In fact, the correct functioning of

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.

ผลลัพธ์ (ไทย) 1:

ในความเป็นจริง ทำงานที่ถูกต้องของลายนิ้วมือระบบรู้จำขึ้นอยู่โดยตรง หรือโดยอ้อมกับข้อมูลของ ล่าสุดได้รับการเสนอวิธีการต่าง ๆ สำหรับการปรับปรุงความถูกต้องและความเร็วของนิ้วมือ การตรวจสอบ และการจัด ประเภทในการแยกของรูปลายนิ้วมือได้เป็นขั้นตอนแบบพื้นฐาน [6,7]มีสาเหตุหลายประการสำหรับการใช้งานอย่างละเอียดของ Markov chainsสัญญาณดิจิตอลและการประมวลผลภาพ ตามที่ nonstationaryเอกลักษณ์ของภาพลายนิ้วมือ เหมือน bemore ประโยชน์การวิเคราะห์สัญญาณดิจิตอลดังกล่าว 2 D ในรูปแบบ Markov ซ่อน[8-10] นอกจากนี้ เนื่องจากรูปแบบพื้นผิวทั่วไป การริดจ์ลายนิ้วมือของสามารถใช้เป็นห่วงโซ่ Markov กล่าวใน [11] ใช้วิธีตรงที่นำเสนอในเอกสารนี้เป็นปรับปรุงโครงสร้าง HMM ตามลายนิ้วมือของรอบการอ้างอิงจุด ในแนะนำ HMM ข้อมูลที่จำเป็นสำหรับมีการสกัดขั้นตอนตรงตาม ergodicโทโพโลยีและการดำเนินการฝึกอบรมที่เกี่ยวข้อง ความถูกต้องสูงและเสถียรภาพของวิธีการนำเสนอได้รับการพิสูจน์ โดยเชื่อถือได้ประเมินผลการทดลองส่วนเหลือของเอกสารนี้ถูกจัดระเบียบเป็นดังนี้: ในส่วน 2 การภาพรวมทั่วไปของทฤษฎี HMM และโปรแกรมประยุกต์ที่ได้รับ ต่าง ๆHMM โทโพโลยีชนิด มีความแตกต่างของพวกเขาจะกล่าวถึงใน subsection แรกส่วน 3 ข้อดีของวิธีการนำเสนอยังอยู่ใน subsection นี้ นอกจากนี้ยังประกอบด้วย 3 ส่วนขั้นตอนดำเนินการสำหรับวิธีการจับคู่การนำเสนอ ที่กลยุทธ์การประเมินที่มีความเกี่ยวข้องทดลองผลลัพธ์เฉพาะระบุไว้ในมาตรา ๔ สุดท้าย ส่วน 5อภิปรายและบทสรุปของการนำเสนอตรงกันวิธีการ

ผลลัพธ์ (ไทย) 2:

