掌纹感兴趣区域定位与选择方法综述

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (14): 21-24.

掌纹感兴趣区域定位与选择方法综述

林森1，2，苑玮琦1

1.沈阳工业大学视觉检测技术研究所，沈阳 110870
2.辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-11 发布日期:2011-05-11

Survey on orientation and selection methods for palmprint Region of Interest

LIN Sen1，2，YUAN Weiqi1

1.Computer Vision Group，Shenyang University of Technology，Shenyang 110870，China
2.School of Electronic and Information Engineering，Liaoning Technical University，Huludao，Liaoning 125105，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-11 Published:2011-05-11

摘要/Abstract

摘要： 作为生物特征识别领域的前沿课题，掌纹识别仅有十余年的研究历史。感兴趣区域（ROI）定位与选择是掌纹识别中的重要任务和热点问题，通过该步骤得到的ROI将用于后续的特征提取和匹配，其质量对识别率等指标影响很大。为了使研究者了解此问题的研究进展，对目前的掌纹ROI定位选择方法进行了综述。给出了定位选择的基本概念和步骤，并对各种不同方法进行了归类阐述和分析，在讨论了各自优缺点的基础上，提出掌纹ROI定位与选择方法发展方向的建议。

关键词: 模式识别, 掌纹, 感兴趣区域

Abstract: As a leading subject of biometrics technology，palmprint recognition has only been investigated for about ten years.The orientation and selection for the Region Of Interest（ROI） are very important tasks in palmprint recognition process，and the issues have been wildly studied.Since the obtained ROI is used in the following feature extraction and matching，its quality has a significant influence on the indicators such as recognition rate.An overview is provided for the researchers to catch up with the lately research progress in this region.The basic concepts and steps of orientation and selection are listed.Different methods are categorized and then described and analyzed respectively.Based on the analysis of the advantages and disadvantages of each method，suggestions for the future development of palmprint ROI orientation and selection methods are provided.

Key words: pattern recognition, palmprint, region of interest

林森1，2，苑玮琦1. 掌纹感兴趣区域定位与选择方法综述[J]. 计算机工程与应用, 2011, 47(14): 21-24.

LIN Sen1，2，YUAN Weiqi1. Survey on orientation and selection methods for palmprint Region of Interest[J]. Computer Engineering and Applications, 2011, 47(14): 21-24.

[1]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[2]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[3]	韩晓微，韩震，岳高峰，崔建江. 救灾无人机的优化A*航迹规划算法[J]. 计算机工程与应用, 2021, 57(6): 232-238.
[4]	徐志京，汪毅. 青光眼眼底图像的迁移学习分类方法[J]. 计算机工程与应用, 2021, 57(3): 144-149.
[5]	王一凡，鲁慧民，高若然，李阳. 手指静脉图像感兴趣区域提取研究综述[J]. 计算机工程与应用, 2021, 57(13): 34-42.
[6]	卢俊杰，黄金泉，鲁峰. 似然K均值聚类用于涡扇发动机气路故障诊断[J]. 计算机工程与应用, 2020, 56(9): 136-141.
[7]	姜东明，杨火根. 融合图卷积网络模型的无监督社区检测算法[J]. 计算机工程与应用, 2020, 56(20): 59-66.
[8]	隋修武，牛佳宝，李昊天，乔明敏. 基于NMF-SVM模型的上肢sEMG手势识别方法[J]. 计算机工程与应用, 2020, 56(17): 161-166.
[9]	李森森，吴清. 改进Mask R-CNN的遥感图像多目标检测与分割[J]. 计算机工程与应用, 2020, 56(14): 183-190.
[10]	王众，章学良，刘亚群，周俊宇，单东升. 基于脑电传感器的面部动作识别研究[J]. 计算机工程与应用, 2020, 56(12): 182-186.
[11]	徐小来，房晓丽. 基于改进的直觉模糊核聚类的图像分割方法[J]. 计算机工程与应用, 2019, 55(17): 227-231.
[12]	王玮婧，张雪锋. 基于Gabor滤波器与LDP掌纹可撤销模板生成方法[J]. 计算机工程与应用, 2018, 54(9): 89-95.
[13]	李俊林，王华彬，陶亮. 单幅近红外手掌图像掌静脉和掌纹多特征识别[J]. 计算机工程与应用, 2018, 54(9): 156-164.
[14]	郑浩，董明利，潘志康. 基于图像分类与多算法协作的目标跟踪算法[J]. 计算机工程与应用, 2018, 54(4): 185-191.
[15]	李亚楠，张雪锋. 基于安全概略的可撤销掌纹模板生成算法[J]. 计算机工程与应用, 2018, 54(18): 115-120.