从单幅指纹图像直接回归形变场

皮肤形变是指纹匹配中长期存在的挑战，会导致错误的非匹配。先前的研究表明，通过从形变指纹中估计形变场然后将其校正为正常指纹，可以提高识别率。然而，现有的校正方法基于形变场的主成分表示，不仅不准确，而且对手指姿态非常敏感。在本文中，我们提出了一种校正方法，利用基于自参考的网络直接估计形变指纹的密集形变场，而不是其低维表示。该方法可以输出具有各种手指姿态的形变指纹的准确形变场。考虑到现有公开数据集中形变指纹的数量和种类有限，我们收集了更多具有不同手指姿态和形变模式的形变指纹作为新数据库。实验结果表明，我们提出的方法在形变场估计和校正指纹匹配方面均达到了最先进的校正性能。