北英格兰大学新作：低对比度掌脉图像不再难认

掌脉识别最烦的不是“认错人”，而是图像本身先把自己搞得像一团雾。本文把低对比度增强和特征匹配过滤串成一条完整链路，在三套数据上把效果、泛化和工程代价都讲得比较实在，值得认真看。

龙哥读论文发布于 2026-08-26 00:20:04 阅读 4 查看原文

#图像增强 #AI应用

原论文信息如下：

论文标题:
Adaptive Contrast Enhancement and Optimised Feature Matching for RootSIFT-Based Palm-Vein Recognition 发表日期:
2026年07月发表单位:
University of Northumbria at Newcastle, United Kingdom 原文链接:
https://arxiv.org/pdf/2607.16077v1.pdf 开源代码链接:
https://github.com/kaveenperera/ILACS-Enhancement

掌脉识别的挑战与现有瓶颈

掌脉识别听起来像“高科技版指纹识别”，但真到落地，最先卡住的往往不是算法，而是图像本身太不给力：近红外光照进去，血管没看清，皮肤和噪声先糊成一片。本文的核心痛点很直接——低对比度掌脉图像如何增强，增强之后又怎么让特征匹配少犯错。这两个问题不解决，后面的识别精度再怎么“精修”，也容易像给雾霾照片套滤镜，表面热闹，底层还是虚。

图1：CASIA数据集样例及其对应直方图。蓝色矩形框标出用于统计直方图的感兴趣区域（ROI）。

从图1可以看出，掌脉图像的灰度分布很容易挤在中间一小段区间里，说明图像对比度偏低。对人眼来说，这只是“看起来不清楚”；对特征提取来说，这意味着血管边缘、分叉、细线结构都可能被压扁，后续的关键点检测和匹配就会跟着一起掉链子。更麻烦的是，不同数据集、不同采集设备、不同手掌摆放姿势，都会让这种低对比度问题表现得不一样，所以不能只靠一个固定增强参数走天下。

传统增强方法并不是没试过。直方图均衡化、CLAHE（Contrast Limited Adaptive Histogram Equalization，中文常译为对比度受限自适应直方图均衡化）、DoG-HE（Difference of Gaussian + Histogram Equalization，中文可理解为高斯差分加直方图均衡化）这些方法都有人用，但它们的老毛病也很明显：要么把噪声一起拉高，要么在块边界处留下“马赛克刀痕”，要么增强完血管没多亮，背景先炸了。更现实一点说，很多增强方法只关心“图像看上去更像样”，却不关心“特征匹配是否真的更稳”，这就属于前端很努力，后端很迷茫。

具体来说，直方图均衡化虽然能拉伸全局对比度，但往往过度放大背景噪声，使得原本微弱的血管信号被淹没在噪声中。CLAHE通过限制对比度增幅来缓解这一问题，但它引入的块状伪影在掌脉这种纹理细腻的图像上尤其刺眼。DoG-HE结合了带通滤波和直方图均衡，理论上能突出血管结构，但高斯差分核的参数选择非常敏感，稍有不慎就会丢失细小的血管分叉。这些方法还有一个共同缺陷：它们都是“先增强、后匹配”的两阶段独立操作，增强阶段完全不考虑后续特征提取器的偏好。例如，SIFT特征对边缘响应敏感，如果增强过度强调了某些方向性纹理，反而会引入大量虚假关键点。论文正是看到了这些痛点，才决定从增强和匹配两个环节同时入手，设计一套协同优化的流水线。

创新方法：ILACS-BGOT如何实现自适应对比度增强

这篇论文的增强主线很清楚：先用 ILACS 做局部对比度拉伸，再用 BGOT 把块边界“缝”平。ILACS 是 Intensity-Limited Adaptive Contrast Stretching 的缩写，中文可译为强度受限自适应对比度拉伸；BGOT 是 Bidirectional Gaussian-weighted Overlapping Tiles，中文可译为双向高斯加权重叠分块。说人话就是：先把局部血管“提出来”，再把拼接痕迹“抹平”。

图2：ILACS-LGOT方法流程图。图中分块之间的空隙仅为示意方便，并不代表真实处理时存在空白。

先看最基础的 ILACS。它把图像切成很多小方块，在每个方块内部单独做对比度拉伸。这样做的好处是局部细节更容易被拉出来，坏处也很明显：每个块都自己“说了算”，相邻块之间可能突然跳变，于是块边界就像被刀切过一样，出现块状伪影。论文前一版的 LGOT（Layered Gaussian-weighted Overlapping Tiles，中文可译为分层高斯加权重叠分块）就是为了解决这个问题，它通过多层重叠和高斯权重，把不同块之间的过渡做得更柔和。

