论文部分内容阅读
指纹由于其卓越的独特性和持久性,已经成为当之无愧的“物证之首”。同时,指纹自动识别系统(Automatic Fingerprint Identification System,AFIS)被广泛应用于公安、边防、金融、交通、教育和医疗等诸多行业。随着指纹自动识别技术应用领域的不断扩大,指纹数据库的规模急剧增长。例如自《居民身份证法》规定身份证中添加指纹信息以来,现已有3亿余张身份证采集了指纹信息。因此,如何在海量指纹数据库中进行快速而准确的指纹检索已经成为一个目前急需解决的技术难题。本文针对此问题,提出了一系列基于细节点的准确高效的指纹检索方法,主要内容如下: 1.本文提出了基于细节点K-plet局部模式的指纹检索方法,主要包括K-plet局部模式索引特征和细节点森林检索算法。首先,本文对每个细节点构建局部坐标系,在每个象限内选取K/4个最近邻居细节点,量化邻居点与其连线长度、相对角度差以及连线角度等数值向量。同时,考虑指纹实际情况,本文还添加了细节点主方向作为局部模式的角度约束。然后,根据K-plet索引特征,精心设计了细节点森林检索算法,实现了快速准确的指纹检索。同时,本文还采用多路径搜索策略,减少了真实匹配的遗漏。与之前方法比较,提出的方法具有明显的优点:(a)特征结构稳定性好,特征表示区分能力强;(b)特征数量规模较少。 2.本文提出了基于紧致二进制细节点圆柱体编码(Compact Binary Minutia Cylinder Code,CBMCC)的指纹检索方法,主要包括CBMCC索引特征和基于多索引哈希(Multi-Index Hashing,MIH)检索算法。首先,本文选用更精细的细节点圆柱体编码(Minutia Cylinder Code,MCC)局部结构,更详细地编码了周围邻居细节点的位置和角度信息。同时对MCC进行了改进,提出了一种优化学习模型,考虑最大化比特内方差、最小化比特间相关性以及控制量化误差和相似度保持等因素,最终学习得到CBMCC索引特征。然后,根据CBMCC索引特征和指纹应用的实际特点,提出了基于MIH的指纹检索算法,在汉明空间内进行快速而准确的指纹检索。与K-plet指纹检索方法相比,提出的方法具有以下明显的优势:(a)增强特征区分能力;(b)节省存储空间。 3.结合深度学习技术,本文提出了基于深度紧致二进制细节点圆柱体编码(Deep Compact Binary Minutia Cylinder Code,DCBMCC)的指纹检索方法,主要包括DCBMCC索引特征和基于MIH的检索算法。首先,本文采用栈式自动编码器网络结构,进一步增强索引特征的学习能力;利用非线性的激活函数解决非线性特征表示问题。同时,针对该网络采用反向传播和坐标循环策略进行求解。然后,本文再次采用基于MIH的指纹检索算法,在汉明空间内进行快速而准确的指纹检索。 针对以上三种方法,本文分别在国际公开指纹数据库上进行了指纹检索实验,实验结果均验证了上述三种方法的有效性和卓越性。 综上所述,本文从海量指纹数据库的检索问题入手,进行深入研究,提出了一系列准确而高效的指纹检索方法,取得了一定的科研成果。