图像增强技术对非接触式指纹识别迁移学习性能的评估
计算机视觉与模式识别
2025-02-10 v1 机器学习
摘要
指纹识别因其高准确性和唯一性，仍然是最可靠的生物识别技术之一。传统系统依赖于接触式扫描仪，这类扫描仪容易出现因表面污染和不一致的用户交互导致的图像质量下降问题。为了解决这些限制，非接触式指纹识别已成为一种有前景的替代方案，提供非侵入式且卫生的身份验证。本研究评估了图像增强技术对使用迁移学习进行非接触式指纹识别的预训练深度学习模型性能的影响。实验采用了包含 200 名受试者数据的 IIT-Bombay 非接触式和接触式指纹数据库，以测试 VGG-16、VGG-19、Inception-V3 和 ResNet-50 等深度学习架构的性能。实验结果表明，使用指纹图像增强的迁移学习方法（间接方法）显著优于未使用增强的方法（直接方法）。具体来说，VGG-16 在使用增强图像时，训练准确率达到 98%，测试准确率达到 93%，与直接方法相比表现出优越的性能。本文详细比较了图像增强在提高非接触式指纹识别迁移学习模型准确性方面的有效性，为开发更高效的生物识别系统提供了关键见解。
引用
@article{arxiv.2502.04680,
title = {Performance Evaluation of Image Enhancement Techniques on Transfer Learning for Touchless Fingerprint Recognition},
author = {S Sreehari and Dilavar P D and S M Anzar and Alavikunhu Panthakkan and Saad Ali Amin},
journal= {arXiv preprint arXiv:2502.04680},
year = {2025}
}
备注
6 pages