Parallel Stroked Multi Line: 一种用于压缩大型指纹数据库的基于模型的方法

随着指纹作为重要生物特征数据使用的增加，压缩大型指纹数据库的需求已变得至关重要。即使标准最推荐的压缩算法是JPEG2K。但在高压缩率下，该算法无效。本文提出了一种基于平行线条的模型，这些线条具有相同方向、任意宽度和相同灰度值，位于具有恒定灰度值背景的矩形上。我们将此算法称为Parallel Stroked Multi Line (PSML)。通过使用自适应几何小波并采用PSML，开发了一种压缩算法。该压缩算法能保留指纹结构和细节点。计算PSML模型的精确算法需要指数时间。然而，我们提出了一种替代近似算法，将时间复杂度降低到$O(n^3)$。所提出的PSML算法在压缩图像的PSNR值和视觉质量上比Wedgelets变换有显著优势。所提方法尽管在常见压缩率范围内PSNR值低于JPEG2K算法，但在所有压缩率下，当用于自动指纹识别系统（AFIS）时，相对于JPEG2K具有近似或更大的优势。在高压缩率下，根据PSNR值、平均EER率和视觉质量，经JPEG2K编码的图像在压缩后无法相互识别。但是，经PSML算法编码的图像保留了足够信息，以维持与无压缩原始图像相似的指纹识别性能。在U.are.U 400数据库上，未压缩图像的平均EER率为4.54%，而在267:1压缩比下，JPEG2K和PSML的该值分别为49.41%和6.22%。该结果显示了相对于标准JPEG2K算法的显著改进。