基于深度学习的亚表面指纹重构

• 作者: 刘凤 张文天 刘浩哲 刘国杰 沈琳琳
• 来源期刊: 计算机学报
• 关键词: 光学相干层析成像 亚表面指纹 内指纹 深度学习 指纹重构
• 年，卷（期）: 2021,（10）
• 页码范围: 2033-2046
• 页数: 14页
• 分类号: TP18
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2021.02033

摘要

光学相干层析成像(optical coherence tomography,OCT)是一种高分辨率成像技术,可以采集到手指表面皮肤下的多层深度信息,即指纹层析结构.将指纹层析结构高质量地重构为亚表面指纹图像,不仅可以解决因表面成像导致的低质量指纹图像问题,而且可以实现与现有传统指纹识别技术的无缝连接.本文首次提出一种基于深度学习的亚表面指纹重构方法.首先以HDCRes-34为基础网络,根据皮肤结构的不同,将每个OCT横截面图像分割成三层.然后,利用滑动窗口函数根据一个手指所有横截面图像的分割结果,纠正模型可能存在的分割失效情况.同时比较三个层次亚表面指纹信息,针对不同指纹特征,使用不同权重进行融合,得到高质量的亚表面指纹图像.实验结果表明,我们提出的分割模型达到平均像素准确率(meanPA)为0.956,以及平均交并比(mIoU)为0.873,从而显示我们的分割方法能很好地分割与皮肤结构相对应的三个层次的信息.同时,我们也比较了本文提出的重构方法与目前得到最好重构结果的方法,结果表明,我们的方法在单位像素指纹特征数量、脊线密度和等错误率(EER)方面均表现最佳.