基于纹理特征多快照融合的掌静脉个人识别实验
计算机视觉与模式识别
2020-10-20 v2 机器学习
摘要
本文研究用于掌静脉识别（包括辨识与验证）的纹理特征多快照融合。尽管文献提出了若干掌静脉识别方法，其性能仍受辨识与验证误差影响。众所周知，掌静脉通常由基于线的方法描述以增强静脉流向，这被认为因人而异。然而，掌静脉图像还具有可由纹理特征刻画的纹理，这类特征依赖于近期高效的手动设计算法，如局部二值模式、局部相位量化、局部三元模式、局部方向模式以及二值化统计图像特征（分别为 LBP、LPQ、LTP、LDP 与 BSIF）等。当可获取多于一个样本用于识别时，它们可在特征级融合中轻松处理。因此，可采用多快照融合以利用这些特征的互补性。本文的目标在于表明这一点在掌静脉识别中成立，从而在一个知名基准数据集上实现极高的识别率。
引用
@article{arxiv.2008.00821,
title = {Experimental results on palmvein-based personal recognition by multi-snapshot fusion of textural features},
author = {Mohanad Abukmeil and Gian Luca Marcialis},
journal= {arXiv preprint arXiv:2008.00821},
year = {2020}
}
备注
22 pages, 5 figures