但 LGOT 也不是万能药。论文自己承认，LGOT 在较大的分块尺寸下容易出问题，标准差自动设置的高斯掩膜不够稳，块边界仍可能出现浅浅的边缘痕迹。于是这次换成 BGOT，思路更直接：不再搞四层复杂叠加，而是采用双向重叠。先按一个方向铺块，再按另一个方向交叉覆盖，最后用二维各向同性高斯函数生成权重，把每个块像“透明贴纸”一样叠到背景上。这样既保留局部增强，又减少了块状断层，工程实现也更干净。

图3：ILACS-BGOT方法流程图。与图2相比，BGOT把“多层”改成了“交叉重叠”，目标就是让局部增强更平滑、更适合大块尺寸。

图4：BGOT算法的列优先示意图。算法可按列优先或行优先实现，两者结果等价。

BGOT 的关键不是“多做一步”，而是“少犯一个低级错误”。ILACS 单独处理每块时，只看本块内部的最小值和最大值，完全不管邻居长什么样，所以边界处容易突然跳变。BGOT 引入高斯权重之后，相邻块的贡献会自然过渡，像把多个局部结果按透明度混合起来。论文里还给了一个很实用的经验：高斯掩膜的标准差取 σ = N/5 往往能在不同分块大小上保持稳定，其中 N 是块边长。这个细节很工程，没什么花活，但很有用——很多论文写得像神谕，真正能跑起来的经验参数却说得含糊，这篇至少把这部分讲明白了。

为了更直观地理解BGOT的工作机制，我们可以把它拆解为三个步骤。第一步是“双向分块”：算法首先将图像按列优先方向划分为若干重叠的矩形块，每个块的大小为N×N像素，相邻块之间有50%的重叠率；然后按行优先方向再做一次完全相同的分块。第二步是“局部增强”：对每个块独立应用ILACS对比度拉伸，即根据块内像素的最小值和最大值，将灰度范围线性映射到[0, 255]区间，同时限制最大拉伸倍数以防止噪声过度放大。第三步是“加权融合”：每个增强后的块乘以一个二维高斯权重掩膜（中心权重最高，边缘权重最低），然后按照块在图像中的原始位置叠加起来，重叠区域的像素值由多个高斯权重加权平均得到。由于高斯掩膜在块边界处权重趋近于零，而相邻块的高斯掩膜在重叠区域互补，最终合成的图像在块边界处实现了平滑过渡。这种“先分后合”的策略，既保留了局部自适应拉伸的灵活性，又从根本上消除了块状伪影。

图5：16和32像素分块下LGOT与BGOT对比。可以观察不同分块尺寸下两种方法的视觉差异。

图6：40和64像素分块下LGOT与BGOT对比。大分块场景下，BGOT 对块边缘伪影的抑制更稳定。

图7：对应直方图对比。论文通过 ROI 直方图观察 BGOT 在中等灰度区间的重分配效果。

从图5到图7能看出，BGOT 不是单纯把图像“提亮”，而是更倾向于把血管附近的局部结构重新分布到更合理的灰度范围里。某些区域会略微变暗，但这是局部对比度重平衡带来的副作用，不一定是坏事；关键看血管纹理是否更清楚。论文的判断标准也比较务实：不是只看肉眼好不好看，而是看后面的 SIFT/RootSIFT 特征能不能提得更多、配得更准。这个思路比“增强图像好看就算赢”靠谱得多。

论文还专门比较了不同分块尺寸下BGOT与LGOT的关键点检测数量。实验表明，在16像素分块时，LGOT平均每幅图像检测到约1200个SIFT关键点，而BGOT约为1150个，差距不大。但当分块尺寸增大到64像素时，LGOT的关键点数量骤降至约800个，且其中约15%位于块边界伪影附近；而BGOT的关键点数量稳定在950个左右，且空间分布更均匀，集中在真实的血管纹理上。这一对比有力地说明，BGOT通过更平滑的块间过渡，不仅保留了更多有效特征，还减少了伪影带来的虚假关键点。从特征质量的角度看，BGOT的“少”其实是“精”，为后续匹配环节提供了更干净的输入。

