1

我正在研究手背静脉识别系统。我已经对图像进行了二值化和预处理，然后对细化的静脉图案进行特征提取（白色像素坐标），如下图所示（图 1）。对 10 张图像重复这些步骤，并将它们的坐标存储在 .txt 文件中。

zsthin0073hv1.png

现在，假设我有一个查询图像（图 2），如下所示，其中已应用上述所有步骤并检索了坐标。

zsthin0059hv1.png

为了匹配的目的，我想修改这篇论文的匹配策略，它指出“为了在二值图像之间进行相似性匹配，实现了一种算法，该算法以某种方式执行完全相同的操作。匹配是一个双向过程。第一步，算法扫描查询图像，获取每个前景像素（也可以获取背景像素）值，并将其与数据库图像中相应位置的像素值进行比较。如果它在数据库图像的相同位置找到相同的值，则将其作为命中计数。否则，将其作为未命中计数，最后将命中和未命中计数的差除以查询图像中的前景像素总数。该除法的结果给出了一个数字，表示查询图像与数据库图像 (SQD) 的相似程度。在第二步中，扫描数据库图像并将其前景像素元素与查询图像进行比较，如第一步所做的那样。这将为我们提供一个结果，表明数据库映像与查询映像 (SDQ) 的相似程度。然后将 SQD 和 SDQ 的平均值，即平均相似性度量 (ASM) 作为检索过程的排名度量。"

谢谢你。

4

2 回答 2

0

逐个像素很容易，您只需对图像进行哈希处理并存储它，然后对新图像进行哈希处理并比较哈希值。但是，如果图像被缩放，或者在有损压缩的情况下重新保存，这将失败。

如果有人两次上传同一个文件，那将基本上匹配。这可能是也可能不是您所追求的。

如果没有，您需要某种图像相似度算法。这里已经有一个问题了。图像比较 - 快速算法

于 2013-04-27T21:22:37.613 回答
0

这是一个非常具有挑战性的问题。当您将图像骨架化时，您可能会丢弃可能有用的信息。如果您必须使用骨架化图像，我会提取感兴趣的特征，然后尝试匹配它们。例如，您可以识别静脉的所有交叉点以获得一组点。然后，您可以在两个不同图像中的点之间进行最佳拟合，以提供它们相似程度的度量。

于 2013-04-28T03:01:59.810 回答