After the above methodology was use

After the above methodology was used to compare high quality
and low quality (noisy) images, all low quality prints (see Fig. 2 for
example images) were decomposed into individual component
frequencies using the discrete Fourier transform (DFT). This
transformation assumes that a complex signal can be decomposed
into a summation or integral of sines and cosines with varying
frequency and amplitude. To illustrate, consider a 1D square-wave
or step-function (Fig. 3 adapted from [22]). With regard to 2D
spatial images, the same theory applies; a 2D image can be
decomposed into component frequencies, revealing a power
spectrum. The power spectrum highlights repetitive patterns such
as parallel lines or ink dots in the spatial image, which manifest as
bright spots or lines in the power spectrum [23]. If selected
frequencies in the power spectrum are suppressed (or filtered) the
newly modified spectrum can be transformed back to the spatial
domain, often reducing or removing background interference. The
minutiae in the post-processed fingerprint image can then be reexamined,
triangulated, registered and compared to the high
quality exemplars again, providing match scores that can be
compared to those obtained pre-filtering.
The results of all pairwise comparisons were used to generate
probability density functions describing the match scores and the
number of matching minutiae based on the type of pairwise
comparison (e.g., known-matches (KM) and known non-matches
(KNM)), and further divided by subjectively categorized quality
(i.e., high, pre-filtered low and post-filtered low). In addition to
inspection of the aforementioned probability density functions, a
direct measure of the normalized gain in similarity was computed
for sets of pre- and post-filtered images according to Eq. (2) [24

ผลลัพธ์ (ไทย) 1:

หลังจากใช้วิธีข้างต้นเพื่อเปรียบเทียบคุณภาพและภาพคุณภาพต่ำ (เสียงดัง) คุณภาพต่ำทั้งหมดพิมพ์ (ดู Fig. 2 สำหรับภาพตัวอย่าง) ถูกย่อยสลายไปเป็นส่วนประกอบแต่ละความถี่โดยใช้การแปลงฟูรีเยแยกกัน (DFT) นี้การเปลี่ยนแปลงถือว่า สามารถแยกสัญญาณที่ซับซ้อนการรวมหรือการไซน์และโคไซน์ มีแตกต่างกันความถี่และความกว้าง การแสดง พิจารณาคลื่นสแควร์ที่ 1Dหรือขั้นตอนฟังก์ชัน (Fig. 3 ดัดแปลงจาก [22]) เกี่ยวกับ 2Dภาพพื้นที่ ใช้ทฤษฎีเดียวกัน รูป 2 มิติได้แยกเป็นความถี่ของส่วนประกอบ เปิดเผยกำลังสเปกตรัมการ คลื่นพลังงานเน้นซ้ำรูปแบบดังกล่าวเป็นเส้นขนานหรือหมึกจุดในปริภูมิรูปภาพ ซึ่งเป็นรายการจุดสว่างหรือบรรทัดในสเปกตรัมพลังงาน [23] ถ้าเลือกความถี่ในคลื่นพลังงานจะถูกระงับ (หรือกรอง)สเปกตรัมที่ปรับเปลี่ยนใหม่ที่สามารถเปลี่ยนกลับไปพื้นที่โดเมน มักจะลดลง หรือเอาออกรบกวนพื้นหลัง ที่minutiae ในภาพลายนิ้วมือหลังประมวลผลแล้วสามารถจะ reexaminedรับ ลงทะเบียน และเมื่อเทียบกับสูงคุณภาพ exemplars อีก ให้ตรงกับคะแนนที่ได้เมื่อเทียบกับผู้ที่ได้รับการกรองล่วงหน้าผลการเปรียบเทียบแพร์ไวส์ทั้งหมดถูกใช้เพื่อสร้างฟังก์ชันความหนาแน่นของความน่าเป็นอธิบายคะแนนตรงกันและจำนวน minutiae ที่ตรงตามชนิดของแพร์ไวส์เปรียบเทียบ (เช่น รู้จักตรงกัน (KM) และการรู้จักไม่แข่งขัน(KNM)), และหาร subjectively จำแนกคุณภาพเพิ่มเติม(เช่น สูง ก่อนกรองต่ำ และหลังกรองแล้วต่ำ) นอกตรวจสอบฟังก์ชันความหนาแน่นของความน่าเป็นดังกล่าว การมีคำนวณโดยตรงวัดกำไรมาตรฐานในความคล้ายคลึงกันสำหรับชุดของภาพก่อน และหลังกรองตาม Eq. (2) [24

ผลลัพธ์ (ไทย) 2:

