Int. J. Electron. Commun. (AEÜ) 65

Int. J. Electron. Commun. (AEÜ) 65 (2011) 742–749
Contents lists available at ScienceDirect
International Journal of Electronics and
Communications (AEÜ)
journal homepage: www.elsevier.de/aeue
A novel fingerprint matcher based on an ergodic 2-D Hidden Markov Model
Ashkan Tashk∗,1, Mohammad Sadegh Helfroush, Kamran Kazemi
Department of Electronic and Electrical Engineering, Shiraz University of Technology (sutech), Shiraz, Iran
a r t i c l e i n f o
Article history:
Received 17 June 2010
Accepted 29 November 2010
Keywords:
Ergodic topology
Embedded Hidden Markov Modeling
(EHMM)
Fingerprint matcher
Orientation field (OF)
a b s t r a c t
In this paper, a new approach for fingerprint ridge orientation field matching based on a novelHMM(Hidden
Markov Model) is proposed. The proposed method comprises several steps. First steps are devoted
to regular fingerprint preprocesses and ridge orientation estimation. Then, the fingerprint images are
registered along a reference point. Next, the proposed HMM topology is applied to the predetermined
fingerprint orientation field information around the reference point. The suggested HMM is of improved
training abilities. After applying the proposed HMM to the ridge orientation field, the matching cells are
produced. These cells consist of transition, observation and initial probability matrices which will be used
in the matching procedure. The proposed matching method has been evaluated using some creditable
fingerprint databases such as FVC2000 DB2 A, FVC2004 DB3 A and DB4 A. The evaluation results confirm
higher efficiency, robustness and accuracy for the proposed method compared with the previously
proposed matching ones.
© 2010 Elsevier GmbH. All rights reserved.
1. Introduction
There are several stages in all biometric recognition systems
[1]. Accordingly, fingerprint recognition systems comprise basic
stages listed as fingerprint image acquisition, image segmentation
and normalization, image enhancement, orientation field (OF) estimation,
feature extraction and fingerprint matching. Each of them
might comprise sub-stages or pre and post-processes. A typical
fingerprint identification system is illustrated in Fig. 1.
All fingerprint recognition systems include a key stage called
matcher. The function of this stage is of paramount importance
in finding the same fingerprint impressions. Fingerprint matching
has been approached by various strategies, such as image based
[2], ridge pattern based, point (minutiae) based [3], texture structure
based as a statistical approach [4] and graph based schemes
[5]. Among these methods, minutiae based approach is more reliable
and robust and therefore it is more conventional. However, the
accuracy of this method strictly depends on the quality of fingerprint
images, they are unable to tolerate large amounts of nonlinear
distortion in the fingerprint ridge structures. On the other hand,
all previous matching techniques rely on fingerprint ridge orientation
extraction. Fingerprint orientation estimation gives important
information about ridge and texture pattern of fingerprint images.
∗ Corresponding author.
E-mail addresses: tashk [e-mail] (A. Tashk), ms [e-mail]
(M.S. Helfroush), [e-mail] (K. Kazemi).
1 IEEE member.
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.
1434-8411/$ – see front matter © 2010 Elsevier GmbH. All rights reserved.
doi:10.1016/j.aeue.2010.11.002

ผลลัพธ์ (ไทย) 1:

