用于高效指纹匹配的固定长度稠密描述子

在指纹匹配中，固定长度描述子通常比细节点集具有更高效率，但识别精度不如后者。尽管基于深度学习的固定长度描述子近期取得诸多进展，它们在处理不完整或局部指纹、多样指纹姿态以及显著背景噪声时往往表现不足。本文提出一种称为固定长度稠密描述子（FDD）的三维表示，用于高效指纹匹配。FDD具备优良的空间特性，能够捕捉原始指纹的空间关系，从而增强可解释性与鲁棒性。我们在多个指纹数据集上的实验表明，FDD优于其他固定长度描述子，尤其在匹配不同区域指纹、跨模态指纹匹配及含背景噪声的指纹匹配中。