[论文解读] Automated PolyU Palmprint sample Registration and Coarse Classification

D.M. Dhananjay, C. V. Guru Rao+1 more|arXiv (Cornell University)|Dec 29, 2011

Biometric Identification and Security参考文献 5被引用 3

一句话总结

本文提出一种基于PolyU掌纹数据库的掌纹样本自动配准与粗分类方法。该方法采用边缘追踪与矢量角度分析来确定配准方向，并通过测量掌心线与生命线之间的倾斜角，将样本分类为左手掌或右手掌。该方法实现了生物识别系统中高效、轻量级的预处理。

ABSTRACT

Biometric based authentication for secured access to resources has gained importance, due to their reliable, invariant and discriminating features. Palmprint is one such biometric entity. Prior to classification and identification registering a sample palmprint is an important activity. In this paper we propose a computationally effective method for automated registration of samples from PlolyU palmprint database. In our approach we preprocess the sample and trace the border to find the nearest point from center of sample. Angle between vector representing the nearest point and vector passing through the center is used for automated palm sample registration. The angle of inclination between start and end point of heart line and life line is used for basic classification of palmprint samples in left class and right class.

研究动机与目标

• 解决生物识别系统中掌纹样本方向不一致的挑战。
• 实现无需人工干预的PolyU掌纹样本自动配准。
• 开发一种粗分类方法，以区分左手掌与右手掌样本。
• 降低掌纹认证系统预处理阶段的计算开销。
• 提升后续分类与识别任务中的可靠性与一致性。

提出的方法

• 对掌纹图像进行预处理，以增强特征并为边缘检测做准备。
• 追踪掌纹边缘，以确定距离图像中心最近的点。
• 计算从中心到最近边缘点的矢量与通过中心的中心矢量之间的夹角。
• 将掌心线与生命线起点和终点之间的倾斜角作为判别性特征。
• 基于计算出的倾斜角，将样本分类为左手掌或右手掌类别。
• 采用计算效率高的算法，适用于实时生物识别应用。

实验结果

研究问题

• RQ1 如何在无需人工输入的情况下自动确定掌纹样本的方向？
• RQ2 掌纹中哪些几何特征能可靠地区分左手掌与右手掌样本？
• RQ3 关键掌纹线（掌心线与生命线）之间的夹角能否作为掌纹方向的鲁棒分类器？
• RQ4 所提方法在预处理阶段降低计算成本的效果如何？
• RQ5 该方法在提升下游生物识别分类任务中的一致性方面达到何种程度？

主要发现

• 该方法成功利用基于角度的方位检测，实现了PolyU掌纹样本的自动配准。
• 掌心线与生命线之间的倾斜角为左手掌与右手掌类别的粗分类提供了可靠依据。
• 该方法实现了高效配准，计算开销极低，适用于实时系统。
• 边缘追踪与矢量角度计算可实现对多种掌纹图像中样本方向的鲁棒检测。
• 系统在无需用户输入或复杂训练的情况下，表现出一致的掌纹方向区分性能。
• 结果支持将几何线条倾斜度作为掌纹系统中粗分类的主要特征。