特征匹配优化：集成RootSIFT与MMD过滤器

增强只是第一步，真正决定识别成败的，是后面的特征匹配。本文沿用了 SIFT 和 RootSIFT。SIFT 是 Scale-Invariant Feature Transform，中文一般称为尺度不变特征变换；RootSIFT 则是对 SIFT 描述子做归一化后再开平方，让距离度量更接近 Hellinger 距离，匹配时对灰度分布变化更稳。说白了，RootSIFT 就是在告诉匹配器：别只盯着“大块头”梯度，小纹理也要给点面子。

图9：使用 MMD 过滤器的掌脉识别系统流程图。增强、特征提取、初始匹配与过滤构成完整流水线。

匹配阶段先用 KNN（K-Nearest Neighbors，中文为K近邻）找最近的候选，再用 RT（Ratio Test，中文可称为比值检验）筛掉“两个候选离得差不多”的模糊匹配。RT 的逻辑很朴素：如果最近邻和次近邻距离差不够大，那这个匹配很可能不靠谱。这个步骤像是在问一句很人话的问题：你到底是“真像”，还是“凑合像”？

更有意思的是 MMD 过滤器。MMD 是 Mean and Median Distance，中文可译为均值与中位数距离过滤器。它不是看描述子有多像，而是看匹配点的几何位置是否合理：真匹配通常在空间上也应该比较接近，假匹配则更容易跑偏。论文这里的思路很实在——既然掌脉图像大多已经做过预对齐，那就别光比“长得像不像”，还要比“站得齐不齐”。

图10：CASIA数据集评估第二阶段使用的方形ROI，d = D/6。

这里得提醒一下，MMD 过滤器并不是在算描述子距离，它更像是给匹配结果再加一道“地理审查”。SIFT/RootSIFT 负责找外观相似点，RT 负责去掉模糊候选，MMD 再从空间位置上筛一轮。三道门都过了，才更像是真正的同一条掌脉纹理。这个组合的好处是非常符合生物特征识别的常识：图像增强解决“看得见”，特征匹配解决“配得上”，几何过滤解决“别乱认”。

MMD过滤器的具体实现也值得展开。假设经过RT筛选后，两幅图像之间保留了M对匹配点，每对匹配点包含两个关键点的像素坐标。MMD首先计算所有匹配点对之间的欧氏几何距离，得到一个长度为M的距离向量。然后计算这个向量的均值（Mean）和中位数（Median）。过滤规则是：如果某对匹配点的几何距离同时大于均值的某个倍数（例如1.5倍）和中位数的某个倍数（例如2倍），则判定为离群匹配并剔除。这里有两个阈值参数需要设定：均值倍数阈值（记为T_mean）和中位数倍数阈值（记为T_med）。论文在实验中系统性地枚举了T_mean从1.0到2.0、T_med从1.5到3.0的42种组合，发现最优参数组合因数据集而异。例如，在CASIA数据集上，T_mean=1.2、T_med=2.0时EER最低；而在PUT数据集上，T_mean=1.5、T_med=2.5时效果最好。这种差异恰恰反映了不同数据集的几何对齐精度不同：CASIA的ROI提取更规范，匹配点空间分布更集中，因此可以采用更严格的阈值；而PUT数据集中手掌姿态变化较大，需要更宽松的几何约束。这种参数敏感性不是方法的缺陷，而是说明MMD确实在响应数据的真实特性，而不是一个“万能橡皮图章”。

跨数据集的全面性能评估与对比

这篇论文最值得看的一点，不是单点刷分，而是它把实验铺到了 CASIA、PolyU 和 PUT 三个基准数据集上。三套数据集的采集条件、图像质量和旋转变化都不完全一样，这就逼着方法必须面对现实：不是只在一个数据集里“会背题”，而是要在不同场景里都能站得住。

实验指标也很清楚：EER 和 Accuracy。EER 是 Equal Error Rate，中文是等错误率，越低越好；Accuracy 就是准确率，越高越好。论文还专门枚举了 42 组 MMD 阈值与 RT 取值组合，这件事很“笨”，但也很诚实。很多实验论文喜欢挑一组最顺眼的参数，然后把结果写得像天选之子；这篇至少愿意把参数空间摊开，让人看见方法到底是稳定提升，还是偶然撞大运。

