FDeblur-GAN：基于生成对抗网络的指纹去模糊
计算机视觉与模式识别
2021-06-23 v1
摘要
在处理来自犯罪现场、移动相机或低质量传感器获取的指纹图像时，由于图像模糊与畸变，自动识别系统难以验证身份。我们提出了一种指纹去模糊模型 FDeblur-GAN，其基于条件生成对抗网络（cGANs）与 stack GAN 的多阶段框架。此外，我们在模型中集成两个辅助子网络用于去模糊任务。第一个子网络是脊线提取模型，加入它以生成脊线图，确保指纹信息与细节点在去模糊过程中得以保留，并防止模型生成错误细节点。第二个子网络是一个验证器，帮助生成器在生成过程中保留 ID 信息。利用模糊指纹及其对应脊线图数据库，深度网络从输入的模糊样本中学习去模糊。我们结合两种不同指纹匹配算法评估所提方法。在匹配去模糊指纹与真值指纹的任务上，我们在自有指纹数据库上取得了 95.18% 的准确率。
引用
@article{arxiv.2106.11354,
title = {FDeblur-GAN: Fingerprint Deblurring using Generative Adversarial Network},
author = {Amol S. Joshi and Ali Dabouei and Jeremy Dawson and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2106.11354},
year = {2021}
}
备注
8 Pages, Accepted in IJCB Conference