快速的多级指纹混合匹配方法

提出一种快速的多级指纹混合匹配方法.该方法在提取指纹图像特征,建立指纹细节点匹配模板后,对指纹进行多级匹配.首先,计算两幅指纹图像特征矢量之间的欧式距离,通过比较距离大小实现指纹的初级比对.然后利用输入指纹与库指纹的细节点模板进行二次匹配.最后,对二次匹配过程中匹配的细节点对加以分析,选取可靠的细节点对作为多参照对应点进行再次匹配.该方法融合指纹的图像特征和细节点特征,避免建立指纹细节点对应性耗时的搜索过程,同时多参照点的引入可以更好地校准细节点集.实验证明该方法快速有效.     

一种基于结构匹配的指纹匹配算法

提出了一种基于结构匹配的指纹匹配算法,不仅考虑了指纹的全局特性而且利用了指纹局部结构的平移和旋转不变性。该算法可克服在采集指纹图像时由于非线性形变所引起的细节点的位置、细节点的方向及指纹图像中细节点之间距离改变产生的影响,降低了匹配算法的拒识率。试验结果表明所提出的方法确实提高了指纹匹配算法的有效性。     

一种鲁棒的指纹细节特征点匹配方法

指纹细节特征点匹配是指纹识别过程的核心部分,鲁棒的细节特征点匹配方法需要克服指纹的旋转、变形和真实特征点丢失的情况。该文通过引入支持模型来进行细节特征点匹配,获得了较好的结果。在对支持模型理论进行简单分析之后,详细介绍了所提出的一个鲁棒的基于支持模型的细节特征点匹配算法。该方法通过融合多个种子松弛匹配的结果,来获取每个细节特征点的约束支持。并通过每个对应点不同的支持度得到一一对应的细节特征点匹配结果。最后给出两个指纹细节特征点集的相似性水平。该算法具有较强的鲁棒性和稳定性,能够很好地解决指纹细节特征点匹配过程中存在的旋转、变形和真实细节特征点丢失等情况。最后给出的实验结果验证了该算法的有效性。     

一种扭曲指纹图像的细节点修正方法

非线性形变在指纹图像中非常普遍,严重时会导致指纹识别系统的识别性能显著降低,是指纹图像识别领域重要的研究课题之一.尤其对基于细节点的指纹匹配方法而言,由于相当一部分细节点的位置和方向都在非线性形变的作用下发生了改变,从而导致算法匹配准确率下降.在对非线性形变图像反复观察和实验的基础上,发现了细节点偏离的一些有用的规律,并用于细节点的位置和方向调整.提出了一种基于多参考细节点对齐修正指纹图像中部分细节点的方法,首先获取一组匹配细节点对作为基准点对,然后再以此为基础对邻域其他细节点进行修正,在FVC2004 DB2数据集上进行了一系列实验,实验结果表明该算法能够明显改善匹配性能.     

一种基于支持模型和SVM的指纹匹配方法

将两枚指纹相似性的判断归为一个二分类问题,介绍了一种基于支持模型和SVM的指纹匹配方法,采用了基于支持模型的细节特征匹配求取匹配的特征点集合,并利用匹配细节特征点所包含的匹配信息,对训练样本构造匹配向量进行分类训练。将训练后的分类器应用于FVC2002的测试数据库,实验结果表明该方法优于传统的计算方法,在度量指纹相似性方面是有效而且可靠的,且具有较强的推广性。     

基于局部特征结构的指纹匹配算法研究

针对实际应用中指纹识别系统对畸变图像识别率较低的情况,提出了一种点模式指纹匹配的新方法,利用细节点方向的分布特点,构造指纹图像中具有平移旋转不变性的局部特征结构,然后根据模板指纹和输入指纹局部特征结构的相似度寻找候选参考点对,将指纹图像进行对齐,最后进行特征点集的全局匹配,由结果分数来判断两个指纹是否匹配,给出了算法实现的全过程,实验结果表明该算法鲁棒性好,正确识别率较高,是一种实用的指纹识别技术.     

