研究论文 在上共享 推进指纹识别质量评估:引入FRBQ指标以增强指纹识别作者:普拉蒂克 贾斯瓦尔,阿卡牌手表 科纳、和阿弩普 楠布迪里作者信息和声明ICVGIP’23:第十四届印度计算机视觉、图形和图像处理会议记录2023年12月文章编号:18,页数1-9https://doi.org/10.1145/3627631.3627649出版:2024年1月31日 出版历史 获取引文提醒新增引文提醒!此警报已成功添加,将发送到:只要您选择的记录被引用,您就会收到通知。新引文提醒!拜托登录到您的帐户 获取访问权限目录ICVGIP’23:第十四届印度计算机视觉、图形和图像处理会议记录推进指纹识别质量评估:引入FRBQ指标以增强指纹识别页1-9以前的文章文本图像ReID的密集字幕上一个下一篇文章基于混合SNN的神经形态传感器隐私保护坠落检测下一步摘要工具书类信息和贡献者文献计量学和引文获取访问权限工具书类媒体桌子分享摘要在生物特征安全领域,指纹图像的质量评估对于提高指纹识别系统的准确性至关重要。这些系统对于个人的安全和高效身份验证和识别至关重要。我们的研究提出了FRBQ(基于指纹识别的质量),这是一种创新的质量指标,旨在克服NFIQ2模型的局限性。FRBQ在弱监督环境中利用深度学习算法,并利用DeepPrint(一种固定长度的指纹表示模型)的匹配分数。每个分数与指示指纹图像匹配鲁棒性的标签配对。然而,在一个完全参考的环境中,这些标签可能是主观的,缺乏对“图像质量”内在含义的明确定义。这种标记较弱的方法努力捕捉图像质量的不同观点,可能使其成为一种更全面的度量标准。与NFIQ2相比,我们的研究显示了FRBQ模型的优越性能。它不仅与识别分数有更好的相关性,而且可以有效地评估NFIQ2难以处理的具有挑战性的图像。通过FVC 2004数据集的验证,FRBQ在指纹图像质量评估中证明了其有效性。这项研究强调了人工智能在生物特征识别中的变革潜力,强调了其捕捉传统方法可能忽略的细节的能力。我们的工作强调了精确质量评估在指纹识别系统发展中的关键作用。工具书类[1]萨阿德·阿尔巴维、塔雷克·阿贝德·穆罕默德和萨阿德·扎维。2017年,《卷积神经网络的理解》,2017年国际工程技术会议(ICET)。伊耶,1-6岁。交叉参考谷歌学者[2]塞巴斯蒂安·博斯(Sebastian Bosse)、多米尼克·马尼里(Dominique Maniry)、克劳斯·罗贝特·米勒(Klaus-Robert Müller)、托马斯·威根(Thomas Wiegand)和沃伊西奇·萨梅克。2017.用于无参考和全参考图像质量评估的深度神经网络。IEEE图像处理汇刊27,1(2017),206-219。交叉参考谷歌学者[3]曹凯(Kai Cao)和阿尼尔(Anil K Jain)。2015年。通过卷积神经网络进行潜在方向场估计。2015年国际生物计量会议(ICB)。IEEE,349–356。交叉参考谷歌学者[4]曹凯(Kai Cao)和阿尼尔(Anil K Jain)。2018.自动潜在指纹识别。IEEE模式分析和机器智能交易41,4(2018),788–800。谷歌学者[5]戴晓伟、梁杰、赵启军和刘峰。2017.通过卷积神经网络进行指纹分割。生物识别:第十二届中国会议,2017年10月28日至29日,中国深圳,CCBR 2017,会议记录12。施普林格,324–333。交叉参考谷歌学者[6]卢克·尼古拉斯·达洛和本杰明·罗斯曼。2017.使用深度学习提取指纹细节。2017年IEEE国际生物统计学联合会议(IJCB)。IEEE,22–30。数字图书馆谷歌学者[7]邓建康(Jiankang Deng)、贾过(Jia Guo)、薛念南(Niannan Xue)和斯特凡诺斯·扎菲里奥(Stefanos Zafeiriou)。2019.弧面:用于深度人脸识别的附加角裕度损失。IEEE/CVF计算机视觉和模式识别会议论文集。4690–4699.交叉参考谷歌学者[8]Joshua J Engelsma、Kai Cao和Anil K Jain。2019.学习固定长度的指纹表示。