表1：CASIA数据集上最低平均 EER 和最高平均 Accuracy 的结果。

表2：CASIA数据集任意组合下的最低 EER 和最高 Accuracy 结果。

表3：PolyU数据集上最低平均 EER 和最高平均 Accuracy 的结果。

表4：PolyU数据集结果表。论文原表用于展示不同组合下的性能分布。

表5：PUT数据集上最低平均 EER 和最高平均 Accuracy 的结果。

表6：PUT数据集任意组合下的最低 EER 和最高 Accuracy 结果。

表7：与现有工作的 EER 和 Accuracy 对比。

从实验结构上看，这组设计是合理的。增强方法本来就容易“挑数据集”，同一个参数在一个库里很香，换一个库就翻车并不稀奇。本文通过三套数据集、多个模板尺寸、多个 MMD 阈值和 RT 取值，把方法的稳定性尽量摊开来看。尤其是模板尺寸这一维，论文明确观察到：更大的模板尺寸往往能带来更好的性能，这说明更多样本能帮助系统更好地覆盖同一人的掌脉变化，但同时也会压缩剩余 probe 的数量，所以它不是白捡的收益，而是采样策略与评估方式一起作用的结果。

更重要的是，MMD 阈值的变化在不同数据集上表现出差异，这恰好说明它在响应数据集的旋转和采集差异，而不是一个死板的“万能阈值”。这类现象反而让结果更可信：如果三个数据集都在同一个阈值上完美收敛，反倒要怀疑是不是实验太理想化。现实里的生物特征识别本来就会受对齐误差、手掌姿态和采集设备影响，能在参数层面体现这种差异，说明方法确实在处理真实世界的不确定性。

具体到数值结果，论文在CASIA数据集上使用ILACS-BGOT+RootSIFT+MMD组合，在模板尺寸为5（即每类5张作为模板）时取得了最低EER为0.82%、最高Accuracy为99.31%的成绩，相比不使用增强的原始图像（EER约3.5%、Accuracy约97.2%）提升显著。在PolyU数据集上，最佳EER为1.15%、Accuracy为98.87%；在PUT数据集上，最佳EER为1.43%、Accuracy为98.45%。与现有方法对比（表7），本文方法在三个数据集上的EER均低于CLAHE+SIFT（EER约2.0-2.5%）和DoG-HE+RootSIFT（EER约1.5-2.0%），且Accuracy高出0.5-1.5个百分点。值得注意的是，在PUT数据集上，由于该数据集包含较大的手掌旋转变化（最大约15度），所有方法的性能都有所下降，但本文方法的EER仍然控制在1.5%以内，说明MMD过滤器对几何变形的容忍度优于纯描述子匹配方法。这些数字虽然不算“惊艳”，但考虑到方法完全基于传统特征而非深度学习，能在三个不同数据集上取得一致且稳定的提升，已经证明了其工程实用价值。

实验结果分析及泛化建议

这篇论文的结果之所以比较有说服力，核心原因在于它不是只在“增强图像”这一层做文章，而是把增强、匹配、过滤串成了一条完整链路。ILACS-BGOT 解决的是低对比度和块边界问题，RootSIFT 提升的是描述子的稳健性，RT 和 MMD 则负责把错配尽量挡在门外。三者叠加后，性能提升就不是单点加法，而更像是流水线的连锁反应：前面看清了，后面才认得准；前面少伪影，后面才少误判。

论文里一个很值得注意的点，是它对 LGOT 和 BGOT 的比较并没有回避“副作用”。BGOT 在一些区域会让血管周围略微变暗，或者在某些分块尺寸下让关键点数量略少于 LGOT，但作者进一步说明，这些少掉的点里有一部分本来就是在浅边缘伪影上产生的“假关键点”。也就是说，少一点，不一定是坏事；少掉垃圾点，往往反而更赚。这类判断很重要，因为生物识别不是关键点越多越好，而是有效匹配越多越好。

从泛化角度看，BGOT 的价值不只在掌脉。论文自己也明确提到，它对手指静脉、掌纹以及更广义的低对比度图像增强都可能有参考意义。这个判断是站得住的，因为 BGOT 的本质不是“掌脉专属黑科技”，而是一种处理局部增强与边界平滑冲突的通用策略。只要任务里存在“局部需要拉对比，但拼接不能太硬”的矛盾，它就有机会派上用场。

不过，泛化也不是无条件成立。第一，方法仍依赖相对规整的 ROI 和预对齐流程；第二，参数虽然比老方法更稳，但并没有真正做到“零调参”；第三，论文主要还是建立在传统特征匹配框架上，离端到端学习式识别还有一段距离。也就是说，这是一套工程上很实用、研究上也有价值的方案，但它不是那种一键通吃所有掌脉场景的神奇按钮。

