42、基于聚类描述符的指纹索引与快速检索

基于聚类描述符的指纹索引与快速检索

1. 引言

在指纹识别模式中，用户输入指纹，系统会在数据库中识别出潜在的对应指纹。指纹识别可先在数据库中进行粗匹配搜索，再从候选指纹中逐一精确匹配。为在不损失太多准确性的前提下缩小搜索空间，即平衡速度和准确性，目前有分类和索引两种方法。

分类方法将指纹分为人类预先定义的五种亨利类别，但这种分类方式分布不均，对识别系统而言既不有效也不高效。指纹索引算法与连续分类密切相关，它通过选择最可能的候选指纹并按与输入指纹的相似度排序，比单纯的分类方法表现更好。连续分类通过用特征向量表示指纹来解决单纯分类的问题，搜索时计算查询指纹与每个模板的距离，输出最接近的指纹。

索引算法基于全局特征和局部特征。全局特征代表指纹的全局纹理和方向场，通常检测核心点并估计其邻域特征，但这类方法在处理指纹特征的局部性和非线性失真方面表现不佳。相比之下，局部特征能代表稳定的局部结构，对部分和失真指纹具有更强的鲁棒性。

近年来提出的局部描述符扩展了特征提取技术，如尺度不变特征变换（SIFT）、加速稳健特征（SURF）和DAISY。然而，SIFT和SURF的点检测器通常会生成大量兴趣点，即使进行剪枝，数据库中描述符的数量和维度仍然很大，显著降低了搜索速度。为解决这一问题，本文采用局部敏感哈希（LSH）算法，并对描述符进行聚类，同时使用主成分分析（PCA）降低聚类原型的维度，以提高检索速度。

2. 简化的SURF和DAISY特征的复合集

SURF在快速检测兴趣点和稳健描述局部区域方面表现出色。其检测器具有以下优点：
1. 预先计算积分图像，使计算时间与图像大小无关。
2. 使用盒式滤波器近似海森矩阵，耗