基于 MMD 滤波器的鲁棒掌纹识别：改进 SIFT 特征匹配
计算机视觉与模式识别
2025-03-04 v1
摘要
掌纹图像的一个主要挑战在于，手指和拇指的轻微移动或手部姿势的变化会拉伸皮肤的不同区域并改变血管纹路。这会导致针对同一人类的掌纹图像产生无数种变体。本文引入一种新型滤波技术，用于 SIFT 基于特征匹配，称为均值和中位数距离（MMD）滤波器。该方法评估关键点坐标之间的差异并计算每个方向上的均值和中位数，以消除不正确的匹配。在 CASIA 数据集的 850nm 子集上进行的实验表明，所提出的 MMD 滤波器有效保留正确点，同时减少其他滤波方法检测到的误报。与现有 SIFT 基于掌纹识别系统进行的比较显示，所提出的 MMD 滤波器表现卓越，实现了更低的等效错误率（EER）值。本文基于先前工作《A Keypoint Filtering Method for SIFT based Palm-Vein Recognition》的扩展作者版本。
引用
@article{arxiv.2503.01612,
title = {Robust Palm-Vein Recognition Using the MMD Filter: Improving SIFT-Based Feature Matching},
author = {Kaveen Perera and Fouad Khelifi and Ammar Belatreche},
journal= {arXiv preprint arXiv:2503.01612},
year = {2025}
}
备注
Our previous work, presented at the 2022 International Conference on Digital Image Computing: Techniques and Applications (DICTA) and published in IEEE Xplore. The code for the MMD filter is available at https://github.com/kaveenperera/MMD_filter under Mozilla Public License Version 2.0