อิเล็กตรอนของดอกเบี้ยเจ Commun (AEÜ) 65 (2011) 742-749เนื้อหารายการ ScienceDirectสมุดรายวันระหว่างประเทศของอิเล็กทรอนิกส์ และการสื่อสาร (AEÜ)หน้าแรกของสมุดรายวัน: www.elsevier.de/aeueรุ่น 2 D ซ่อน Markov matcher นวนิยายลายนิ้วมือที่ตาม ergodic การAshkan Tashk∗, 1, Mohammad Sadegh Helfroush กัมรัน Kazemiแผนกอิเล็กทรอนิกส์และวิศวกรรมไฟฟ้า ชีราซมหาวิทยาลัยเทคโนโลยี (sutech), ชีราซ อิหร่านr t ฉัน c l e ฉัน n f oบทความประวัติ:ได้รับ 17 2553 มิถุนายนยอมรับ 29 2553 พฤศจิกายนคำสำคัญ:โทโพโลยี Ergodicสร้างโมเดล Markov ฝังซ่อนไว้(EHMM)ลายนิ้วมือ matcherวางฟิลด์ (ของ)แบบ b s t r c tในเอกสารนี้ วิธีการแบบใหม่สำหรับลายนิ้วมือริดจ์วางฟิลด์ที่ตรงกันตาม novelHMM (ซ่อนมีเสนอแบบจำลองของ Markov) วิธีการนำเสนอประกอบด้วยหลายขั้นตอน ขั้นตอนแรกจะทุ่มเทลายนิ้วมือปกติ preprocesses และริดจ์ประเมินแนว แล้ว ภาพลายนิ้วมือได้ลงทะเบียนตามจุดอ้างอิง ถัดไป ใช้โทโพโลยี HMM เสนอไปที่กำหนดไว้ลายนิ้วมือที่วางรายรอบจุดอ้างอิง ที่แนะนำอืมมไม่ดีขึ้นความสามารถในการฝึกอบรม หลังจากใช้ HMM เสนอเขตแนวริดจ์ เซลล์ตรงกันอยู่ผลิต เซลล์เหล่านี้ประกอบด้วยช่วงการเปลี่ยนภาพ การสังเกต และเมทริกซ์เริ่มต้นความน่าเป็นที่จะใช้ในขั้นตอนการจับคู่ วิธีจับคู่นำเสนอได้รับการประเมินโดยใช้สินเชื่อบางฐานข้อมูลลายนิ้วมือเช่น A FVC2000 DB2, FVC2004 DB3 A และอ. DB4 ยืนยันผลการประเมินประสิทธิภาพสูง เสถียรภาพ และความถูกต้องสำหรับวิธีการนำเสนอเปรียบเทียบกับตัวก่อนหน้านี้นำเสนอตรงกับคน© 2010 Elsevier GmbH สงวนลิขสิทธิ์ทั้งหมด1. บทนำมีขั้นตอนต่าง ๆ ในระบบการตรวจสอบทางชีวภาพทั้งหมด[1] . ตาม ลายนิ้วมือระบบการรับรู้ประกอบด้วยขั้นพื้นฐานขั้นตอนที่แสดงเป็นซื้อภาพลายนิ้วมือ แบ่งภาพและ ฟื้นฟู ปรับภาพ การประเมินแนวฟิลด์ (ของ)แยกคุณลักษณะและการจับคู่ลายนิ้วมือ แต่ละของพวกเขาอาจประกอบด้วยขั้นตอนย่อย หรือก่อน และหลังกระบวน โดยทั่วไประบบลายนิ้วมือรหัสจะแสดงใน Fig. 1ทั้งลายนิ้วมือระบบประกอบด้วยขั้นตอนสำคัญที่เรียกว่าการรับรู้matcher การทำงานของขั้นตอนนี้เป็นความสำคัญสูงสุดในการค้นหาแสดงผลลายนิ้วมือเดียว จับคู่ลายนิ้วมือมีการประดับ ด้วยกลยุทธ์ต่าง ๆ เช่นตามรูป[2], ลายริดจ์ที่ใช้ จุด (minutiae) ตาม [3], เนื้อโครงสร้างใช้วิธีทางสถิติ [4] และกราฟตามแผนงาน[5] ระหว่างวิธีการเหล่านี้ วิธีการ minutiae ที่ใช้คือเชื่อถือได้มากและแข็งแกร่งจึง เป็นมากกว่าปกติ อย่างไรก็ตาม การความถูกต้องของวิธีการนี้ขึ้นอยู่กับคุณภาพของลายนิ้วมืออย่างเคร่งครัดภาพ พวกเขาไม่สามารถอดทนจำนวนมากไม่เชิงเส้นการบิดเบือนในโครงสร้างริดจ์ลายนิ้วมือ ในทางตรงข้ามเทคนิคการจับคู่ทั้งหมดก่อนหน้านี้อาศัยแนวริดจ์ลายนิ้วมือสกัด การประเมินการวางลายนิ้วมือให้ความสำคัญข้อมูลเกี่ยวกับรูปแบบริดจ์และพื้นผิวของภาพลายนิ้วมือผู้ Corresponding ∗ที่อยู่อีเมล์: [e-mail] tashk (A. Tashk), ms ที่ [e-mail](เด้นกวาน Helfroush), (คุณ Kazemi) ใน [e-mail]1 IEEE สมาชิกในความเป็นจริง 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 5อภิปรายและบทสรุปของการนำเสนอตรงกันวิธีการ1434-8411 / $ – ดูหน้าเรื่อง © 2010 Elsevier GmbH สงวนลิขสิทธิ์ทั้งหมดdoi:10.1016/j.aeue.2010.11.002

