فناوری استخراج ویژگی های اثر انگشت از تصویر اثر انگشت در دستگاه کنترل دسترسی به زمان اثر انگشت

ویژگی های اثر انگشت که معمولاً توسط دستگاه های کنترل دسترسی به اثر انگشت در شناسایی اثر انگشت مورد استفاده قرار می گیرد ، گره ها ، نقاط مفرد و خطوط و غیره است. گره ها به طور عمده شامل نقاط پایانی و نقاط هستند و نقاط مفرد شامل نقاط اصلی و نقاط مثلث است. از ویژگی های اثر انگشت استخراج شده برای تطبیق اثر انگشت استفاده می شود. فن آوری های کلیدی درگیر در استخراج ویژگی های اثر انگشت عمدتاً شامل محاسبه جهت بافت ، محاسبه فرکانس بافت ، تشخیص نقطه هسته و مثلث ، تقسیم اثر انگشت ، تقویت اثر انگشت ، استخراج بافت و پالایش ، استخراج گره و فیلتر و تعداد بافت است. محاسبه و غیره

محاسبه جهت بافت اساس شناسایی اثر انگشت است. بیشتر الگوریتم های شناسایی اثر انگشت بر اساس جهت مانند محاسبه فرکانس ، ردیابی بافت ، تشخیص نقاط اصلی و نقاط مثلث ، تقسیم اثر انگشت ، تقویت اثر انگشت ، تراز گره و غیره است. بیشتر الگوریتم ها مبتنی بر جهت گیری هستند. روش محاسبه جهت بافت مبتنی بر سطح خاکستری بین پیکسل ها است ، هر بلوک 2x2 را با الگوی چهار لبه مقایسه می کند تا جهت بلوک پیکسل را استخراج کند ، و سپس یک تخمین متوسط ​​را بر اساس یک منطقه بزرگتر انجام می دهد تا در صورت دشوار بیشتر محاسبه شود. برای تعیین جهت ، برنامه ریز از روش تراز خاکستری برای محاسبه جهت بافت استفاده می کند ، جهت بافت را به 16 جهت گسسته می کند و قوام مقیاس خاکستری هر پیکسل را در هر جهت محاسبه می کند. جهت را با بهترین قوام به عنوان جهت خانه طی کنید و تغییر مقیاس خاکستری را در هر جهت محاسبه کنید ، تغییر مقیاس خاکستری در طول جهت دانه کوچکترین است و تغییر مقیاس خاکستری در طول جهت عمود بر دانه بزرگترین است. تبدیل به پیکسل های بافتی و پیکسل های غیر بافت ، جهت بافت را به 16 جهت تقسیم کنید و قوام نوع پیکسل هر پیکسل را در هر جهت محاسبه کنید ، از روش طرح ریزی برای محاسبه جهت بافت استفاده کنید و تصویر اثر انگشت را به یک تصویر تقسیم کنید اندازه بلوک 32N32 ، و محاسبه پیش بینی هر بلوک در جهات مختلف ، جهت را با بزرگترین واریانس پیش بینی به عنوان جهت عمودی بافت در نظر بگیرید و از یک شبکه عصبی سلسله مراتبی برای محاسبه قسمت جهت استفاده کنید. در حال حاضر ، بیشترین استفاده از روش محاسبه جهت بافت مبتنی بر شیب است. روش ضعیف است. این روش بردار شیب تصویر اثر انگشت را در هر پیکسل محاسبه می کند. جهت بردار شیب نشان دهنده سریعترین تغییر مقیاس خاکستری تصویر اثر انگشت در طول این جهت در پیکسل است و اندازه بردار شیب نشان دهنده سرعت تغییر مقیاس خاکستری است. شیب پیکسل در لبه بافت موجود در تصویر بزرگتر است ، جهت بافت محاسبه شده توسط این روش اساساً توسط آن پیکسل ها با شیب بزرگتر تعیین می شود ، و جهت شیب تصویر در لبه بافت اساساً عمود است جهت بافت جهت بافت هر منطقه بر اساس تمام شهرهای آن منطقه است.
بردار شیب پیکسل محاسبه می شود ، و جهت بردار شیب کابل تصویر لبه در سمت چپ و راست بافت دقیقاً برعکس است ، تا از فسخ متقابل در محاسبه جلوگیری شود. در محاسبه ، بردار درجه آنتیموان مربع است ، و بردار شیب مربع پیکسل های لبه در سمت چپ و راست بافت تقریباً در همان جهت قرار می گیرد و سپس جهت متوسط ​​بردار شیب مربع محاسبه می شود. از آنجا که جهت وکتور شیب مربع دو برابر بردار شیب مربع است ، 1 ni از جهت تقریباً متوسط ​​بردار شیب تقریباً مربع جهت عمودی بافت است. مشکل روش مبتنی بر گرادیان این است که وقتی جهت شیب اکثر پیکسل های لبه برای جهت بافت مناسب نیست ، جهت اشتباه به عنوان تصویر اصلی محاسبه می شود ، که نتیجه تخمین جهت است. بسیاری از تخمین های جهت اشتباه در منطقه بیضوی وجود دارد ، یعنی بزرگ شدن تدریجی تصویر منطقه محلی ، از هنگام بزرگنمایی در تصویر ملی ، می توان دریافت که بردارهای شیب اکثر پیکسل های لبه عمود بر جهت بافت ، بنابراین منجر به تخمین جهت اشتباه می شود. این روش می تواند جهت اشتباه کار جدا شده نسبی را اصلاح کند ، اما وقتی جهت اشتباه در یک منطقه خاص اکثریت باشد ، نه تنها می توان حس جهت اشتباه را اصلاح کرد. جهت صحیح به طور نادرست اصلاح می شود و جهت نزدیک نقطه هسته اغلب پس از فیلتر کم گذر از جهت واقعی منحرف می شود. هنگامی که انحنای بافت در نزدیکی نقطه هسته بزرگ است.