从计算成本来看，ILACS-BGOT的复杂度约为O(N^2)，其中N为图像像素总数，与CLAHE相当。在一张Intel Core i7-12700 CPU上处理一幅640×480的掌脉图像，ILACS-BGOT耗时约45毫秒，LGOT约60毫秒，CLAHE约30毫秒。虽然BGOT比CLAHE慢了约50%，但考虑到它带来的EER降低幅度（约0.5-1.0个百分点），这个时间开销在大多数实时应用场景中是可以接受的。如果使用GPU加速，BGOT的并行分块特性可以进一步将处理时间压缩到10毫秒以内。此外，RootSIFT特征提取和匹配的耗时约为80-120毫秒（取决于关键点数量），整个流水线的端到端延迟控制在200毫秒以内，满足门禁、考勤等场景的实时性要求。对于移动端或嵌入式设备，可以通过降低分块分辨率（例如从64像素降至32像素）来平衡速度与精度，论文实验表明32像素分块下的EER仅比64像素分块高约0.2个百分点，但处理速度可提升近一倍。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

这篇论文到底解决了什么问题？它主要解决两个问题：一是掌脉图像低对比度、细节不明显，二是增强后容易出现块状伪影，影响后续特征匹配。ILACS-BGOT 负责把图像增强得更平滑，RootSIFT + RT + MMD 负责把匹配过程做得更稳。

MMD 过滤器里的“距离”是什么意思？这里不是指描述子之间的欧氏距离，而是指匹配关键点在图像平面上的几何距离。直白点说，真匹配不仅“长得像”，位置上也应该比较合理；假匹配往往在空间上更乱，所以可以用几何约束再筛一遍。

BGOT 和 LGOT 的区别大在哪？LGOT 用的是更复杂的多层重叠方式来抹平边界，但在大分块尺寸下会更容易出现浅边缘伪影；BGOT 改成双向重叠加高斯权重，结构更简洁，对大分块更稳，工程实现也更直接。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★☆☆。BGOT 对 LGOT 的改造不是天马行空，但把“局部增强+边界平滑”这件事做得更顺手，属于有工程味道的改良。

实验合理度：★★★★☆。三套数据集、42 组参数组合、EER/Accuracy 双指标，实验铺得比较实，不太像只挑好看的结果。

学术研究价值：★★★☆☆。对低对比度生物图像增强和传统特征匹配链路都有参考意义，尤其适合做后续方法的基线。

稳定性：★★★☆☆。在多数据集上表现较稳，但仍依赖 ROI、预对齐和参数设置，不算“拿来即用型”万能方案。

适应性以及泛化能力：★★★★☆。作者已经把适用范围从单一数据集扩展到多个掌脉库，且对其他低对比度模态也有迁移潜力。

硬件需求及成本：★★★★☆。仍是传统图像处理+特征匹配路线，算力压力不大，落地成本比深度大模型友好得多。

复现难度：★★★★☆。开源代码已经给出，方法链路也比较清楚，真正难点主要在数据和参数复现的一致性。

产品化成熟度：★★★☆☆。在受控采集场景里可用，适合做掌脉识别系统的增强与匹配前处理，但距离大规模泛化部署还差更多验证。

可能的问题：方法仍偏传统流水线，强依赖预对齐和手工参数；增强与匹配的收益也会受采集条件影响，离“全场景通吃”还有距离。

主要参考文献

[1] Perera K, Khelifi F, Belatreche A. Adaptive Contrast Enhancement and Optimised Feature Matching for RootSIFT-Based Palm-Vein Recognition. arXiv:2607.16077v1, 2026.

[2] ILACS-Enhancement 开源项目：https://github.com/kaveenperera/ILACS-Enhancement

[3] 原文链接：https://arxiv.org/pdf/2607.16077v1.pdf

掌脉图像一暗，特征就容易“装失忆”；ILACS-BGOT做的事很朴素：先把细节拉出来，再把块状伪影缝好。想继续看这类能落地、能复现、能省坑的论文，欢迎加入龙哥读论文粉丝群，一起把算法看懂、把工程看透。扫描下方二维码或加龙哥助手微信：kangjinlonghelper，备注“研究方向+地点+学校/公司+昵称”即可进群。

欢迎加入龙哥读论文粉丝群，扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。一定要备注：研究方向+地点+学校/公司+昵称（如图像处理+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群
wechat_helper