Latent Fingerprint Matching via Dense Minutia Descriptor

本研究提出了一种基于深度学习的密集细节点描述符（DMD）用于隐形指纹匹配，因为隐形指纹的质量较差，所以匹配难度较大。通过提取以中心细节点对齐的指纹块，捕捉详细的细节点信息和纹理信息来获得DMD。我们的密集描述符采用三维表示形式，其中两个维度与原始图像平面相关，另一个维度表示抽象特征。此外，提取过程输出指纹分割图，确保描述符仅在前景区域有效。两个描述符之间的匹配发生在它们的重叠区域，采用得分归一化策略来减少有效区域外差异带来的影响。我们的描述符在几个隐形指纹数据集上实现了最先进的性能。总体而言，与以前的方法相比，我们的DMD更具代表性和可解释性。

本文旨在解决指纹识别中的潜在指纹匹配问题，探究一种基于深度学习的密集细节点描述符（DMD）的方法。

本文提出了一种基于中心细节点对齐的指纹块提取方法，提取细节和纹理信息，生成三维表示的密集描述符，并通过提取指纹分割图来保证描述符仅在前景区域有效。匹配过程中，两个描述符在重叠区域进行匹配，并使用分数规范化策略来降低非有效区域的影响。

本文的DMD方法在多个潜在指纹数据集上实现了最先进的性能，具有更好的可解释性和代表性。同时，本文提出的方法可以生成指纹分割图，使描述符仅在前景区域有效。

近期相关研究包括《Deep Learning for Fingerprint Recognition: A Survey》、《Deep Learning for Latent Fingerprint Enhancement: A Survey》等。