文献翻译-指纹确认

y is in is to A is of a of on of of a be by of as as at a or a be on It is to is of of is to of of it of of a by on in be by We an of a a of e to in in A a a is to We to to of In a in of is We on a of to a of of in a of An of on be a of in a 0 . To it is to in an so is to be a of in is a to a of in an be as a of An is at a to of at a it is to of of We an to of in 0 45 90 35 by of a a is to a is is on a a in a of in is ,000 in 0% is we to a By a be 6% of in is to of a on of In to of an be to of it is to a in We a of of on We of of of an he of of of is in to of t it a in an 50up t be t to a in in a of of to a to a to a in to to to in of a in as as a of a or a to a a to of to go to to a to a a of of a :N or of to of is up is a to be an If is be be of is -8 to a so A at of a of of or of is to to be on an -3 on(be a a be or ll to be in a is be , 0) , Y in of or be of a up be 指纹确认 纹匹配 : 在所有的生物 技术之中，指纹识别技术 已经 被 成功地 应 用于很多场合。 每个人都 知道指纹 具有唯一 不可变的特性 。 一个 人的 指纹是 由 手指的表面上一系列脊和沟做成的。指纹的独特 性是由脊和沟的式样和细节点决定， 细节点是 发生 一个脊分叉或一个脊终止 时 的当地的 特征点 。 指纹匹配技术可以分为两种 : 基于细节 的和基于相互关系的。以细节为基础的技术首先发现细节点 ，然后 在手指上映射 出 他们的相对位置。然而，当使用这种方法时还有一些困难 ， 当指纹质量低的时候，正确 地吸取细节点很困难。这一 方法也不考虑全球的指纹的脊和沟的式样。 以相互关系为基础的方法能够克服以细节为基础方法的一些困难。 然而，它 也有一些 自己 的 缺点。以相互关系为基础的技术需要精确 定位登记点 而且被图像翻译和旋转所影响。 基于细节的指纹匹配在匹配不同尺寸 (未注册的 ) 的细节式样的指纹方面有问题， 当地的脊结构不能完全地 拥 有细节的特点。 我们正在尝试为指纹取得更多的 当地数据 并 且产生一个固定的长度密码。 这时 匹配将会 变成像 希望的那样计算在这二个密码之间的欧几里得几何距离的相对简单工作。 我们正在发展更强健 的 在指纹图像中去除噪音性强，递送准确性强，实时性强的运算法则。一个商业的指纹确认系统需要非常低的错误率 (一个可以接受的错误比率 .(对于任何的一项技术都 是一个难点 。我们正在研究各种不同的相配技术来增加系统的准确性。在一个实时的应用环境中或在传感器中，系统的执行时间变的越来越重要 。我们也是把我们的系统实地试验在少数用户上一段时间来评估我们的系统。 指纹 分类 : 每天大量的指纹被收集存储应用在不同的场合，例如法医，通路控制和驾驶员执照登记。以指纹为基础的自动识别系统 需要输入 一个 与 数据库 中相匹配的指纹 (联邦调查局数据库大约包含七千万个指纹 !)。为了 减少搜寻时间和计算的复杂 性，需要对这些指纹按 正确和一致的方式分类 ，以便输入指纹时 只需要在数据库中找到其中匹配的一个子集而已。 指纹分类是一种可以预先分配一个指纹进入已经分类好的几个类型之中并提供一种分度装置的技术。指纹分类可以看作是大概的粗糙的指纹类型的相配。 一个输入指纹首先对预先 存储的类型 大致 相配，然后 ,在详细的分析 ， 把他和只 包含那一个类型指纹的数据库的子集相 比 较。我们正在研究一 种 运算法则 把指纹分类为五个类型，即螺旋状纹、右回旋，左回旋，拱形，帐篷形。运算法则 被 一个 开过滤 为 四个方向 (0 度、 45 度、 90 度和 135 度 )。 这些数据被量化产生作为分类的指纹编码 。 我们的分类以一个二阶段的分类器为基础。第一个阶段用一个 一组类神经网路 分类器。 在分类器 据库中测试了 4,000个图像。 对于五种类型的问题，分类的准确性达到 90%。对于四种类型的问题 (拱门和帐篷型组合在一个类型之内 )， 我们能够达成 分类准确性。当合并不合格者选项 时 ，分类准确性能 达到 为五种分类 时 增加到 96% 和至 ，为四种类型时 的被拒绝。 指纹图像增强 ： 在自动指纹识别系统中一个重要的步骤是从输入的指纹图像中自动地而且可靠地吸取指纹细节。然而，这种获取指纹细节的计算法则很严重地依赖输入指纹图像的质量。为了确定自动指纹识别的效果，确认系统是对指纹质量的重要衡量系统 ,有必要将提高指纹运算法则的质量作为细节提取模块的一部分 。我们已经设计出了一个快速识别指纹的运算法则 , 能尽量地增强脊的清晰度，还能以输入指纹图像的沟结构为基础，估计当地的脊定方位和频率。我们已经使用被吸取的细节点的索引和在线指纹确认系统来评估图像运算法则的表现。实验的结果表示这种运算法则能提 高 和 改 善 确认 的准确性。 指纹识别技术的算法 ： 指纹扫描技术大体可分为两类：确认 (统， 如 自动指纹确认系统）和核对 (统，两种系统 主要 区别在指纹模板。核对 (系统同样需要获取指纹图象，但这种技术并不保存完整的指纹图象，它只是通过一些算法处理把指纹的一些特定的数据保存在一个相对较小的模板（ 250节）中。当这些数据被拾取后，指纹图象将不再被保存，也不能通过手指扫描模板来重建。为此，多年来国内外公司及其研究机构产生了许多数字化的算法。 评估一个优秀的能够商业化大面积推广的指纹算法，不仅要从常规的误判率，拒判率，相对准确率，拒登率等参数来评估，一个好的算法包括有许多方面，例如：能否够滤除指纹噪音？是否适应不同的角度去按压？是否适应不同的指纹质量？是否考 虑到高速匹配？是否能够过滤残余指纹信息？是否能够在尽量少的特征点下识别？是否适应指纹不同季节的变化？是否能够处理过于干燥或湿润的指纹 ? 是否能够适应不同按压力度？是否占有非常少的内存？是否对系统的依赖性很低？是否能够在各种不同的操作环境下良好的运行 ? 是否可以方便的移植到单片机系统中去？是否可以用尽量少的特征表述指纹信息？客户是否感到很舒适？是否有非常开放的开发体系来推广市场？是否经过大量的指纹库的测试？是否能够让客户经历透明的测试 ? 是否具备非常低的商业门槛 ? 是否有优秀的 1:N 的表 现？ 软件接 口是否符合国际规范？是否能适应不同质量的图象？是否能够提供给用户良好的开发接口？等等 指纹识别技术算法的工作原理为当一个高质量的图象被拾取后，它必须被转换成一个有用的格式。如果图象是灰度图象，相对较浅的部分会被舍弃，而相对较深的部分被变成了黑色。脊的象素由 5 到 8 个被缩细到一个象素，这样就能精确定位脊断点和分岔了。如：一个算法可能在检索图象时剔除两个邻近细节中的一个细节，因为这两个细节太接近了，由于疤痕，汗液或灰尘导致的细节