关键字 |
| 滚,潜在的指纹,描述符霍夫变换,加性噪声,噪声降低 |
介绍 |
| 生物是任何独特的生物特征识别,可用于人。“生物”这个名字指的是一个账户的一系列事件使测量生理上一个人的生活,而“指标”是指相关的测量系统的定量分析提供了一个积极的识别一个独特的个体。在登记过程中,生理和行为样本被指纹扫描仪或摄像机。生物特征的身份验证需要比较注册生物样本对新捕获的生物样本。一般过程包括四个步骤的过程:获取、提取、比较,匹配不匹配/情况后跟一个验证和识别。在21世纪,似乎直观的认为我们的身体自然识别系统为我们的独特的自我。生物识别技术是利用身体的不同部位,如指纹、眼睛,作为一个密码或形式的识别。目前,联邦调查局使用指纹从犯罪现场找到罪犯。指纹的模式是指尖上的山脊和山谷。的弯曲模式称为脊线结构,皮肤剖面高于周边地区,这被称为山谷。 Fingerprint is thus defined by the uniqueness of the local ridge characteristics and their relationships. To ensure that the performance of the minutiae extraction algorithmic feature will be robust with respect to the quality of fingerprint images, an enhancement algorithm which can improve the clarity of the ridge structures is necessary. Poor quality prints feature extraction is the most challenging problem faced in this area. Enhancements methods exist are studied to enhance the quality of the fingerprint images. Mostly the minutiae sent to the final matching phase are extracted from the Skelton images. The minutiae extraction accuracy depends on the quality of the Skelton image. Reference point and image alignment are both determined to estimate the orientation point and that effect is smoothen by chosen window in order to minimize the effects of noise and matching with a similarity measure. Matching is performed by comparing two fingerprint images and return either a degree of similarity or a binary decision of matched or not matched. Most fingerprint matching system is based on matching minutiae points between two fingerprint images. Fingerprint matching is the key to the system and effects on the precision and efficiency of the whole system directly. |
相关工作 |
| 指纹已经被人类使用个人身份在很长一段时间内[1]。指纹匹配的最新技术在16世纪晚期开始[2]。重要的时间线,建立了现代基于指纹生物识别技术中发现的基础。指纹的唯一性和个性是由亨利Fauld,发现在1880年和信用是第一个研究摩擦脊皮肤的毅力去爵士illiam詹姆斯·赫歇尔[1]。这增强了现代指纹识别的基础。在19世纪晚期,弗朗西斯·高尔顿爵士发表了《指纹[3]中详细的指纹分析和识别进行了探讨。针对单一指纹细节特征由他引入1888年分类。指纹的唯一性发现造成立即下降的普遍使用人体指纹的识别方法,采用更有效的识别方法。最进步的指纹识别是在1899年由爱德华·亨利,他(实际上他的两个助手从印度)建立了著名的“亨利系统”指纹分类[4]一个非常复杂的索引方法的指纹调整促进人类专家执行(手动)指纹识别。在20世纪早期,指纹识别是正式接受为一个有效的个人识别方法,执法机构,成为取证的标准程序。 Identification of fingerprint agencies were setup worldwide and criminal fingerprint databases were established. The fundamental problem in image processing is to remove the additive white Gaussian noise (AWGN) without blurring the fine details of the images. so enhancement algorithm which will improve the clarity of the ridge/valley structures. Based on the survey related to fingerprint enhancement, it had been observed that most of the existing works are based on the minutiae sets, singular points and other techniques. |
提出潜在指纹的方法 |
