Алгоритм сопоставления отпечатков пальцев на основе мелочей

Проблема

Мне нужно сопоставить два отпечатка пальца и оценить сходство.

Я уже публиковал похожий вопрос, но я Думаю, я добился достаточного прогресса, чтобы оправдать новый вопрос.

Ввод

Для каждого изображения у меня есть список мелочей (важных моментов). Я хочу сопоставить отпечатки пальцев, сопоставив эти два списка.

Графически они выглядят так:

Минимум состоит из триплета (i, j, theta), где:

• i это строка в матрице
• j - это столбец в матрице
• theta — это направление. Я еще не использую этот параметр в своем алгоритме сопоставления.

Что я уже сделал

• Для каждого списка найдите "плотные регионы" или "кластеры". В некоторых областях точек больше, чем в других, и я написал алгоритм для их нахождения. Могу объяснить дальше, если хотите.
• Сдвиг второго списка, чтобы учесть разницу в положении пальцев на обоих изображениях. Я пренебрегаю различиями в вращении пальцев. Сдвиг осуществляется путем совмещения барицентров центров кластеров. (Надежнее барицентра всех мелочей)

• Я попытался построить матрицу для каждого списка (после сдвига), чтобы для каждой мелочи увеличивался соответствующий элемент и его близкие соседи, как показано ниже.

  1 1 1 1 1 1 1

  1 2 2 2 2 2 1

  1 2 3 3 3 2 1

  1 2 3 4 3 2 1

  1 2 3 3 3 2 1

  1 2 2 2 2 2 1

  1 1 1 1 1 1 1

• Вычитая две матрицы и складывая абсолютные значения всех элементов в результирующей матрице, я надеялся получить низкие числа для близких отпечатков пальцев.

Результаты

• Я протестировал несколько отпечатков пальцев и обнаружил, что количество кластеров очень стабильно. Совпадающие отпечатки пальцев очень часто имеют одинаковое количество кластеров, а разные пальцы дают разные числа. Так что это определенно будет фактором в общей оценке сходства.
• Однако сумма различий не сработала. Не было никакой корреляции между сходством и суммой.

Мысли

• Мне может понадобиться использовать направления точек, но я пока не знаю, как
• Я мог бы использовать стандартное отклонение точек или кластеров.
• Я мог бы повторить этот процесс для разных типов мелочей. Прямо сейчас мой алгоритм определяет окончания и разветвления гребней, но, возможно, мне следует обрабатывать их отдельно.

Вопрос: как я могу улучшить свой алгоритм?

Изменить

Я прошел долгий путь с момента публикации этого вопроса, так что вот мое обновление.

Я вообще отказался от бифуркаций, потому что мой алгоритм прореживания слишком часто их путает. Однако в конечном итоге я довольно часто использовал углы.

Моя первоначальная идея подсчета кластеров довольно хорошо держится в небольших тестах, которые я проводил (разные комбинации моих пальцев и пальцев нескольких добровольцев).

Я даю оценку на основе следующих тестов (10 тестов, поэтому 10% за успех. Это немного наивно, но я найду лучший способ превратить эти 10 результатов в оценку, поскольку каждый тест имеет свои особенности):

• Cluster-thingy (все нижеследующие используют не кластеры, а мелочи. Это единственный подход, связанный с кластерами, который я использовал)
• Средняя i позиция
• Средний угол
• i дисперсия
• j дисперсия
• Угловая дисперсия
• i эксцесс
• j эксцесс
• Угол эксцесса
• j асимметрия

Действительно статистический подход.

Сравнение одних и тех же пальцев практически всегда дает от 80 до 100%. Странные сравнения пальцев между 0 и 60% (не часто 60%). У меня нет точных цифр, поэтому я не буду притворяться, что это статистически значимый успех, но это похоже на хороший первый выстрел.