IEEE模式分析和机器智能交易43,6(2019),1981-1997。谷歌学者[9]裘德·伊泽奥比耶西(Jude Ezeobiejesi)和比尔·巴努(Bir Bhanu)。2017。使用深度神经网络的潜在指纹图像分割。生物识别的深度学习(2017),83–107。谷歌学者[10]Patrick Grother和Elham Tabassi。2007.生物特征质量测量的执行。IEEE模式分析和机器智能事务29,4(2007),531-543。数字图书馆谷歌学者[11]何开明、张湘玉、任少清、孙建军。2016.图像识别的深度残差学习。在IEEE计算机视觉和模式识别会议记录中。770–778.交叉参考谷歌学者[12]Anil K Jain、Arun Ross和Salil Prabhakar。2004.生物识别简介。IEEE视频技术电路和系统汇刊14,1(2004),4–20。数字图书馆谷歌学者[13]乐康、叶鹏、李毅和大卫·多尔曼。2014.无参考图像质量评估的卷积神经网络。在IEEE计算机视觉和模式识别会议记录中。1733–1740.数字图书馆谷歌学者[14]达里奥·梅奥(Dario Maio)、大卫·马尔托尼(Davide Maltoni)、拉斐尔·卡佩利(Raffaele Cappelli)、吉姆·莱曼(Jim L Wayman)和阿尼尔·K·贾恩(Anil K Jain)。2004年。FVC2004:第三届指纹验证比赛。生物识别认证:2004年7月15日至17日,中国香港,ICBA 2004第一届国际会议。诉讼程序。施普林格,1-7。谷歌学者[15]Davide Maltoni,Dario Maio,Anil K Jain,Salil Prabhakar,2009年。指纹识别手册。第2卷。斯普林格。谷歌学者[16]阿尼什·米塔尔(Anish Mittal)、阿努什·克里希纳·莫尔西(Anush Krishna Moorthy)和阿兰·康拉德·博维克(Alan Conrad Bovik)。2012.空域无参考图像质量评估。IEEE图像处理汇刊21,12(2012),4695–4708。数字图书馆谷歌学者[17]Dinh-Luan Nguyen、Kai Cao和Anil K Jain。2018.健壮的细节提取程序:集成深度网络和指纹领域知识。2018年国际生物计量学会议(ICB)。IEEE,9–16。交叉参考谷歌学者[18]Tim Oblak、Rudolf Haraksim、Peter Peer和Laurent Beslay。2022.具有经典和深度学习集成模型的指纹质量评估框架。基于知识的系统250(2022),109148。数字图书馆谷歌学者[19]马克西姆·奥夸布(Maxime Oquab)、莱昂·博图(Léon Bottou)、伊万·拉普特夫(Ivan Laptev)和约瑟夫·西维奇(Josef Sivic)。2015.对象本地化是免费的吗-卷积神经网络的弱监督学习。在IEEE计算机视觉和模式识别会议记录中。685–694.交叉参考谷歌学者[20]凯伦·奥谢和瑞安·纳什。2015年,卷积神经网络简介。arXiv预印本arXiv:1511.08458(2015)。谷歌学者[21]Omkar M Parkhi、Andrea Vedaldi和Andrew Zisserman。2015年,深度面部识别。(2015).谷歌学者[22]曲振申、刘俊宇、刘洋、关秋雨、李瑞坤和张雨欣。2018年,指纹方向估计新系统。《图像和图形技术及应用:第13届图像和图像技术及应用会议》,2018年4月8日至10日,中国北京,IGTA 2018,修订论文集13。施普林格,281-291。交叉参考谷歌学者[23]Nalini Ratha和Ruud Bolle。2003.自动指纹识别系统。施普林格科技与商业媒体。谷歌学者[24]奥利弗·雷米、尤塔·哈默勒·乌尔和安德烈亚斯·乌尔。2022.使用自然场景统计进行手指静脉样本图像质量评估。2022年生物计量学特别兴趣小组(BIOSIG)国际会议。IEEE,1-6。