ผลลัพธ์ (ไทย) 2:

Int เจอิเลคตรอน commun (AEU) 65 (2011) 742-749
รายการเนื้อหาที่มีอยู่ใน ScienceDirect
วารสารนานาชาติอิเล็กทรอนิคส์และการสื่อสาร (AEU) ที่หน้าแรกของวารสาร: www.elsevier.de/aeue Matcher ลายนิ้วมือนิยายบนพื้นฐานของอัตลักษณ์ 2 มิติที่ซ่อนมาร์คอฟรุ่นอัสTashk *, 1, โมฮัมหมัด Sadegh Helfroush, เร็นเซมิภาควิชาอิเล็กทรอนิกส์และวิศวกรรมไฟฟ้าชีมหาวิทยาลัยเทคโนโลยี(sutech) ชีอิหร่านrticleinfo ประวัติศาสตร์บทความที่ได้รับ 17 มิถุนายน 2010 ได้รับการยอมรับ 29 พฤศจิกายน 2010 คำสำคัญ: โครงสร้างอัตลักษณ์ฝังซ่อนมาร์คอฟการสร้างแบบจำลอง( EHMM) ลายนิ้วมือ Matcher สนามปฐมนิเทศ (ของ) ที่เป็นนามธรรมในบทความนี้เป็นแนวทางใหม่สำหรับการจับคู่ลายนิ้วมือสันเขตการวางอยู่บนพื้นฐานของ novelHMM (Hidden Markov Model) จะเสนอ วิธีการที่นำเสนอประกอบด้วยหลายขั้นตอน ขั้นตอนแรกจะอุทิศเพื่อ preprocesses ลายนิ้วมือเป็นประจำและการประมาณค่าการวางแนวสันเขา จากนั้นภาพลายนิ้วมือที่มีการจดทะเบียนตามจุดอ้างอิง ถัดไปโครงสร้าง HMM เสนอถูกนำไปใช้ที่กำหนดไว้ข้อมูลเขตการวางลายนิ้วมือรอบจุดอ้างอิง อืมแนะนำคือที่ดีขึ้นของความสามารถในการฝึกอบรม หลังจากใช้อืมที่นำเสนอไปยังเขตข้อมูลการวางแนวสันเขาเซลล์ที่ตรงกับที่มีการผลิต เซลล์เหล่านี้ประกอบด้วยการเปลี่ยนแปลงการสังเกตและการฝึกอบรมความน่าจะเป็นครั้งแรกที่จะนำไปใช้ในขั้นตอนการจับคู่ วิธีการจับคู่ที่นำเสนอได้รับการประเมินโดยใช้เชื่อถือฐานข้อมูลลายนิ้วมือเช่น DB2 FVC2000 A, FVC2004 DB3 และ DB4 เอยืนยันผลการประเมินมีประสิทธิภาพสูงทนทานและความถูกต้องสำหรับวิธีการที่นำเสนอเมื่อเทียบกับก่อนหน้านี้คนที่ตรงกับที่นำเสนอ. © 2010 เอลส์ GmbH สงวนลิขสิทธิ์. 