The increasing popularity of the pa

The increasing popularity of the palmprint biometrics has resulted in various feature extraction techniques that have contributed to boosting the accuracy of palmprint verification. The available techniques can be broadly classified into the following five types, namely: (1) local feature-based approaches, (2) statistical-based approaches, (3) appearance based approaches, (4) texture based approaches, and (5) hybrid approaches. The local feature extraction techniques are based on extracting the feature such as ridges that include both delta points, minutiae, and palm creases (or principle lines). The local features from the palmprint can be extracted using various techniques that includes line segment approach [4], morphological median wavelet [5], Sobel operator [6], Canny operators [6], Plessy operator [7], and wide-line detection operator [8]. Even though the local features are proven to achieve the accurate performance, these methods demand very high-resolution palmprint images to be captured and thereby increases the cost of the sensor. The statisticalbased approaches are based on extracting the features that correspond to mean, variance, moments, and energy. There exist various techniques to capture the statistics of the palmprint that includes wavelet transform [9], Fourier transform [10], Cepstrum energy [11], sub-block energy based on Gabor transform [12, 13], micro-scale invariant Gabor [14], Zernike moments [15]. However, the use of the statistics-based approaches are not robust against the sensor noise. The appearance-based approaches perform the data mapping from high dimension to low dimension to achieve high accuracy as well as speed in comparison. The most popular appearance-based techniques includes Principal Component Analysis (PCA) [16], 2DPCA [17], bidirectional PCA [18], (2D)2PCA [19], independent component analysis (ICA) [20], linear discriminant analysis (LDA) [21], kernel-based approaches like kernel discriminant analysis (KDA) [13], kernel PCA (KPCA) [22], and generative model-based approaches, namely: PCA mixture model(PCAMM) and ICA mixture model (ICAMM) [23]. Even though the use of the appearance model can perform equally well with the statistics approach, it still lacks the robustness against variation in noise as well as variation in palmprint templates with time. The texture-based schemes normally extract the global patterns of lines, ridges, and wrinkles that constitute for the robust palmprint recognition. Among the available texture extraction schemes, the use of local binary patterns (LBP) [24], Gabor transform [13], palmcode [25], ordinal code [26], fusion code [27], competitive code [28], and contour code [29] have shown to perform accurately even on low-resolution palmprint images. The hybrid scheme [30, 31] combines more than one of the abovementioned schemes so that it can address shortcomings of individual schemes. When compared to all five different types of schemes, the hybrid schemes appear to be more robust and accurate for the palmprint recognition. Table 1 shows the characteristics of the existing palmprint feature extraction schemes in terms of computation complexity and accuracy. The detailed survey on the palmprint recognition can be found in [32, 33].

ผลลัพธ์ (ไทย) 1:

ความนิยมที่เพิ่มขึ้นของชีวภาพ palmprint มีผลในเทคนิคการสกัดคุณลักษณะต่าง ๆ ที่มีส่วนส่งเสริมความแม่นยำของการตรวจสอบ palmprint เทคนิคว่างอาจทั่วไปแบ่งได้เป็น 5 ชนิดต่อไปนี้ ได้แก่: วิธีใช้คุณลักษณะ (1) ท้องถิ่น, (2) สถิติใช้วิธี, (3) ตามลักษณะวิธี วิธี (4) ใช้เนื้อ และ (5) แบบผสมผสานวิธีการ เทคนิคการสกัดคุณลักษณะเฉพาะขึ้นอยู่กับการแยกคุณลักษณะเช่นเคลื่อนที่รวมทั้งเดลต้าคะแนน minutiae และปาล์ม creases (หรือบรรทัดหลัก) คุณลักษณะเฉพาะจาก palmprint สามารถสกัดได้โดยใช้เทคนิคต่าง ๆ ที่บรรทัดเซ็กเมนต์วิธี [4], wavelet มัธยฐานของ [5], Sobel ตัว [6], แหลมตัว [6], Plessy ตัว [7], และดำเนินการตรวจสอบทั้งสาย [8] ถึงแม้ว่าคุณลักษณะเฉพาะที่จะพิสูจน์เพื่อให้เกิดประสิทธิภาพความถูกต้อง วิธีการเหล่านี้ต้องการความละเอียดสูงมาก palmprint ภาพจะสามารถจับภาพ และเพิ่มต้นทุนของการเซ็นเซอร์จึง วิธี statisticalbased จะขึ้นอยู่กับการแยกคุณลักษณะที่สอดคล้องกับค่าเฉลี่ย ผลต่าง ช่วงเวลา และพลังงาน มีเทคนิคต่าง ๆ ในการรวบรวมสถิติของ palmprint ที่มีแปลง wavelet [9], [10] การแปลงฟูรีเย Cepstrum พลังงาน [11] บล็อกย่อยพลังงานตามแปลงกาบอร์ [12, 13], กาบอร์สเกลไมโครบล็อก [14], ช่วงเวลา Zernike [15] อย่างไรก็ตาม การใช้แนวทางตามสถิติไม่แข็งกับเสียงเซนเซอร์ วิธีตามลักษณะทำการแม็ปข้อมูลจากมิติสูงต่ำขนาดให้มีความแม่นยำสูงรวมทั้งความเร็วในการเปรียบเทียบ เทคนิคตามลักษณะที่นิยมมากที่สุดรวมถึงหลักส่วนประกอบวิเคราะห์ (PCA) [16], 2DPCA [17], ทิศ PCA [18], 2PCA (2D) [19], วิเคราะห์ส่วนประกอบอิสระ (ปัจจุบันประกอบ) [20], discriminant เชิงวิเคราะห์ (LDA) [21] วิธีใช้เคอร์เนลเช่นการวิเคราะห์ discriminant เคอร์เนล (KDA) [13], เคอร์เนล PCA (KPCA) [22], และ generative ตามรูปแบบแนว ทาง ได้แก่: PCA ผสม model(PCAMM) และปัจจุบันประกอบผสมรุ่น (ICAMM) [23] แม้ว่าจะใช้แบบลักษณะสามารถทำได้อย่างเท่าเทียมกันกับวิธีสถิติ มันยังขาดเสถียรภาพกับความผันแปรในเสียงตลอดจนเปลี่ยนแปลงแม่แบบ palmprint กับเวลา แผนงานการใช้พื้นผิวปกติแยกรูปแบบสากลของบรรทัด สันเขา และริ้วรอยที่เป็นการรู้จำ palmprint แข็งแรง ระหว่างแผนงานสกัดพื้นผิวที่ว่าง ใช้เฉพาะเลขฐานสองรูปแบบ (แอลบีพี) [24], กาบอร์แปลง [13] palmcode [25], เลขลำดับรหัส [26], รหัสฟิวชั่น [27], รหัสแข่งขัน [28], และรหัสจาก [29] ได้แสดงทำอย่างถูกต้องแม้ในรูปแส palmprint โครงร่างไฮบริด [30, 31] รวมมากกว่าหนึ่งแผนงานดังกล่าวข้างต้นเพื่อให้มันสามารถที่อยู่ของแต่ละแผนงาน เมื่อเทียบกับทั้งหมดห้าชนิดต่าง ๆ ของแผนงาน แผนงานแบบผสมผสานปรากฏให้แข็งแกร่งมากขึ้น และถูกต้องสำหรับการ palmprint ตารางที่ 1 แสดงลักษณะของ palmprint ที่มีอยู่ร่างแยกคุณลักษณะคำนวณซับซ้อนและถูกต้อง การสำรวจรายละเอียดใน palmprint สามารถพบได้ใน [32, 33]

ผลลัพธ์ (ไทย) 2:

ความนิยมที่เพิ่มขึ้นของชีวภาพ palmprint มีผลในการสกัดคุณลักษณะเทคนิคต่างๆที่มีส่วนร่วมในการส่งเสริมการตรวจสอบความถูกต้องของ palmprint เทคนิคที่มีอยู่สามารถแบ่งออกเป็นห้าต่อไปนี้ประเภทคือ (1) คุณสมบัติตามท้องถิ่นวิธี (2) วิธีการทางสถิติที่ใช้ (3) ลักษณะวิธีการตาม (4) วิธีการตามเนื้อและ (5) วิธีไฮบริด เทคนิคการดึงท้องถิ่นจะขึ้นอยู่กับการสกัดคุณลักษณะเช่นสันเขาที่มีทั้งจุดเดลต้าข้อปลีกย่อยและรอยย่นในปาล์ม (หรือเส้นหลักการ) คุณสมบัติท้องถิ่นจาก palmprint สามารถสกัดโดยใช้เทคนิคต่างๆที่มีวิธีการที่เส้นส่วน [4], เวฟเฉลี่ยก้าน [5], ผู้ประกอบการโชเบล [6] ผู้ประกอบการแสนรู้ [6], ผู้ประกอบการ Plessy [7] และกว้างสาย ผู้ประกอบการตรวจสอบ [8] ถึงแม้ว่าคุณสมบัติในท้องถิ่นได้รับการพิสูจน์เพื่อให้เกิดประสิทธิภาพที่ถูกต้องวิธีการเหล่านี้เรียกร้องมากความละเอียดสูงภาพ palmprint จะถูกจับและจึงเพิ่มค่าใช้จ่ายของเซ็นเซอร์ วิธี statisticalbased จะขึ้นอยู่กับการสกัดคุณลักษณะที่ตรงกับหมายถึงความแปรปรวนช่วงเวลาและพลังงาน มีเทคนิคต่างๆในการจับภาพสถิติของ palmprint ที่มีเวฟแปลง [9] การแปลงฟูเรีย [10] พลังงาน Cepstrum [11] พลังงานย่อยบล็อกขึ้นอยู่กับบอร์เปลี่ยนอยู่ [12, 13] คงที่ขนาดเล็กขนาด Gabor [14] ช่วงเวลา Zernike [15] อย่างไรก็ตามการใช้วิธีการสถิติที่ใช้ไม่ได้กับเสียงที่แข็งแกร่งเซ็นเซอร์ ลักษณะวิธีการที่ใช้ดำเนินการทำแผนที่ข้อมูลจากมิติสูงต่ำมิติเพื่อให้บรรลุความแม่นยำสูงเช่นเดียวกับความเร็วในการเปรียบเทียบ การปรากฏตัวตามที่นิยมมากที่สุดเทคนิครวมถึงการวิเคราะห์องค์ประกอบหลัก (PCA) [16], 2DPCA [17], แบบสองทิศทาง PCA [18] (2D) 2PCA [19], การวิเคราะห์องค์ประกอบอิสระ (ICA) [20], วิเคราะห์จำแนกเชิงเส้น (LDA) [21] วิธีเคอร์เนลตามชอบวิเคราะห์จำแนกเคอร์เนล (KDA) [13] เคอร์เนล PCA (KPCA) [22] และการกำเนิดแบบที่ใช้วิธีการคือ: PCA รูปแบบผสม (PCAMM) และไอซีรูปแบบผสม (ICAMM) [23] แม้ว่าการใช้แบบจำลองลักษณะที่สามารถดำเนินการอย่างเท่าเทียมกันด้วยวิธีการทางสถิติก็ยังขาดความทนทานต่อการเปลี่ยนแปลงในเสียงเช่นเดียวกับการเปลี่ยนแปลงในแม่แบบ palmprint กับเวลา รูปแบบพื้นผิวตามปกติแยกรูปแบบระดับโลกของเส้นสันเขาและริ้วรอยที่เป็นสำหรับการรับรู้ palmprint ที่แข็งแกร่ง ในบรรดาแผนการสกัดพื้นผิวที่มีการใช้รูปแบบไบนารีท้องถิ่น (LBP) [24], บอร์เปลี่ยน [13], palmcode [25] รหัสลำดับ [26] รหัสฟิวชั่น [27] ​​รหัสแข่งขัน [28] และ รหัสรูปร่าง [29] ได้แสดงให้เห็นในการดำเนินการอย่างถูกต้องแม้ในความละเอียดต่ำภาพ palmprint โครงการไฮบริด [30 31] รวมมากกว่าหนึ่งของแผนการดังกล่าวเพื่อที่จะสามารถอยู่บกพร่องของรูปแบบของแต่ละบุคคล เมื่อเทียบกับทั้งห้าชนิดที่แตกต่างของรูปแบบ, รูปแบบไฮบริดดูเหมือนจะมีประสิทธิภาพมากขึ้นและถูกต้องสำหรับการรับรู้ palmprint ตารางที่ 1 แสดงให้เห็นถึงลักษณะของคุณลักษณะที่มีอยู่ palmprint แผนการสกัดในแง่ของความซับซ้อนในการคำนวณและความถูกต้อง การสำรวจการรับรู้รายละเอียดเกี่ยวกับ palmprint ที่สามารถพบได้ใน [32, 33]

ผลลัพธ์ (ไทย) 3:

ความนิยมที่เพิ่มขึ้นของ palmprint ชีวภาพส่งผลให้เกิดต่างๆเทคนิคการสกัดคุณลักษณะที่มีส่วนส่งเสริมความถูกต้องของการตรวจสอบ palmprint . เทคนิคที่ใช้ได้สามารถแบ่งกว้างเป็น 5 ประเภท ดังนี้ คือ ( 1 ) วิธีในสารท้องถิ่น ( 2 ) ใช้วิธีการทางสถิติ ( 3 ) ลักษณะตามแนว( 4 ) เนื้อตามแนวทาง และ ( 5 ) แนวทางลูกผสม เทคนิคการสกัดลักษณะท้องถิ่นจะขึ้นอยู่กับการสกัดคุณลักษณะเช่นสันเขาที่มีทั้ง Delta จุด ข้อปลีกย่อย และ ปาล์ม รอยยับ ( หรือสายหลัก ) คุณสมบัติท้องถิ่นจาก palmprint สามารถสกัดโดยใช้เทคนิคต่าง ๆที่ประกอบด้วยเส้นตรง แบบ [ 4 ] , [ 5 ] โดยเฉลี่ยเวฟ ,ลิงค์ - [ 6 ] , แหลมผู้ประกอบการ [ 6 ] [ 7 ] , ผู้ plessy และกว้างเส้นตรวจจับผู้ประกอบการ [ 8 ] แม้ว่าคุณสมบัติท้องถิ่นมีการพิสูจน์เพื่อให้บรรลุประสิทธิภาพที่ถูกต้อง วิธีการเหล่านี้ความต้องการภาพ palmprint สูงมากที่จะถูกจับ และเพื่อเพิ่มต้นทุนของเซ็นเซอร์ การ statisticalbased วิธีการจะขึ้นอยู่กับการสกัดคุณลักษณะที่สอดคล้องกับค่าเฉลี่ยความแปรปรวน , ช่วงเวลา , และพลังงาน มีเทคนิคต่าง ๆ เพื่อจับสถิติของ palmprint รวมถึงวิธีการแปลงฟูเรียร์ [ 9 ] [ 10 ] [ 11 ] ) , พลังงาน , พลังงานจากบล็อกย่อยกาบอร์แปลง [ 12 , 13 ] , ไมโครสเกลค่าคงที่กาบอร์ [ 14 ] zernike ช่วงเวลา [ 15 ] อย่างไรก็ตาม การใช้สถิติที่ใช้วิธีการที่ไม่คงทนต่อเซ็นเซอร์เสียงลักษณะตามวิธีการแสดงข้อมูลแผนที่จากมิติมิติสูงต่ำเพื่อให้บรรลุความแม่นยำสูง รวมทั้งความเร็วในการเปรียบเทียบ ลักษณะที่เป็นที่นิยมมากที่สุด รวมถึงใช้เทคนิคการวิเคราะห์องค์ประกอบหลัก ( PCA ) [ 16 ] 2dpca [ 17 ] , PCA ทิศทาง [ 18 ] ( 2D ) 2pca [ 19 ] , การวิเคราะห์องค์ประกอบอิสระ ( ICA ) [ 20 ] , การวิเคราะห์เชิงเส้น ( lda ) [ 21 ]เมล็ดข้าวตามแนวทาง เช่น การวิเคราะห์จำแนกเคอร์เนล ( 4 ) [ 13 ] ของ PCA ( kpca ) [ 22 ] และสำหรับวิธีเข้าคือ รูปแบบผสม PCA ( pcamm ) และแบบผสม ( ICA icamm ) [ 23 ] แม้ว่าการใช้ลักษณะรูปแบบสามารถดำเนินการอย่างเท่าเทียมกันได้ดีกับเครื่องมือวิธีการมันยังขาดการทนทานต่อการแปรเสียงเช่นเดียวกับการเปลี่ยนแปลงใน palmprint แม่แบบ ด้วยเวลา พื้นผิวตามรูปแบบปกติแยกรูปแบบสากลของเส้นริ้วและริ้วรอยที่เป็นที่ยอมรับ palmprint แข็งแกร่ง ระหว่างการสกัดโครงร่างของพื้นผิว การใช้รูปแบบไบนารีพื้นเมือง ( ปวดหลัง ) [ 24 ] , กาบอร์ แปลง [ 13 ] palmcode [ 25 ]รหัส . [ 26 ] , ฟิวชั่นรหัส [ 27 ] [ 28 ] แข่งขันรหัสและรหัสเส้น [ 29 ] ได้แสดงแสดงอย่างถูกต้องแม้ในรูป palmprint ความละเอียดต่ำ ลูกผสมโครงการ [ 30 , 31 ] รวมมากกว่าหนึ่งของแผนการดังกล่าวเพื่อที่จะสามารถแก้ไขข้อบกพร่องของรูปแบบของแต่ละบุคคล เมื่อเทียบกับห้าชนิดที่แตกต่างกันของวิธีการรูปแบบไฮบริดที่ปรากฏจะแข็งแกร่งมากขึ้น และถูกต้องสำหรับ palmprint รับรู้ ตารางที่ 1 แสดงลักษณะของ palmprint ที่มีอยู่คุณลักษณะการสกัดโครงร่างในแง่ความซับซ้อนของการคำนวณและความแม่นยำ สำรวจรายละเอียดเกี่ยวกับ palmprint รับรู้สามารถพบได้ใน [ 32 , 33 )