通过训练端到端网络实现指纹的稠密配准与拼接
计算机视觉与模式识别
2020-09-15 v1
摘要
由于皮肤弹性形变、低图像质量以及脊纹图案的自相似性，指纹的稠密配准是一项具有挑战性的任务。为克服手工特征的局限，我们提出训练一个端到端网络以直接输出两枚指纹间的像素级位移场。所提网络包含一个用于特征嵌入的孪生网络，以及一个后续的编码器-解码器网络用于回归位移场。通过将追踪高质量指纹视频可靠估计出的位移场应用于具挑战性的指纹，我们合成出大量带真实位移场的训练指纹对。此外，基于所提配准算法，我们提出了一种基于最优接缝选择的指纹拼接方法。在 FVC2004 数据库、清华大学失真指纹 (TDF) 数据库以及 NIST SD27 潜指纹数据库上的配准与匹配实验表明，我们的配准方法在精度与效率上优于以往的稠密配准方法。FVC2004 DB1 上的拼接实验表明，所提算法生成了比其他算法更高质量的指纹，这也验证了我们的配准算法性能。
引用
@article{arxiv.2004.05972,
title = {Dense Registration and Mosaicking of Fingerprints by Training an End-to-End Network},
author = {Zhe Cui and Jianjiang Feng and Jie Zhou},
journal= {arXiv preprint arXiv:2004.05972},
year = {2020}
}