基于深度学习的指纹方向场提取算法

作     者：刘永鸿 韩丛英 郭田德 LIU Yonghong;HAN Congying;GUOTiande

作者机构：贵州财经大学大数据统计学院贵州贵阳550025 中国科学院大学数学科学学院北京100049 中国科学院大数据挖掘与知识管理重点实验室北京100190 

基　　金：国家自然科学基金(Nos.U19B2040,11991022) 贵州财经大学引进人才启动项目(No.2021YJ005) 

出 版 物：《运筹学学报》 (Operations Research Transactions)

年 卷 期：2023年第27卷第4期

页      码：1-19页

摘      要：作为指纹图像中的一个非常重要的特征,指纹方向场在自动指纹识别系统的很多环节中扮演着重要的角色,例如指纹图像增强、奇异点提取、指纹分类等。尽管现有的方向场提取算法可以取得不错的提取效果,但是这些算法对于图像噪声比较敏感,同时经常需要先验知识进行方向计算,算法运行也消耗了很多时间。针对指纹方向场提取问题,本文提出了一种基于全卷积网络的方向场提取算法,利用像素级别的分类任务估计方向场。根据指纹图像与注意力机制的特点,设计了一个用于提取方向场的注意力机制的全卷积网络,并在网络中添加了空洞卷积层,有效提取了不同指纹图像中重要的判别特征,同时设计了一个新的损失函数来训练网络,最终根据像素点的分类结果实现了方向场的提取。实验结果表明,本文的算法实现了较好的提取效果以及较快的提取速度,对于图像噪声等具有很好的鲁棒性。

主 题 词：指纹方向场提取 深度学习 注意力机制 全卷积网络 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 07[理学] 070105[070105] 0701[理学-数学类] 

核心收录：

D　O　I：10.15960/j.cnki.issn.1007-6093.2023.04.001

馆 藏 号：203124927...