指纹门禁一体机中的指纹算法的介绍

用算法A和算法B分别提取图像的节点得到特征提取结果，两种算法对每幅图像提取节点的错误指数相应的不同，其中算法A和算法B对实验图像的平均错误指数分别为0。6和o．88。从表的结果来看，对于高质量的图像，两种方法提取特征的能力相当；而对于低质量的图像，算法A优于算法80算法)没有提供方向计算结果，因而无法对两种方法的方向计算进行直接的定量比较。算法B的纹路方向计算结果可以根据其提取的纹路结果大致推断出来，因为算法提取出来的纹路的走向会和该算法所计算的对应纹路的走向一致。但这种推断只能适用于算法识别出来的前景区域，因为算法B的纹路提取结果的背景区域不包含任何信息。其中给出了一个从纹路提取结果推断方向计算结果的例子，图中的圆形区域表示该区域的纹路方向计算结果和真实纹路方向有明显偏差，这种偏差进而会产生错误的纹路提取结果，从而很可能进一步导致提取错误的干扰喷点。可以推断在指纹识别中中用圆围起来的区域的方向计算结果是错误的，因为这些区域中提取的纹路的走向和真实的纹路方向不一致。特别是共中可以看出，算法A的方向计算结果中也有许多区域是错误的，但这些方向讨算错误的纹路区域除了中的圆形区域外都被算法分类为背景。算法A的初始方向计算采用基于梯度的方法，如果对算法A的背景区域的方向进行低通滤波，这些背景区域将有与图的对应区域几乎相同的方向．所以，假设算法表示基于梯度方法和低通滤波的方向计算方法，则只在算法A识别出的前景区域对算法A和算法c的方向计算结果进行比较是合理的，而不必对整个图像区域(包括前景和背景)进行比较。比较图可以看出，在算法A识别出的前景区域中算法A的方向计算结果比算法c在对应区域的方向计算结果(图2．18)相对要好。低通滤波会使得占少数的正确方向会跟随占多数的错误方向；而本章的方法对于正确的方向，不管其周围是否存在大量的错误方向，保持这些正确的方向不变，而只对错误的方向进行处理，对错误的方向根据相邻区域的正确方向进行纠正。

关于指纹门禁一体机有什么问题可以在网站留言。