论文摘要资料文件与下载

基于统计模型的低质量指纹特征提取

博士研究生:杨霄

指导教师:周杰 教授

所属院系:自动化系

论文摘要

作为最有效、便捷的身份识别特征之一，指纹被广泛地应用于日常生活中。然而，现有的指纹自动识别系统对背景杂乱、脊线模糊、按捺不完整等低质量指纹的识别性能还比较差，尤其是对犯罪现场指纹，仍需要大量的人工介入。因此，低质量指纹的自动特征提取成为近年来指纹识别领域的研究热点之一。本文的研究思路是深层次挖掘指纹脊线的内在规律与性质，以从复杂的背景噪声中准确地将相对微弱的指纹脊线提取出来。本文以指纹脊线方向的结构化先验知识为基础，设计了两类模型，用于处理低质量指纹特征提取中的三个关键问题。论文主要成果如下：

1. 基于姿态的指纹配准对指纹匹配和检索都有重要意义，然而，已有方法无法估计强噪声和中心区域缺失等低质量指纹的姿态。针对这一难题，本文基于对指纹脊线方向先验规律的学习和总结，提出了原型方向块模型和霍夫概率投票方案，充分地利用了指纹各部分的信息。本方法在滚动指纹数据库NIST SD14 上的检索准确率超过了已有方法，在现场指纹数据库NIST SD27 上的指纹匹配准确率接近手工标注结果。

2. 准确的方向场是提取指纹其他特征的关键之一，而低质量指纹中脊线的低信噪比往往导致传统的指纹方向场估计方法无法正确区分噪声和脊线的方向。针对这一难题，本文基于对指纹脊线与位置相关的先验规律的学习和总结，设计了局部方向块字典模型，通过字典查询和优化的方式，在方向场估计中同时考虑了位置正确性、局部相似性和邻域兼容性。本方法在NIST SD 27 以及公开的在线指纹识别算法评测平台FVC-onGoing FOE 上的性能相对于已有方法都有很大提高。

3. 复杂噪声干扰是影响低质量指纹自动识别效率的瓶颈，尤其在刑侦领域，由于自动化程度不高，专家手工标注的负担很重，大量现场指纹往往无法被及时处理。针对这一难题，本文基于前述两种模型，提出了迭代的指纹自动定位与前景区标记算法。实验表明，本方法可以从复杂背景中将多个低质量指纹检测和分割出来。在NIST SD27 上，本自动分割算法的准确率超过了已有方法，在匹配准确率上达到了手工分割的水平。