基于卷积神经网络与霍夫变换的掌纹图像配准
计算机视觉与模式识别
2019-04-04 v2
摘要
基于细节点的掌纹识别系统在过去二十年中受到大量关注。由于一幅掌纹中包含大量细节点（约 1000 个），匹配过程耗时，使其难以用于实时应用。解决该问题的一种方法是将所有掌纹图像对齐到一幅参考图像并使其落入同一坐标系。将所有掌纹图像带入同一坐标系，可减少细节点匹配时的计算量。本文利用卷积神经网络（CNN）与广义霍夫变换（GHT），提出一种准确配准掌纹图像的新方法。该方法求出掌纹与参考图像之间对应的旋转与位移（x 与 y 两个方向）。精确的掌纹配准可提升匹配过程的速度与精度。所提方法能够自动区分左手与右手掌纹，有助于加快匹配过程。此外，配准阶段设计的 CNN 结构为我们提供了从背景中分割出的掌纹图像，而这正是细节点提取的预处理步骤。所提配准方法结合细节点圆柱编码（MCC）匹配算法在 THUPALMLAB 数据库上进行了评估，结果表明我们的算法优于大多数当前最优算法。
引用
@article{arxiv.1904.00579,
title = {Palmprint image registration using convolutional neural networks and Hough transform},
author = {Mohsen Ahmadi and Hossein Soleimani},
journal= {arXiv preprint arXiv:1904.00579},
year = {2019}
}
备注
6 figures, 8 pages