1 การแนะนำมีหลายขั้นตอนในระบบการรับรู้ทั้งหมดที่มีไบโอเมตริกซ์[1] ดังนั้นระบบจดจำลายนิ้วมือขั้นพื้นฐานประกอบด้วยขั้นตอนที่ระบุว่าเป็นการควบรวมภาพลายนิ้วมือ, การแบ่งส่วนภาพและฟื้นฟูเพิ่มประสิทธิภาพของภาพข้อมูลการวางแนวทาง(ของ) ประเมินการดึงและการจับคู่ลายนิ้วมือ แต่ละคนอาจจะประกอบด้วยขั้นตอนย่อยหรือก่อนและหลังกระบวนการ โดยทั่วไประบบลายนิ้วมือจะแสดงในรูปที่ 1. ทุกระบบจดจำลายนิ้วมือรวมถึงขั้นตอนที่สำคัญที่เรียกว่าMatcher การทำงานของขั้นตอนนี้มีความสำคัญยิ่งในการหาลายนิ้วมือการแสดงผลเดียวกัน การจับคู่ลายนิ้วมือได้รับการทาบทามจากกลยุทธ์ต่างๆเช่นภาพตาม[2] รูปแบบสันตามจุด (ข้อปลีกย่อย) ตาม [3] โครงสร้างพื้นผิวที่ใช้เป็นวิธีการทางสถิติ[4] และแผนการตามกราฟ[5] ในบรรดาวิธีการเหล่านี้ข้อปลีกย่อยตามแนวทางมีความน่าเชื่อถือและมีประสิทธิภาพจึงเป็นธรรมดา อย่างไรก็ตามความถูกต้องของวิธีการนี้อย่างเคร่งครัดขึ้นอยู่กับคุณภาพของลายนิ้วมือภาพที่พวกเขาไม่สามารถที่จะทนต่อจำนวนมากไม่เชิงเส้นการบิดเบือนในโครงสร้างสันลายนิ้วมือ ในขณะที่คนอื่น ๆทั้งหมดเทคนิคการจับคู่ก่อนหน้านี้ขึ้นอยู่กับการวางแนวสันเขาลายนิ้วมือสกัด การประมาณค่าการวางลายนิ้วมือที่สำคัญจะช่วยให้ข้อมูลเกี่ยวกับสันเขาและรูปแบบพื้นผิวของภาพลายนิ้วมือ. * ผู้รับผิดชอบ. ที่อยู่ E-mail: tashk [e-mail] (ก Tashk) [e-mail] มิลลิวินาที(MS Helfroush) เร็น .kazemi @ u-picardie.fr (เคเซมิ). สมาชิก 1 IEEE. ในความเป็นจริงการทำงานที่ถูกต้องของระบบจดจำลายนิ้วมือใด ๆขึ้นโดยตรงหรือโดยอ้อมในการข้อมูล 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. 1434-8411 / $ - เห็นว่าด้านหน้า© 2010 เอลส์ GmbH สงวนลิขสิทธิ์. ดอย: 10.1016 / j.aeue.2010.11.002

ผลลัพธ์ (ไทย) 3:

Int . J . อิเล็กตรอน การสื่อสาร . ( เอÜ ) 65 ( 2011 ) 742 – 749
เนื้อหารายการที่มีอยู่ในวารสารนานาชาติบริการ

ของอิเล็กทรอนิกส์และการสื่อสาร ( เอÜ )
วารสารหน้าแรก : www.elsevier . de / aeue
ลายนิ้วมือใหม่รับตามอัตลักษณ์ 2 แบบจำลองฮิดเดนมาร์คอฟ ซึ่ง tashk
ashkan ∗ 1 , โมฮัมหมัด sadegh helfroush คัมดี คาเซมี ,
ภาควิชาอิเล็กทรอนิกส์และวิศวกรรมไฟฟ้าชีราซ มหาวิทยาลัยเทคโนโลยี sutech ) , Shiraz อิหร่าน
r t i C L E n f o
บทความประวัติ : 17 มิถุนายน 2010

