指纹方向场识别技术研究

发布时间：2020-05-19 16:38

【摘要】：当前社会,指纹识别技术已经取得了许多的进展,并已经进入了产品化的阶段,在电子产品,安全,刑侦等领域有着广泛的应用。但在刑侦领域,很多情况下,由于指纹提取环境的复杂性和长时间的环境侵蚀作用,提取指纹的质量很差,甚至无法通过肉眼进行辨认,这对嫌犯的确认工作等造成了很大的困难。对于这类低质量指纹,在指纹的增强复原和比对之前,通常需要通过提取方向场来辅助去噪。本课题面向应用,通过结合深度学习技术和传统图像处理算法,实现低质量指纹的方向场提取。本文提出的要求是做出一套能提取更精确的指纹方向场的算法系统,来替代原始系统中的指纹方向场提取部分。本文对指纹方向场提取系统进行了设计,并解决了系统中指纹特征提取难,网络收敛难,输出相互平滑等问题,并对系统提取指纹方向场的效果进行了测试和验证。首先,针对系统整体设计,本课题总共给出了三种可能的方案,分别是是直接解码,聚类方案和传统视觉结合深度学习的方案。经过验证,最终直接解码和聚类方案由于在现场指纹上表现较差被排除。其次,针对系统中的传统视觉算法,本文设计了系统的图像预处理部分。预处理分别两个部分。首先是对图像中主要噪声的滤除。卡通-纹理分解能够有效的提取图像中的纹理部分,但仍然会保留大量的纹理噪声。之后使用频域滤波可以滤除大部分纹理噪声。第二部分是指纹有效区域的提取。指纹图像包含了大量非指纹的部分,还有很多区域指纹纹理破坏过于严重,导致很难还原。剔除这些区域对于指纹方向场预测的准确性有比较大的提升。同时,本文设计了系统中从预处理的指纹图像中提取方向场的深度学习网络。模型基于语义分割网络,并针对语义分割网络在本文环境中应用产生的问题进行了改进。网络输出改为回归型之后收敛速度和准确度得到了很大提高,加入机器学习提升算法后解决了由角度定义造成的角度鸿沟问题。本文也设计了针对本项目的相应损失函数。最后,本文为测试系统性能,设计了相应的定量测试实验。本文最终的算法系统在使用弱标签的情况下一次匹配准确度指标精度超过了0.85,达到并超过了原始系统的准确率,充分证明了算法的泛化能力和可靠性。
【图文】：

指纹识别,芯片,解锁,指纹

图 1- 1 移动端指纹识别（左）及指纹识别芯片（右）生活中，指纹识别技术已经成为电子产品和数字化管理不可缺少的，指纹相关的商用传感器还主要应用在少数笔记本电脑上，市值也元。而在 2013 年指纹解锁首次进入移动设备领域，并开始了爆炸6 年指纹解锁已经成为了智能移动终端标配，市场总值也已经达到了现在的智能终端上指纹解锁和指纹密码已经成为了必不可少的部分安全领域，指纹技术比登陆账户+密码的解锁形式更加安全和灵活。

波形,现场指纹,方向场

图 1- 3 现场指纹与现场指纹方向场对于现场指纹处理的一般步骤为：提取方向场，指纹增强，指纹特征点提对齐和指纹比对。其中指纹增强以及之后的算法，由于处理的图像质量已大提高，可以使用现有的传统图像算法完成，且技术已经比较成熟。而指的提取工作是基于原始的现场指纹完成，因而使用传统算法会面临很大指纹方向场提取的精度直接影响最终指纹比对的准确率，因此更好的方向法能有效提高对弱特征指纹的辨识能力，对于刑侦等领域具有很大的意国内外研究现状及分析.1 图像去噪算法国外研究现状国内外针对图像去噪的算法的研究成果非常丰富。从信号和噪声的叠加，可以分为加性噪声和乘性噪声两种。设信号为 S(t)，噪声为 n(t)，如果波形可以表示为 ( ) ( )，则定义为加性噪声[2]。加性嗓声和图像的信互独立，，如图像在长距离传输过程中产生的噪声，电视电子枪扫描的噪声
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;D918.91

【相似文献】