具有对齐与鲁棒增强的定长密集指纹表示

固定长度的指纹表示将每个指纹映射到一个紧凑且固定大小的特征向量，计算效率高，非常适合大规模匹配。然而，设计一种能够有效处理多种指纹模态、姿态变化和噪声干扰的鲁棒表示仍然是一个重大挑战。在这项工作中，我们提出了一种固定长度的密集指纹描述子，并引入了FLARE——一个将固定长度密集描述子与基于姿态的对齐和鲁棒增强相结合的指纹匹配框架。这种固定长度表示采用三维密集描述子来有效捕获指纹脊线结构之间的空间关系，从而实现鲁棒且局部具有判别力的表示。为了确保在此密集特征空间内的一致性，FLARE结合了使用互补估计方法的基于姿态的对齐，以及双重增强策略，在保留原始指纹模态的同时细化脊线清晰度。所提出的密集描述子支持固定长度表示，同时保持空间对应关系，从而实现快速且准确的相似度计算。大量实验表明，FLARE在滚动指纹、平面指纹、潜指纹和非接触式指纹上均取得了优越的性能，在跨模态和低质量场景下显著优于现有方法。进一步的分析验证了密集描述子设计的有效性，以及对齐和增强模块对密集描述子匹配精度的影响。实验结果突显了FLARE作为鲁棒指纹表示和匹配的统一且可扩展解决方案的有效性和泛化能力。实现和代码将在https://github.com/Yu-Yy/FLARE上公开。