หลังจากที่วิธีการดังกล่าวข้างต้นถูกใช้ในการเปรียบเทียบที่มีคุณภาพสูงและมีคุณภาพต่ำ (เสียงดัง) ภาพทุกภาพพิมพ์ที่มีคุณภาพต่ำ (ดูรูปที่ 2. สำหรับภาพตัวอย่าง) ถูกย่อยสลายเป็นส่วนประกอบแต่ละความถี่โดยใช้ฟูริเยร์ต่อเนื่องเปลี่ยน (DFT) ซึ่งการเปลี่ยนแปลงที่ถือว่าเป็นสัญญาณที่ซับซ้อนสามารถย่อยสลายเป็นบวกหรือหนึ่งของไซนส์และความผาสุกที่แตกต่างกับความถี่และความกว้าง เพื่อแสดงให้เห็นให้พิจารณา 1D ตารางคลื่นหรือขั้นตอนการทำงาน(รูปที่ 3. ที่ดัดแปลงมาจาก [22]) ในเรื่องเกี่ยวกับ 2D ภาพอวกาศทฤษฎีเดียวกันกับ; ภาพ 2D สามารถย่อยสลายเป็นองค์ประกอบความถี่เผยให้เห็นพลังคลื่นความถี่ คลื่นไฟฟ้าไฮไลท์รูปแบบซ้ำ ๆ เช่นเป็นเส้นคู่ขนานหรือจุดหมึกในภาพเชิงพื้นที่ซึ่งประจักษ์เป็นจุดสว่างหรือเส้นสเปกตรัมพลังงานไปที่[23] ถ้าเลือกความถี่ในคลื่นไฟฟ้าที่มีการปราบปราม (หรือกรอง) คำสเปกตรัมการปรับเปลี่ยนใหม่สามารถเปลี่ยนกลับไปยังอวกาศโดเมนมักจะลดหรือลบรบกวนพื้นหลัง ข้อปลีกย่อยในภาพลายนิ้วมือโพสต์การประมวลผลจากนั้นจะสามารถซักค้าน, ดักจดทะเบียนและเมื่อเทียบกับสูงโคลงที่มีคุณภาพอีกครั้งให้ตรงกับคะแนนที่สามารถนำมาเทียบกับผู้ที่ได้รับก่อนการกรอง. ผลของการเปรียบเทียบจากจำนวนทั้งหมดถูกนำมาใช้ในการสร้างฟังก์ชั่นความหนาแน่นของความน่าจะอธิบายคะแนนการแข่งขันและจำนวนข้อปลีกย่อยการจับคู่ตามประเภทของคู่เปรียบเทียบ(เช่นที่รู้จักกันตรง (KM) และเป็นที่รู้จักการแข่งขันที่ไม่ใช่(KNM)) และแบ่งต่อไปโดยแบ่งผู้กระทำคุณภาพ(เช่นสูง ก่อนการกรองต่ำและหลังการกรองต่ำ) นอกเหนือไปจากการตรวจสอบของฟังก์ชั่นความหนาแน่นของความน่าจะเป็นดังกล่าวเป็นวัดโดยตรงของกำไรปกติในการคำนวณความคล้ายคลึงกันสำหรับชุดของภาพก่อนและหลังการกรองตามสมการ (2) [24

ผลลัพธ์ (ไทย) 3:

ตามวิธีการข้างต้นถูกใช้เพื่อเปรียบเทียบ
คุณภาพสูงและคุณภาพต่ำ ( เสียงดัง ) ภาพ , ภาพพิมพ์คุณภาพทั้งหมดต่ำ ( ดูรูปที่ 2 สำหรับ
ตัวอย่างภาพ ) ถูกย่อยสลายไป ความถี่แต่ละองค์ประกอบ
โดยใช้การแปลงแบบไม่ต่อเนื่อง ( DFT ) การเปลี่ยนแปลงนี้
ถือว่าเป็นสัญญาณที่ซับซ้อนสามารถย่อยสลาย
ในการบวกหรือส่วนประกอบของและกับค่า
cosines ไซนส์ความถี่และแอมปลิจูด . แสดงให้เห็นถึง พิจารณา ดี สแควร์คลื่น
หรือขั้นตอนการทำงาน ( ภาพที่ 3 ดัดแปลงจาก [ 22 ] ) เกี่ยวกับ 2D
ภาพการใช้ทฤษฎีเดียวกัน ภาพ 2D ที่สามารถย่อยสลายในความถี่ส่วนประกอบ

เปิดเผยพลังสเปกตรัม อำนาจสเปกตรัมไฮไลท์ซ้ํารูปแบบเช่น
เป็นเส้นขนาน หรือจุดหมึกในรูปเชิงพื้นที่ ซึ่งแสดงให้เห็นเช่น
สว่างจุดหรือเส้นในพลังสเปกตรัม [ 23 ] ถ้าเลือก
ความถี่ในสเปกตรัมกำลังถูกระงับ ( หรือกรอง )
ใหม่ดัดแปลงสเปกตรัมสามารถเปลี่ยนกลับไปโดเมนพื้นที่
มักจะลดหรือขจัดสัญญาณรบกวนพื้นหลัง
ข้อปลีกย่อยในการโพสต์การประมวลผลรูปภาพลายนิ้วมือสามารถตรวจสอบใหม่
, สำรวจ , ลงทะเบียนและเมื่อเทียบกับสูง
ภาพ Exemplars อีกครั้ง การให้คะแนนการแข่งขันที่สามารถ
เมื่อเทียบกับผู้ที่ได้รับก่อนการกรอง
ผลเปรียบเทียบคู่ทั้งหมดถูกใช้ในการสร้างฟังก์ชันความหนาแน่นความน่าจะเป็นอธิบาย

ตรงกับคะแนนและจำนวนที่ตรงกัน ข้อปลีกย่อยตามชนิดของดาวเทียมพ้องคาบโลก
( เช่นการแข่งขันที่รู้จักกัน ( km ) และจักไม่ตรงกับ
( knm ) )และยังแบ่งตามหมวดหมู่อย่างคุณภาพ
( เช่น สูง ต่ำ และต่ำกรองกรองก่อนโพสต์ ) นอกจาก
ตรวจสอบดังกล่าวเป็นฟังก์ชันความหนาแน่นของความน่าจะเป็น ,
วัดโดยตรงของรูปได้ในความเหมือนคือคำนวณ
สำหรับชุดกรองก่อนและหลังภาพจากอีคิว ( 2 ) [ 24