基于双优化阶段无监督学习方法的指静脉识别二值模式全自动提取
计算机视觉与模式识别
2022-05-10 v1 人工智能
摘要
如今，指静脉识别作为一种潜在的生物特征识别框架方案正日益受到青睐。基于机器学习的无监督、有监督及深度学习算法目前对指静脉检测与识别产生了显著影响。然而，深度学习需要大量必须人工制作并标注的训练数据集。在本研究中，我们提出了一种完全自动化的无监督学习策略用于训练数据集生成。我们的方法旨在完全自动化地提取并构建良好的二值掩膜训练数据集。该技术中设计并采用了两个优化步骤。第一优化阶段是基于指静脉图像定位建立完全自动化的无监督图像聚类。第二优化采用全局指静脉模式方向估计以优化提取出的指静脉线。最终，所提系统达到了99.6%的模式提取准确率，显著高于k-means和模糊C均值（Fuzzy C-Means, FCM）等其他常见无监督学习方法。
引用
@article{arxiv.2205.03840,
title = {Fully Automated Binary Pattern Extraction For Finger Vein Identification using Double Optimization Stages-Based Unsupervised Learning Approach},
author = {Ali Salah Hameed and Adil Al-Azzawi},
journal= {arXiv preprint arXiv:2205.03840},
year = {2022}
}