评估图像质量变化下指纹个体性的广义混合模型框架
应用统计
2014-11-06 v1
摘要
指纹个体性是指指纹的独特性程度，是法庭证词中判定匹配与否的主要标准。指纹图像常受到不同程度的噪声影响，例如从犯罪现场提取的指纹图像质量可能较低。图像质量不佳会导致人类专家及自动系统在特征检测中出现更多错误，包括遗漏真实特征或检测到虚假特征。此类误差会降低对匹配指纹个体性认定的可信度。本文旨在基于真实数据库中的指纹图像，量化随图像质量下降而导致的个体性降低程度。这一结果可供法医专家在法庭证词中参考使用。一个重要的实际问题是，所用数据库通常包含大量指纹图像，导致 Gibbs 采样器等计算算法极其缓慢。我们开发了基于似然函数 Laplace 近似的算法，并据此近似似然推断未知参数。本研究分析了两个公开数据库 FVC2002 和 FVC2006，并从中获得了个体性估计值。从统计学角度看，本研究的贡献可视为广义线性混合模型（GLMMs）在基于指纹的身份认证领域的一项创新应用。
引用
@article{arxiv.1411.1244,
title = {A generalized mixed model framework for assessing fingerprint individuality in presence of varying image quality},
author = {Sarat C. Dass and Chae Young Lim and Tapabrata Maiti},
journal= {arXiv preprint arXiv:1411.1244},
year = {2014}
}
备注
Published in at http://dx.doi.org/10.1214/14-AOAS734 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)