《基於流形學習的形變指紋和不完整指紋匹配算法研究》是依託西安電子科技大學，由曹凱擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於流形學習的形變指紋和不完整指紋匹配算法研究
- 項目類別：青年科學基金項目
- 項目負責人：曹凱
- 依託單位：西安電子科技大學
中文摘要,結題摘要,
中文摘要
本項目重點研究自動指紋識別技術中的形變指紋匹配和不完整指紋匹配兩個難點問題，最終得到快速、準確和魯棒的自動指紋匹配算法，為提高自動指紋識別系統的準確率和用戶接受度提供更加魯棒的底層算法支持。具體擬開展的工作包括：在方向場模型上，採用基於流形學習的方法提取出不同指紋類型以及手指不同放置方向和位置下的指紋方向場的變化模式，從而得到對平移旋轉魯棒的方向場模型,並根據學習到的方向場模型用於指紋分類檢索以及不完整指紋匹配；在細節點配對關係上，以細節點相似度為啟發式信息，以局部細節點匹配構建分配圖，基於該圖，採用蟻群最佳化算法可以較快地得到近似全局最優解；在形變指紋匹配中，尋找合適的形變表示方法，採用基於流形學習的方法建立真匹配的形變模式空間和真匹配形變模式的機率分布,並融入到匹配分數的計算中。
結題摘要
為了提高指紋識別的性能，特別是針對形變指紋匹配和不完整指紋匹配問題，研究組在指紋圖像處理，指紋方向場模型，細節點匹配以及指紋分類上做了大量且具體的研究。具體的成果包括：（1）在指紋圖像處理方面提出了基於字典學習的方法用於圖像的分割增強，首先從高質量指紋圖像塊學習得到的脊線結構字典，然後利用該字典對指紋進行分解和重建，最後通過重建指紋估計指紋塊的質量對指紋進行分割，並用重建指紋塊對指紋圖像進行增強；（2）在指紋方向場模型上，我們提出了一種基於擴散方程的指紋方向提取，和基於馬爾可夫隨機場和先驗知識的指紋方向場提取算法，利用泛函最最佳化方法對其進行求解，所提出的方向場提取算法提交到了第三方公共平台FVC-onGoing進行評測，在質量較好的和較差的指紋圖像資料庫上均獲得第一名；（3）在細節點匹配上，針對大型變指紋提出了基於蟻群最佳化算法，以細節點相似度為啟發式信息，以局部細節點匹配構建分配圖，從而得到較好的細節點對應關係，極大的提高了形變指紋以及交叉庫指紋的識別準確率；針對全局特徵不是很明顯的不完整指紋，我們提出了細節點旋向性的特徵，把全局特徵融入到細節點特徵中，並且每個特徵僅占用2個bits；（4）為了在識別過程中減小搜尋範圍，我們提出了級聯分類器的指紋分類方法，該分類算法在公開資料庫NIST SD4中進行了測試，在五類分類中準確率達到了95.9%，在四類分類中達到了97.2%，均超過了目前文獻中的最好結果。 在該青年基金的資助下，我們總共發表了期刊和會議論文5篇，其中SCI期刊論文5篇，包括國際模式識別領域頂級雜誌IEEE Trans. on Pattern Analysis and Machine Intelligence文章一篇，申請國家發明專利5項（3個授權，2個受理），部分主要研究科研成果獲得2012年度國家技術發明二等獎（申請人排名第五）。
