Pengenalan ringkas kepada pengekstrakan nod dan penapisan nilai ciri cap jari dalam pengimbas cap jari

Pengekstrakan nod dan penapisan dalam pengimbas cap jari pada umumnya sukar. Proses pengekstrakan nod biasa melalui pengiraan arah tekstur, segmentasi cap jari, peningkatan cap jari, pengekstrakan tekstur dan binarization, penambahbaikan tekstur, dan akhirnya tekstur halus. Mengesan nod dalam imej (terutamanya merujuk kepada titik akhir dan titik bifurkasi), dalam imej tekstur halus, untuk titik akhir, hanya ada satu titik bersebelahan pada tekstur; Untuk titik bifurasi, terdapat dan hanya tiga titik bersebelahan pada tekstur, jenis kedua kaedah pengekstrakan nod adalah berdasarkan imej kelabu untuk mengesan tekstur, dan mengesan nod semasa menjejaki tekstur, dan kemudian menggunakan asimetri dari asimetri Ruang di nod untuk mengesan nod dari imej kelabu. Algoritma pengekstrakan nod sering merindui beberapa nod sebenar, dan juga menghasilkan beberapa nod yang salah. Meningkatkan rentetan pengesanan nod yang betul bergantung kepada keberkesanan pelbagai algoritma dalam proses pengesanan nod. Di samping itu, untuk mengurangkan nod yang salah, Yiyin mengamalkan algoritma peningkatan rabung dan algoritma penapisan nod untuk mengeluarkan nod yang salah. Selepas nod dikesan, kaedah pembelajaran mesin digunakan untuk mengesahkan ketepatan setiap nod dan membetulkan jenis setiap nod. B5mm dipanggil berdasarkan kaedah berasaskan pengetahuan meningkatkan rabung, dengan itu mengurangkan pengesanan nod yang salah. Yin Quimin mengamalkan kaedah berasaskan pengetahuan untuk memadamkan nod yang salah.

Bidang pengiraan tekstur agak mudah, dan terutamanya bergantung kepada pengiraan arah yang betul dan pengekstrakan tekstur yang betul. Oleh kerana kesederhanaannya, terdapat beberapa laporan mengenai kaedah pengiraan tekstur, dan diandaikan bahawa tempoh tekstur adalah malar. Bilangan baris automatik dikira, dan beberapa algoritma sepadan cap jari menggunakan bilangan baris sebagai utusan khas.
Pengiraan kualiti imej, sangat penting untuk mengira kualiti imej dalam sistem pengenalan cap jari automatik. Dengan mengira kualiti imej, ia boleh menghalang imej cap jari berkualiti rendah daripada didaftarkan dalam pangkalan data, supaya ketepatan sistem dapat diperbaiki. Kaedah pengiraan kualiti imej cap jari adalah berdasarkan kaedah untuk nisbah kawasan arah dan bukan arah J. Kaedah 6 berdasarkan penapis gamma, kaedah berdasarkan mampatan wavelet, walaupun beberapa kaedah untuk mengira kualiti imej cap jari telah dicadangkan, Tiada standard yang diiktiraf yang boleh mengukur kualiti kaedah pengiraan.