用于潜指纹重建的生成式卷积网络
计算机视觉与模式识别
2017-05-05 v1 机器学习
摘要
指纹识别的性能严重依赖于细节点(minutiae)的提取。因此，指纹脊线模式的增强是一个必要的预处理步骤，可显著降低误检和漏检率。一个尤其具有挑战性的情形是指纹图像受损或部分缺失。在本工作中，我们应用生成式卷积网络来去噪可见细节点并预测脊线模式的缺失部分。所提出的增强方法作为预处理步骤与若干标准特征提取方法（如MINDTCT）结合进行测试，随后使用MCC和BOZORTH3进行生物特征比对。我们在多个使用不同传感器采集的公开潜指纹数据集上评估了我们的方法。
引用
@article{arxiv.1705.01707,
title = {Generative Convolutional Networks for Latent Fingerprint Reconstruction},
author = {Jan Svoboda and Federico Monti and Michael M. Bronstein},
journal= {arXiv preprint arXiv:1705.01707},
year = {2017}
}