PulseAugur
实时 17:53:34
English(EN) Adaptive Contrast Enhancement and Optimised Feature Matching for RootSIFT-Based Palm-Vein Recognition

新的ILACS-BGOT方法提高了掌静脉识别的准确性

研究人员开发了一种名为ILACS-BGOT的新方法,以提高掌静脉识别系统的准确性。该技术增强了掌静脉图像的对比度,这些图像经常因散射和传感器限制而退化。该研究将RootSIFT特征与KNN+RT相结合,并分析了各种参数组合,以优化在基准数据集上的性能,展示了准确性和错误率的显著提高。 AI

影响 这项研究通过提高图像质量和特征匹配度,有望带来更安全、更准确的生物识别系统。

排序理由 该项目是一篇研究论文,详细介绍了一种新的生物识别方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的ILACS-BGOT方法提高了掌静脉识别的准确性

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Kaveen Perera, Fouad Khelifi, Ammar Belatreche ·

    基于RootSIFT的掌静脉识别的自适应对比度增强和优化特征匹配

    arXiv:2607.16077v1 Announce Type: new Abstract: Palm-vein recognition is a highly secure biometric modality due to the uniqueness and subcutaneous nature of vein patterns. However, low contrast in palm-vein images, caused by NIR light scattering and sensor limitations, remains a …