基于深度学习的小面积指纹匹配方法

针对传统的基于细节特征点的指纹匹配方法多适用于采集面积较大的指纹,在面向智能手机端的小采集面积指纹时准确率明显下降的问题,提出一种基于深度学习的小面积指纹匹配方法。首先,提取指纹图像的细节特征点信息;其次,搜索和标定感兴趣纹理区域（ROI）;然后,构建并改进基于残差结构的轻量级深度神经网络,通过采用二值化特征模式优化网络和Triplet Loss方式训练模型;最后,制定一种智能手机端注册-匹配策略实现小面积指纹匹配。实验结果表明,提出方法在公开库FVCDB1与自建数据库上的等错率（EER）分别仅为0.50%与0.58%,远低于传统的基于细节特征点的指纹匹配方法,能够有效提升小面积指纹匹配的性能,更好地满足智能手机端的应用需求。     

基于显著特征的指纹自动定位与匹配算法

非约束图像的自动匹配问题包括定位和配准两个关键步骤,其中定位是配准的前提。指纹图像的自动匹配是一种典型的非约束图像匹配问题。由于指纹采集时按压指面的旋转、变形和扭曲,以及各种因素造成的图像模糊、残缺和特征信息丢失,使指纹图像存在较大程度的不确定性,给利用细节特征进行匹配带来了困难。该文通过分析特征匹配的一般问题模型,指出了匹配问题的实质是在两个不完全等价特征集中寻求最大同构子集的问题,并对目前发展起来的几种匹配方法的适用性做了一定的评析。结合指纹图像的自身特点,提出了一种新的基于显著特征的自动定位与匹配算法。该算法通过分析细节特征点之间的联系,在整幅图像范围内构造了3种类型的显著特征,通过这些显著特征之间的比对实现了两幅图像的快速自动定位,求出了图像平移和旋转的变换矩阵。最后通过特征点的平移和旋转变换实现了具有容忍局部误差的细节特征点的比对。这种算法具有较强的容错性,对各种噪声图像具有一定的鲁棒性,是一种自适应的快速匹配算法。理论分析与实验结果表明这种方法用于指纹图像进行细节点匹配是很有效的。     

一种有效的指纹细节点提取方法

提出一种指纹细节点提取方法,在得到指纹二值化图像后,分别对脊线和谷线进行细化,从 脊线细化图和谷线细化图中提取分支点作为指纹的特征点。这样得到指纹的细节点比较准确,而虚假 点也比较容易除去。实验证明,这种方法得到细节点的数目也相对较少,有利于进一步的指纹匹配。     

指纹图象特征提取的新方法

指纹特征的提取在指纹自动识别系统中是一个必不可少的重要环节。指纹特征通常包括指纹奇异点和细节特征点。文章在给出了一种计算指纹方向图的新方法基础上提出了奇异点的提取新方法。实验表明该方法能够准确地提取出指纹的奇异点,并具有较强的抗干扰性。针对指纹图象质量较差时,存在大量的伪细节特征点,文章提出了一种新的细节特征点验证的方法,获得了良好实验结果。     

基于纹理结构的指纹匹配算法

为克服传统细节点匹配模型的不足,对指纹的纹理结构进行了分析,利用指纹纹线的不同结构作为指纹图像的特征。提出了一套基于指纹纹线轮廓的特征提取和匹配算法,并且采用了分步匹配,减少了拒判时间,该算法具有平移、旋转不变性。由于利用了指纹的结构信息,对低质量指纹图像有一定的适应度。实验结果表明,该算法具有相当高的识别率和较强的鲁棒性。     

3D fingerprint reconstruction system using feature correspondences and prior estimated finger model

The paper studies a 3D fingerprint reconstruction technique based on multi-view touchless fingerprint images. This technique offers a solution for 3D fingerprint image generation and application when only multi-view 2D images are available. However, the difficulties and stresses of 3D fingerprint reconstruction are the establishment of feature correspondences based on 2D touchless fingerprint images and the estimation of the finger shape model. In this paper, several popular used features, such as scale invariant feature transformation (SIFT) feature, ridge feature and minutiae, are employed for correspondences establishment. To extract these fingerprint features accurately, an improved fingerprint enhancement method has been proposed by polishing orientation and ridge frequency maps according to the characteristics of 2D touchless fingerprint images. Therefore, correspondences can be established by adopting hierarchical fingerprint matching approaches. Through an analysis of 440 3D point cloud finger data (220 fingers, 2 pictures each) collected by a 3D scanning technique, i.e., the structured light illumination (SLI) method, the finger shape model is estimated. It is found that the binary quadratic function is more suitable for the finger shape model than the other mixed model tested in this paper. In our experiments, the reconstruction accuracy is illustrated by constructing a cylinder. Furthermore, results obtained from different fingerprint feature correspondences are analyzed and compared to show which features are more suitable for 3D fingerprint images generation.     

