在掌纹识别中，掌纹匹配是影响其识别性能的关键步骤。由于高鲁棒性和高可靠性，基于细节点的掌纹匹配算法一直是最为基础和主流的掌纹匹配算法。基于细节点的掌纹匹配算法是利用掌纹中端点和分叉点等细节点信息对两幅掌纹进行匹配的算法。经过多年研究后，此类匹配算法仍然面临低质量、高形变掌纹等因素造成的低识别率等挑战性问题，而挖掘利用新的具有区分性的信息、提高掌纹识别的准确率是可以努力的方向。实际上，目前基于细节点的掌纹匹配对区分性信息的利用并不充分，未成功得到匹配的细节点都被视为无用信息而遭到丢弃。在以往利用未匹配细节点进行掌纹识别工作思路的基础上，本节进一步分析未成功匹配细节点具有区分能力的根本原因，以及其区分能力所具有的特性，进而考察利用更加合理的方法，挖掘和利用未匹配细节点的区分性信息，提升掌纹匹配算法的匹配准确度和掌纹识别系统的识别性能。
为方便分析，首先给出基于细节点的掌纹匹配中的几个定义。
定义2.1——同源匹配：采集自同一手掌的掌纹图像之间的匹配称为同源匹配。
定义2.2——异源匹配：采集自不同手掌的掌纹图像之间的匹配称为异源匹配。
定义2.3——匹配区域：在两幅掌纹图像的匹配完成后，所有成功匹配的细节点所围成的最大区域称为匹配区域。本质上，匹配区域是可用于相似程度度量的、两幅掌纹的有效重叠区域。
定义2.4——未匹配细节点：位于匹配区域内却没有形成配对的细节点称为未匹配细节点。
未匹配细节点信息的区分性源自同源匹配和异源匹配中未匹配细节点的不同成因。在同源匹配中，未匹配细节点的成因主要有三个方面。
（1）由于图像本身存在形变、图像预处理技术不够完善等因素的影响，使得部分细节点定位存在较大偏差。
（2）匹配过程中，由于匹配算法的本身设计或者参数设定等问题，对成功匹配的条件要求比较高，使得部分本应形成匹配的细节点对难以实现匹配。(www.xing528.com)
（3）个别伪细节点的存在。对异源匹配而言，由于模板掌纹和输入掌纹本就来自不同的手掌，匹配的结果只是找到模板指纹和输入掌纹相似性最大的局部区域作为匹配区域。显然，异源掌纹的匹配本质上是一种“伪匹配”，但是，当图像质量比较差、面积比较大、提取的伪细节点数量很多、分布比较密集时，也有可能在局部重叠区域（匹配区域）产生足够多的、满足匹配条件的细节点对，这也是掌纹识别中产生误识的最主要原因。
可见，异源匹配中，未匹配细节点的产生本质上只是一个随机性质的问题，没有特定的规律性。基于不同的成因，同源匹配和异源匹配中，未匹配细节点信息的特点是有明显差异的。总结来说，差异性主要体现在三个方面。
（1）在同源匹配中，未匹配细节点的出现更加具有偶然性（是由于某种原因造成的）；而异源匹配中未匹配细节点的存在是更为普遍的现象。因此，与成功匹配的细节点个数相比，未匹配细节点的相对个数，同源匹配往往要小于异源匹配。
（2）对同源匹配而言，本应形成匹配但未能成功匹配的点对，在位置上仍存在着很强的对应关系（尽管有一定的定位偏差）；但这种对应关系理论上在异源匹配中并不存在，即使存在也是巧合性的。
（3）对同源匹配而言，由于两幅掌纹的同源性，匹配区域内的未匹配细节点在分布上存在着较高的一致性和规律性；而对异源匹配而言，匹配区域内的未匹配细节点在分布上几乎没有任何一致性和规律性。
因此，从成因和特点来看，同源匹配和异源匹配中未匹配细节点是包含了一定的区分性信息的。如果能有效挖掘其中的区分性信息并加以利用，应该可以提高掌纹识别系统的性能，而如何挖掘和利用这些信息，是需要解决的关键问题。
本节提出挖掘和利用未匹配细节点的掌纹识别方法，从三个方面合理挖掘未匹配细节点的区分性信息，并利用集成学习的思路将挖掘的未匹配细节点信息与传统匹配细节点信息进行集成，实现识别。未匹配细节点信息的区分性和本方法的有效性在实验中均得到了验证。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
