基于同构图与改进 K-Medoids 划分的人脸与掌纹生物特征特征级融合
计算机视觉与模式识别
2010-04-13 v1
摘要
本文提出了一种特征级融合方法，该方法利用改进的 K-medoids 聚类算法和同构图来处理人脸与掌纹生物特征。围绕中心点的划分（PAM）算法用于将人脸和掌纹图像的 n 个不变特征点集划分为 k 个聚类。通过使用尺度不变特征 SIFT 点对人脸和掌纹图像进行划分，在两幅图像上均形成了若干聚类。然后在每个聚类上绘制一个同构图。下一步，对于一对对应的人脸和掌纹图像，使用迭代松弛算法从所有可能的同构图中搜索最可能匹配的图对。最后，通过将同构图配对成增广组，在增加不变 SIFT 点以及通过拼接规则结合成对关键点描述符方面，实现图的融合。广泛评估获得的实验结果表明，所提出的带有改进 K-medoids 划分算法的特征级融合提高了系统的性能，并具有极高的准确度。
引用
@article{arxiv.1004.1886,
title = {Feature Level Fusion of Face and Palmprint Biometrics by Isomorphic Graph-based Improved K-Medoids Partitioning},
author = {Dakshina Ranjan Kisku and Phalguni Gupta and Jamuna Kanta Sing},
journal= {arXiv preprint arXiv:1004.1886},
year = {2010}
}
备注
13 pages, 4 figures