ในความเป็นจริงการทำงานที่ถูกต้องของระบบจดจำลายนิ้วมือใด ๆ
ขึ้นโดยตรงหรือโดยอ้อมในการข้อมูล เมื่อเร็ว ๆ นี้วิธีการที่แตกต่างกันได้รับการเสนอในการปรับปรุงความถูกต้องและความเร็วของลายนิ้วมือในการตรวจสอบและการจำแนกในทุกที่สกัดของภาพลายนิ้วมือที่ได้รับเป็นขั้นตอนพื้นฐาน[6,7]. มีหลายเหตุผลสำหรับการใช้งานที่กว้างขวางมี โซ่มาร์คอฟในสัญญาณดิจิตอลและการประมวลผลภาพ ตามที่ไม่คงที่ตัวตนของภาพลายนิ้วมือที่ดูเหมือนว่าจะ bemore ประโยชน์ในการวิเคราะห์2 มิติเช่นสัญญาณดิจิตอลในแง่ของรุ่นที่ซ่อนมาร์คอฟ[8-10] นอกจากนี้เนื่องจากพื้นผิวของรูปแบบปกติที่แนวของลายนิ้วมือสามารถดูเป็นห่วงโซ่มาร์คอฟกล่าวถึงใน[11] วิธีการจับคู่ที่นำเสนอในบทความนี้ใช้โครงสร้างอืมที่ดีขึ้นขึ้นอยู่กับลายนิ้วมือของรอบอ้างอิงจุด ในการแนะนำ HMM ข้อมูลที่จำเป็นสำหรับขั้นตอนการจับคู่ที่ได้รับการสกัดขึ้นอยู่กับอัตลักษณ์โครงสร้างและการดำเนินงานที่เกี่ยวข้องกับการฝึกอบรม ความถูกต้องสูงและความทนทานของวิธีการที่นำเสนอได้รับการพิสูจน์โดยที่เชื่อถือได้ทดลองประเมินผล. ส่วนที่เหลือของบทความนี้จะจัดดังนี้ส่วนที่ 2 เป็นภาพรวมทั่วไปของทฤษฎีอืมและการใช้งานจะได้รับ ต่างสายพันธุ์โครงสร้างอืมมีความแตกต่างของพวกเขาที่จะกล่าวถึงในส่วนย่อยแรกของมาตรา3 ข้อดีวิธีที่นำเสนอมีการระบุไว้ในหมวดนี้ ส่วนที่ 3 ยังประกอบด้วยขั้นตอนการดำเนินการสำหรับวิธีการจับคู่ที่นำเสนอ กลยุทธ์การประเมินผลพร้อมกับการทดลองของพวกเขาที่เกี่ยวข้องกับผลที่ได้ระบุไว้ในมาตรา 4 ในที่สุดส่วนที่ 5 รวมถึงการอภิปรายและข้อสรุปของการจับคู่ที่นำเสนอวิธีการ

ผลลัพธ์ (ไทย) 3:

ในความเป็นจริง การทำงานที่ถูกต้องของระบบรู้จำลายนิ้วมือ
ขึ้นโดยตรงหรือโดยอ้อมในข้อมูล เมื่อเร็ว ๆนี้
วิธีการต่าง ๆ ที่ได้รับการเสนอเพื่อปรับปรุงความถูกต้องและความเร็วของการระบุลายนิ้วมือ

ในการตรวจสอบและการจำแนก ซึ่งทั้งหมดนำของของภาพลายนิ้วมือที่ได้เป็นขั้นตอนพื้นฐาน 6 , 7 [

]มีหลายเหตุผลสำหรับการใช้ที่กว้างขวางของลูกโซ่มาร์คอฟ
ในการประมวลผลสัญญาณและภาพดิจิตอล . ตามอัตลักษณ์ของภาพลายนิ้วมือที่ติจิ

เหมือนจะมีประโยชน์เพื่อวิเคราะห์สัญญาณ 2 มิติ เช่น ดิจิตอล ในแง่ของที่ซ่อนแบบมาร์คอฟโมเดล
[ 8 – 10 ] นอกจากนี้ เป็นเพราะรูปแบบพื้นผิวปกติของมัน
ลายนิ้วมือสันเขาสามารถดูเป็นลูกโซ่มาร์คอฟเอ่ย
[ 11 ]การจับคู่แบบที่นำเสนอในกระดาษนี้ใช้
ปรับปรุงอืมโครงสร้างขึ้นอยู่กับลายนิ้วมือของรอบอ้างอิง
จุด ในแนะนำนะ ข้อมูลที่จำเป็นสำหรับการได้รับการจับคู่

แบบแยกตามอัตลักษณ์และเกี่ยวข้องกับการดำเนินงาน สูงและความถูกต้อง
ทนทานของวิธีการได้รับการพิสูจน์โดยการทดลองประเมินผลได้

ส่วนที่เหลือของบทความนี้คือการจัด ดังนี้ ในส่วน 2 ,
ภาพรวมทั่วไปของทฤษฎีและการประยุกต์ อืมมม จะได้รับ ชนิดแบบอืมต่างๆ
กับความแตกต่างของพวกเขาจะกล่าวถึงในวรรคแรก มาตรา
3 วิธีที่เสนอข้อดี
ยังมีการระบุไว้ในหมวดนี้ . มาตรา 3 ประกอบด้วยการนำเสนอ
ขั้นตอนการจับคู่ โดยวิธี