ได้รับยอมรับ 29 พฤศจิกายน 2553
คำสำคัญ :

แบบฝังซ่อนมาร์คอฟแบบอัตลักษณ์ ( มมม )


แนวรับลายนิ้วมือฟิลด์ ( ของ )
ข S T R A C T
บทความนี้วิธีการใหม่สำหรับการจับคู่ลายนิ้วมือสันเขาแนวเขตตาม novelhmm
( ที่ซ่อนอยู่แบบจำลองมาร์คอฟ ) เสนอ วิธีที่เสนอจะประกอบด้วยหลายขั้นตอน ขั้นตอนแรกจะทุ่มเทเพื่อ preprocesses
ลายนิ้วมือปกติและการวางแนว . แล้ว ภาพลายนิ้วมือเป็น
ลงทะเบียนตามจุดอ้างอิง . ต่อไปจะเสนอนะแบบที่ใช้กับการกำหนดเขต
ลายนิ้วมือรอบจุดอ้างอิงแนะนะคือปรับปรุง
ความสามารถในการฝึกอบรม หลังจากการเสนออืมเพื่อสันเขาแนวเขต , การจับคู่เซลล์
ผลิต เซลล์เหล่านี้ประกอบด้วยการเปลี่ยนแปลง การสังเกตและเมทริกซ์ความน่าจะเป็นเบื้องต้นซึ่งจะใช้ในการจับคู่
ขั้นตอน เสนอวิธีการจับคู่ได้ถูกประเมินโดยใช้บางส่วนที่น่าเชื่อถือเช่น fvc2000
ลายนิ้วมือฐานข้อมูล DB2 ,fvc2004 db3 และ db4 . ผลการประเมินสูงกว่ายืนยัน
ประสิทธิภาพความแข็งแกร่งและความถูกต้องสำหรับวิธีที่เสนอเมื่อเทียบกับก่อนหน้านี้ที่เสนอตรงกัน
.
สงวนลิขสิทธิ์ 2010 เอลส์ GmbH สงวนลิขสิทธิ์ .
1 บทนำ
มีหลายขั้นตอนใน Biometric ระบบจดจำ
[ 1 ] ด้วยระบบลายนิ้วมือประกอบด้วยขั้นพื้นฐาน
ขั้นตอนการระบุไว้เป็นรูปลายนิ้วมือ
แบ่งส่วนภาพและบรรทัดฐาน , การเสริมสร้างภาพลักษณ์ด้านการปฐมนิเทศ ( ของ ) การประมาณค่า
การสกัดคุณลักษณะและลายนิ้วมือที่ตรงกัน แต่ละของพวกเขาอาจจะประกอบด้วยขั้นตอนย่อย
หรือก่อนและหลังกระบวนการ โดยทั่วไป
ลายนิ้วมือระบบจะแสดงในรูปที่ 1 .
ทุกระบบลายนิ้วมือ รวมถึงคีย์บนเวทีที่เรียกว่า
ไม้ขีดไฟการทำงานของเวทีนี้ มีความสำคัญยิ่งในการค้นหาลายนิ้วมือ
ประทับใจเหมือนกัน ลายนิ้วมือตรงกัน
ได้เข้าหาโดยกลยุทธ์ต่าง ๆเช่น ภาพจาก
[ 2 ] รูปแบบตามสันเขาจุด ( ส่วนย่อย ) ตาม [ 3 ] ,
โครงสร้างพื้นผิวตามวิธีการทางสถิติ [ 4 ] และกราฟตามรูปแบบ
[ 5 ] ระหว่างวิธีการเหล่านี้ วิธีการที่ใช้มีความน่าเชื่อถือมากขึ้น
ข้อปลีกย่อยและมีประสิทธิภาพและดังนั้นจึงเป็นปกติมากขึ้น อย่างไรก็ตาม
ความถูกต้องของวิธีนี้อย่างเคร่งครัดขึ้นอยู่กับคุณภาพของลายนิ้วมือ
ภาพ , พวกเขาไม่สามารถที่จะทนจํานวนเชิง
บิดเบือนลายนิ้วมือแนวโครงสร้าง บนมืออื่น ๆ ,
เทคนิคการจับคู่ก่อนหน้านี้ทั้งหมดพึ่งพาลายนิ้วมือสันปฐมนิเทศ
การสกัด การปฐมนิเทศให้สำคัญ
ลายนิ้วมือข้อมูลเกี่ยวกับแนวและรูปแบบพื้นผิวของภาพลายนิ้วมือที่ผู้เขียน∗ .
.
อีเมล์ : tashk [e-mail] ( A . tashk ) , นางสาว helfroush @ sutech . ac.ir
( วท.ม. helfroush ) [e-mail] ( K . ดี คาเซมี )
1 โดยสมาชิก .
ในความเป็นจริง การทำงานที่ถูกต้องของระบบรู้จำลายนิ้วมือ
ขึ้นโดยตรง หรือโดยอ้อมในข้อมูล
เมื่อเร็วๆ นี้วิธีการที่แตกต่างกันมีการเสนอเพื่อปรับปรุงความถูกต้องและความเร็วของการระบุลายนิ้วมือ

