ดังนั้นบางลายนิ้วมือใน DB2 มีคะแนนคุณภาพค่อนข้างต่ำ ดังแสดงในรูปที่ 5 ตามที่คาดไว้ มีรอยนิ้วมือแฝงใน DB4ลายนิ้วมือคุณภาพต่ำ ด้วยเกือบ 96% ของพวกเขาที่มีคะแนนคุณภาพ 5 อย่างไรก็ตาม NFIQ ไม่ออกแบบมาเพื่อประเมินคุณภาพของลายนิ้วมือแฝง และอัลกอริทึมการประเมินเฉพาะลายนิ้วมือแฝงเป็นมาตรฐาน (เปิดแหล่งที่มา)วัดคุณภาพสำหรับพร้อมแฝงรอยนิ้วมือ (DB5) เช่น ดังนั้น นี้เป็นความท้าทายงานวิจัยผลกระทบสูงซึ่งอาจได้รับโดยใช้ฐานข้อมูลนี้

ผลลัพธ์ (ไทย) 2:

ของ DB1, DB2, DB3 A, และ DB4 จะแสดงในรูป 4.In สดการสแกนลายนิ้วมือก็สามารถสังเกตได้ว่าภาพจาก DBL (Lumidigm) มีที่ดีที่สุดภาพที่มีคุณภาพการเน้นความทนทานของภาพหลายสเปกตรัม.
เซ็นเซอร์ Lumidigm วีนัสจับลายนิ้วมือใน multiplespectrums และในขณะที่การหลอมรวมพวกเขาช่วยเพิ่มภาพ ที่มีคุณภาพ.
นอกจากนี้ crossmatch L-Scan ตระเวนมีกลไกการควบคุมคุณภาพในการสร้างและจับลายนิ้วมือเพียงผู้ที่ผ่าน
เกณฑ์คุณภาพ อย่างไรก็ตามยังไม่มีข้อ จำกัด ที่มีคุณภาพเช่นจะเรียกเก็บบนเครื่องสแกน SecugenHamster-IV จึงบางส่วนของ
ลายนิ้วมือใน DB2 ได้คะแนนค่อนข้างต่ำที่มีคุณภาพตามที่แสดงในรูป 5. เป็นที่คาดหวังลายนิ้วมือแฝงใน DB4 มี
ลายนิ้วมือที่มีคุณภาพดีที่มีเกือบ 96% ของพวกเขามีคะแนนคุณภาพของ 5 อย่างไรก็ตาม NFIQ ไม่ได้ออกแบบมาเพื่อ
ประเมินคุณภาพของลายนิ้วมือแฝงและมาตรฐาน (ที่มาเปิด) ลายนิ้วมือแฝงการประเมินที่เฉพาะเจาะจง อัลกอริทึมเป็น
วัดที่มีคุณภาพสำหรับลายนิ้วมือแฝงพร้อมกัน (DB5) รวม ดังนั้นนี่คือความท้าทายการวิจัยผลกระทบสูง
ซึ่งอาจได้รับการแก้ไขโดยใช้ฐานข้อมูลนี้

ผลลัพธ์ (ไทย) 3:

ของ db1 DB2 db3 และ db4 แสดงในรูปที่ 4 ในชีวิต สแกนลายนิ้วมือ พบว่าภาพจาก DBL ( lumidigm ) มีคุณภาพที่ดีที่สุด ภาพเน้นความทนทานของภาพเงาหลายlumidigm วีนัส เซ็นเซอร์จับลายนิ้วมือ multiplespectrums และในขณะที่ฟิวส์ได้ ช่วยเพิ่มคุณภาพของภาพนอกจากนี้ ความปรารถนา l-scan ลาดตระเวนได้สร้างกลไกในการควบคุมคุณภาพและจับเฉพาะผู้ที่ผ่านลายนิ้วมือเกณฑ์คุณภาพ อย่างไรก็ตาม ไม่มีข้อจำกัด คือ การกำหนดคุณภาพ secugenhamster 4 เครื่อง ดังนั้น บางส่วนของลายนิ้วมือใน DB2 มีคะแนนคุณภาพค่อนข้างต่ำ ดังแสดงในรูปที่ 5 เป็นไปตามคาด ลายนิ้วมือแฝงใน db4 เป็นคุณภาพลายนิ้วมือเกือบ 96% ของพวกเขามีคุณภาพ 5 คะแนน อย่างไรก็ตาม nfiq ไม่ได้ออกแบบประเมินคุณภาพของลายนิ้วมือแฝงและมาตรฐาน ( Open Source ) แฝงลายนิ้วมือเฉพาะการประเมินขั้นตอนวิธีวัดคุณภาพได้ลายนิ้วมือแฝง ( db5 ) ได้เป็นอย่างดี ดังนั้นนี่คือความท้าทายการวิจัยผลกระทบสูงซึ่งสามารถ addressed โดยใช้ฐานข้อมูลนี้