1) geophysical signature recognition
物性特征识别
1.
A geophysical signature recognition of aquifuge and relatively impermeable interbed in ore-hosting aquifer has been carried out at Shihongtan uranium deposit by using comprehensive logging data.
利用综合测井资料,对十红滩铀矿床含矿含水层中隔层、夹层进行物性特征识别,分析其空间展布,讨论隔、夹层与砂岩型铀矿关系及对地浸工艺的影响。
2) biometrics
[英][,baiə'metriks] [美][,baɪə'mɛtrɪks]
生物特征识别
1.
Safety Analysis and Reflection on Biometrics System;
生物特征识别系统安全性分析与思考
2.
Design of Network Security Authentication System Based on Biometrics;
结合生物特征识别技术的网络安全认证系统设计
3) biometric identification
生物特征识别
1.
Multi-finger fingerprint scanner is a high-resolution fingerprint capture device with big Field of View(FOV),it represents the developing trend of the biometric identification area.
多指指纹采集仪是一种大视场、高分辨率的指纹采集设备,它代表了生物特征识别领域的发展方向,其核心技术是高分辨率光学系统的设计。
2.
Biometric identification attempts to recognize a person by his/her body or behavioral characteristics.
生物特征识别技术是指通过计算机利用人体所固有的生理特征或者行为特征来进行身份识别的过程。
4) biometrics recognition
生物特征识别
1.
Human identification from a distance is a new biometrics recognition technology.
通过人走路的姿势实现对个人身份的远距离识别和认证是当前生物特征识别研究领域的一个研究热点。
2.
With a growing need for security in modern society, biometrics recognition, as a human identification approach for access control in security-sensitive environments, has been greatly researched and developed.
随着现代社会对安全的迫切需求,生物特征识别作为对安全敏感场合进行访问控制的一种身份鉴别技术,得到大力的研究和发展。
5) biometric feature recognition
生物特征识别
1.
Iris recognition has become a best potential technology of identity authentication in biometric feature recognition because of the advantages of invariability,stability and un-intrusion.
虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术。
6) Multi-biometric Feature Recognition
多生物特征识别
1.
Network Identity Authentication Study Based on Multi-biometric Feature Recognition;
基于多生物特征识别的网络身份认证研究
补充资料：汉字识别特征
汉字识别特征
Chinese character recognition features
汉·295·成败的主要因素。和一般模式特征类似，汉字识别特征可分为统计形式、结构形式和数学形式三类。汉字识别所抽取的汉字特征主要有:粗外围特征、粗网格特征、复杂指数和四边码、笔画密度特征、汉字特征点、短笔段特征、边框和局部特征、部件模板、笔画方向和轮廓特征、网格单元、笔画序列和各种数学变换特征等。这些特征在识别汉字时各有特色，互有优劣，它们可用于粗、细分类中。对汉字识别尚无系统性理论来指导特征的最佳选择，充分考虑汉字结构特点与规律以及识别系统的类型与要求来进行特征的选择是一种可取的方法。下面介绍几种国内外汉字识别系统中常用的汉字特征。 (1)粗外围特征抽取汉字四周轮廓信息作为特征，适用于粗分类。该特征抽取的过程为:先求出文字的外接框，再把PXq点阵文字分割成n只n份，n通常等于8。从文字四框各向相反边扫描，计算最初与文字笔画相碰的非文字部分的面积和全部面积之比作为一次粗外围特征Pl‘(￡=1一4n)，见图1。再将第二次与文字线相碰的非文字部分面积和全部文字面积之比作为二次粗外围特征尸2、(i二1一4n)，形成sn维的粗外围特征向量P p=(尸1一，尸12，…，PI，4，，pZI，p欢，一，pZ，4，) (1) 一次粗外围特征反映了文字轮廓特征，二次粗外围特征在某种程度上反映了文字内部结构。粗外围特征是日本学者首先提出的。首先提出的，主要用于粗分类。 (3)汉字特征点汉字由各种笔画构成，而笔画类型、数目和连接关系可以用笔画骨架线上的端点D、折点Z、歧点Q、交点J表示，见图2。汉字图形的背景(空白)部分，也包含了区别其他汉字的信息，选取若干关键背景点B作为特征，可以有效地区分同类中的其他汉字。这样，汉字特征点t由笔画特征点和背景关键点组成 t={D，Z，Q，J，B}(3) 图2汉字特征点示例 1二端点D;2.‘折点Z;3二歧点Q; 4.★交点几5.0关键背景点B 设T为汉字特征表达式，红是汉字特征点，K是特征点总数，凡是特征点类型(D、Z、Q、J、B)，八、yk是特征点在汉字点阵中相对坐标，{八}是特征点其他属性(主要是方向属性)集合，则有T={红}走=1，2，…，Ktk=(凡，几，旅，IPk})(4)┌─┐│/ ││嵘│└─┘ 图1粗外围特征 (2)粗网格特征把加框的Pxq点阵汉字划分为nXn块，n通常等于8，取每块中黑象素数对整个文字黑象素数的比为特征向量的分量，形成护维特征向量M。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条