ในการตรวจสอบและการจำแนก ซึ่งทั้งหมดนำของของภาพลายนิ้วมือที่ได้เป็นขั้นตอนพื้นฐาน 6 , 7
[ ]
มีหลายเหตุผลสำหรับการใช้ที่กว้างขวางของลูกโซ่มาร์คอฟ
ในการประมวลผลสัญญาณและภาพดิจิตอล . ตามอัตลักษณ์ของภาพลายนิ้วมือที่ติจิ
,มันน่าจะมีประโยชน์
วิเคราะห์เช่นดิจิตอลสัญญาณ 2 มิติในแง่ของที่ซ่อนแบบมาร์คอฟโมเดล
[ 8 – 10 ] นอกจากนี้ เป็นเพราะรูปแบบพื้นผิวปกติของมัน
ลายนิ้วมือสันเขาสามารถดูเป็นลูกโซ่มาร์คอฟเอ่ย
[ 11 ] การจับคู่แบบที่นำเสนอในกระดาษนี้ใช้
ปรับปรุงอืมโครงสร้างขึ้นอยู่กับลายนิ้วมือของรอบอ้างอิง
จุด ในแนะนำค่ะข้อมูลที่จำเป็นสำหรับการได้รับการจับคู่

แบบแยกตามอัตลักษณ์และเกี่ยวข้องกับการดำเนินงาน สูงและความถูกต้อง
ทนทานของวิธีการได้รับการพิสูจน์โดยการทดลองประเมินผลที่เชื่อถือได้
.
ส่วนที่เหลือของบทความนี้คือการจัด ดังนี้ ในส่วน 2 ,
ภาพรวมทั่วไปของทฤษฎีและการประยุกต์ อืมมม จะได้รับ
ต่าง ๆอืมแบบชนิดมีความแตกต่างของพวกเขาจะกล่าวถึงในวรรคแรก มาตรา
3 วิธีที่เสนอข้อดี
ยังมีการระบุไว้ในหมวดนี้ . มาตรา 3 ประกอบด้วยการนำเสนอ
ขั้นตอนการจับคู่ โดยวิธี
ประเมินผลกลยุทธ์พร้อมกับทดลองผลลัพธ์ที่เกี่ยวข้องโดยเฉพาะตามที่ระบุไว้ในมาตรา
4 มาตรา 5
ในที่สุดรวมถึงการอภิปรายและสรุปเสนอวิธีการจับคู่
.
1434-8411 / $ ) เห็นหน้าเรื่องสงวนลิขสิทธิ์ 2010 เอลส์ GmbH ทั้งหมดสงวนสิทธิ์ .
ดอย : 10.1016/j.aeue.2010.11.002