| 指纹匹配有三个主要步骤:对齐(或注册)的指纹,细节的搭配,和分数计算。在我们的方法中,我们使用一个Descriptor-based Hough变换使两个指纹。鉴于两套对齐的细节,视为一对匹配两个细节如果他们的欧氏距离和方向差异小于预先确定的阈值 |
| 最后,计算得分基于多种因素如匹配细节的数量和描述符之间的相似性匹配的细节对。图1显示了该方法的概述。重要的是要强调,尽管潜在的手动编码(即标记细节),细节在滚打印自动提取。 |
当地的细节描述符 |
| 琐事Cylinder-Code (MCC)是基于3 d细节表示数据结构[1]。世纪挑战集团表示,当地的结构关联到每一个细节。这个局部结构表示为一个圆柱体,它包含的信息细节及其邻近的细节之间的关系。缸的底部与空间的关系,和它的高度与方向的关系。气缸中的每个细胞积累的贡献社区中的每一个细节。由此产生的缸可以看作是一个矢量,因此两个细节描述符之间的相似性可以很容易地计算作为向量的相关措施。更详细的描述缸生成和两个气缸之间的相似性可以在[1]中找到。这种表示方法提出了一些优势,如:平移和旋转不变;强劲的对小皮肤变形和失踪或虚假的细节;和固定长度的。 |
指纹比对 |
| 指纹比对或登记由估计的参数(旋转,翻译和规模),对齐两个指纹。也许有很多特性,用于估算两个指纹之间的对齐参数,包括定位领域、山脊和细节。还有许多的方法调整两个指纹:广义霍夫变换,局部描述符,能量最小化等。 |
细节配对 |
将两组细节后,我们需要找到细节两个集合之间的对应关系,即细节需要配对。配对的细节包括发现细节,足够近的位置和方向。让 是一个潜在的和细节 从滚印是一个细节。然后, 被认为是成对或匹配的细节吗 |
 |
 |
| 在比对两套细节时,这是最自然的方式配对的细节。我们使用一个一对一的匹配,这意味着潜伏中的每个细节只能匹配一个细节打印滚。基于最近的细节关系被打破。 |
分数计算 |
| 分数计算匹配过程是一个非常重要的一步。一个简单的方法来计算匹配分数由匹配细节的数量除以平均两个指纹的细节。这不是适合潜在的匹配,因为细节的数量在不同的潜在大幅变化。一个解决方案来修改上面的得分方法是匹配细节的数量除以数量的潜在的细节,这是几乎总是小于卷打印细节的数量。在我们的方法中,我们使用细节相似体重的贡献每一对匹配的细节。给定一个搜索指纹(潜在的)和一个模板指纹(滚),和考虑到指纹已经对齐,让米的设置n两者之间的匹配细节对指纹,{mi} n i = 1匹配细节对M, {Si} n i = 1是各自的相似之处,和N潜在的细节。然后,两者之间的匹配分数一致指纹是由: |
 |
| 为了进一步提高匹配性能,我们把分数基于匹配细节从两个不同的配对阈值的加权和,我们假设权重相等。因为我们执行10个不同的阵营,我们计算10个不同的匹配分数两个指纹;这两个指纹之间的最后得分是10的分数之间的最大不同猜测比对计算。 |
实验结果 |
| 匹配实验在两个不同的潜指纹数据库:NIST特殊数据库27 (NIST SD27)和西弗吉尼亚大学潜在指纹数据库(西弗吉尼亚大学最晚完成日期)。1)NIST特殊数据库(NIST SD27 27日):NIST特殊数据库27是唯一公开数据库包括潜在指纹操作场景(潜伏在犯罪现场收集)。它由100潜在指纹图像和100对应(交配)打印滚。潜在的和打印可用500 ppi滚。潜在的质量在NIST SD27变化,反映出操作(个案)质量。图4显示了潜在的打印匹配少噪音条件下原来的确定在1级,和图5显示了潜在的打印匹配与降噪噪声条件下原始一个确定在1级。 |
| 这两个潜在的匹配他们的真正的伴侣在1253年和1057年,分别。 |
结论和未来的工作 |
| 我们已经提出了一个指纹匹配算法在噪声,噪声少和降噪设计为匹配潜在滚/指纹。我们的算法优于商业匹配器证实流量控制阀2002数据库中所有潜在的质量。等级1的改善在证实该算法精度从2.3%变化与相对大量的潜在的细节高达22%的潜在的主观质量的“丑陋”。这些结果表明,我们的匹配器更适合潜指纹。拟议的对齐方法执行很好甚至潜在含有少量的细节。在我们的算法获得满分的几个假设基于不同的对齐参数比对。有时,最大的分数并不对应于正确的对齐。我们计划通过运用学习方法提高分数的计算。手动扩展特性的潜在审查员已被证明是有益的改善潜在的匹配精度。我们计划将扩展功能是自动从图像中提取到当前的匹配器,进一步提高匹配精度。 |
|
表乍一看 |
 |
| 表1 |
|
|
数据乍一看 |
|
|
|
引用 |
- Paulino,;部门的第一版。科学。& Eng。,米ichigan State Univ., East Lansing, MI, USA ; Jianjiang Feng ; Jain, A.K, Information Forensics and Security Latent Fingerprint Matching Using Descriptor-Based Hough Transform, IEEE Transactions on (Volume:8 , Issue: 1 ) Biometrics Compendium, IEEE Jan. 2013.
- h·康明斯和c Midlo。指纹、手掌和脚底:皮纹学概论。多佛出版公司,1961年版
- h . Faulds。skin-furrows的手。自然,第二十二:605年,1880年10月
- j·冯、美国Yoon和a . k . Jain。潜伏指纹匹配:融合和普通滚指纹。在生物识别技术国际会议(ICB), 2009年6月
- w·赫歇尔。皮肤皱纹的手。自然,76页,1880年11月25日
- k . Jain和j·冯。潜伏指纹匹配。IEEE反式。PAMI, 33(1): 88 - 100年,2011年1月
- k . Jain j .冯a Nagar, k . Nandakumar。在匹配的潜指纹。在生物识别技术CVPR研讨会,页1 - 8,2008年6月。
- d . Maltoni d . Maio a . k . Jain和角色。指纹识别的手册。施普林格-第二版,2009年
- 脑科学公司证实。http://www.neurotechnology.com/verifinger.html。4
|
菜单
是一个潜在的和细节
从滚印是一个细节。然后,
被认为是成对或匹配的细节吗