针对深度神经网络模型指纹检测的逃避算法

随着深度神经网络在不同领域的成功应用,模型的知识产权保护成为了一个备受关注的问题.由于深度神经网络的训练需要大量计算资源、人力成本和时间成本,攻击者通过窃取目标模型参数,可低成本地构建本地替代模型.为保护模型所有者的知识产权,最近提出的模型指纹比对方法,利用模型决策边界附近的指纹样本及其指纹查验模型是否被窃取,具有不影响模型自身性能的优点.针对这类基于模型指纹的保护策略,提出了一种逃避算法,可以成功绕开这类保护策略,揭示了模型指纹保护的脆弱性.该逃避算法的核心是设计了一个指纹样本检测器——Fingerprint-GAN.利用生成对抗网络(generative adversarial network,GAN)原理,学习正常样本在隐空间的特征表示及其分布,根据指纹样本与正常样本在隐空间中特征表示的差异性,检测到指纹样本,并向目标模型所有者返回有别于预测的标签,使模型所有者的指纹比对方法失效.最后通过CIFAR-10,CIFAR-100数据集评估了逃避算法的性能,实验结果表明:算法对指纹样本的检测率分别可达95%和94%,而模型所有者的指纹比对成功率最高仅为19%,证明了模型指纹比对保护方法的不可靠性.     

基于宏观曲率的指纹特征提取和分类

特征提取是在自动指纹识别系统中重要的一步。为了有效地利用大量的指纹弯曲信息对指纹进行描述，提出了一种新算法。该算法通过综合邻近几条指纹脊线的信息，求出了一种能反映指纹宏观弯曲规律，并对单条指纹曲线的不规则不敏感的特征。随后提出了一种基于这些特征的指纹分类方法，实验结果表明，该算法提取出的特征清楚的描述了 纹脊线的弯曲规律，同时对噪声不敏感，可作为指纹识别的辅助特征。新的分类方法可以减少指纹匹配的搜索空间。     

基于扇区划分的细节点采样指纹匹配算法

在对指纹匹配算法进行了深入研究及总结现有算法优缺点的基础上,提出了新的基于扇区划分的细节点采样指纹匹配算法。本算法以指纹图像参考点为中心,分扇区对细节点数目进行采样统计以构造新的指纹特征向量,再利用距离最小准则进行指纹匹配。实验结果表明,本算法有效提高了指纹图像的匹配效果和运行速度。     

三维重建指纹特征提取分析的刑事案件数字化侦破

本文在二维指纹识别技术的基础上,结合多目摄像头数据模型进行指纹采集的三维重建。采用指纹特征点坐标场和方向场进行表征,利用二维指纹特征点的空间映射来获得三维指纹特征点空间特征坐标,由局部四邻域法计算坐标方向场,在指纹匹配中,基于双参考点法进行指纹的空间特征点对齐,由欧氏距离和方向夹角进行特征点配对。实验结果表明,本文提出的指纹三维重建技术以及指纹特征点的提取和匹配,能够最大限度获取三维指纹特征信息,保证指纹特征识别精度,为刑事案件侦破提供有力的技术支持。     

基于视频指纹的快速视频拷贝检测方法

为满足视频拷贝检测的实时性要求,提出一种基于视频指纹的快速视频拷贝检测方法。基于DC图像序列提取改进的顺序度量特征和改进的运动特征,相结合生成视频指纹,通过视频指纹的相似性匹配对视频进行拷贝检测。实验结果证明,该方法能在保持准确性的同时快速地进行视频拷贝检测。     

基于密集连接卷积网络的小面积指纹识别方法

针对基于细节特征点的传统指纹识别方法在小面积指纹识别时识别率明显下降的问题,提出一种基于密集连接卷积网络的小面积指纹识别方法。对指纹原图进行图像增强处理,充分利用密集连接卷积网络特征复用的优点构建提取指纹特征的深度学习模型,并将二值特征引进训练模型,依据指纹图像的二值特征和特征向量实现小面积指纹的注册和识别。实验结果表明,所提出的方法在自建数据集中正确识别率达到98.57%,高于基于细节特征点的传统指纹识别方法,基本满足智能移动端的应用要求。