交叉参考谷歌学者[25]奥尔加·鲁萨科夫斯基(Olga Russakovsky)、贾登(Jia Deng)、郝苏(Hao Su)、乔纳森·克劳斯(Jonathan Krause)、桑吉夫·萨蒂什(Sanjeev Satheesh)、肖恩·马(Sean Ma)、黄志恒(Zhiheng Huang)、安德烈·卡佩西。Imagenet大规模视觉识别挑战。国际计算机视觉杂志115(2015),211-252。数字图书馆谷歌学者[26]Michele A Saad、Alan C Bovik和Christophe Charrier。2012.盲图像质量评估:DCT域中的自然场景统计方法。IEEE关于图像处理的交易21,8(2012),3339–3352。谷歌学者[27]Florian Schroff、Dmitry Kalenichenko和James Philbin,2015年。Facenet:人脸识别和聚类的统一嵌入。在IEEE计算机视觉和模式识别会议记录中。815–823.交叉参考谷歌学者[28]Patrick Schuch、Simon-Daniel Schulz和Christoph Busch。2017年,对指纹方向场估计的深度预期。2017年IEEE国际生物统计学联合会议(IJCB)。IEEE,185-190。数字图书馆谷歌学者[29]凯伦·西蒙扬和安德鲁·齐瑟曼。2014.用于大规模图像识别的超深卷积网络。arXiv预印本arXiv:1409.1556(2014)。谷歌学者[30]南希·辛拉(Nancy Singla)、曼吉特·考尔(Manvjeet Kaur)和桑吉夫·索菲特(Sanjeev Sofat)。2020年。自动潜在指纹识别系统:综述。国际法医学309(2020),110187。交叉参考谷歌学者[31]Christian Szegedy、Wei Liu、Yangqing Jia、Pierre Sermanet、Scott Reed、Dragomir Angelov、Dumitru Erhan、Vincent Vanhoucke和Andrew Rabinovich。2015年,深入卷积。在IEEE计算机视觉和模式识别会议记录中。1–9.交叉参考谷歌学者[32]埃尔汉·塔巴西。2014.走向NFIQ II Lite:指纹图像质量评估的自组织地图。(2014).谷歌学者[33]Elham Tabassi和Charles L Wilson。2005年。指纹图像质量的新方法。2005年IEEE国际图像处理会议,第2卷。IEEE,II–37。交叉参考谷歌学者[34]侯赛因·塔莱比和佩曼·米兰法尔。2018.NIMA:神经图像评估。IEEE图像处理交易27,8(2018),3998–4011。谷歌学者[35]姚唐、高飞、冯菊富和刘余杭。2017.FingerNet:指纹细节提取的统一深度网络。2017年IEEE国际生物统计学联合会议(IJCB)。IEEE,108–116。数字图书馆谷歌学者[36]菲利普·特赫斯特(Philipp Terhörst)、安德烈·博勒(AndréBoller)、纳赛尔·达默(Naser Damer)、弗洛里安·基什布奇纳(Florian Kirchbuchner)和阿尔扬·库伊杰珀(Arjan Kuijper)。2021.中期:基于细节检测置信度的无监督、准确的指纹和细节质量评估。2021年IEEE国际生物统计学联合会议(IJCB)。IEEE,1-8。数字图书馆谷歌学者[37]宋武、刘冰、王征、贾泽熙和冯居富。2022.针对指纹索引的精细学习指纹表示。2022年IEEE国际生物统计学联合会议(IJCB)。IEEE,1-8。谷歌学者[38]周志华。2018年,弱监督学习简介。《国家科学评论》5,1(2018),44-53。谷歌学者[39]朱艳明,尹雪飞,贾秀平,胡建坤。2017。基于卷积神经网络的潜在指纹分割。2017年IEEE信息取证与安全研讨会(WIFS)。IEEE,1-6。交叉参考谷歌学者 索引术语 推进指纹识别质量评估:引入FRBQ指标以增强指纹识别计算方法人工智能计算机视觉 建议 基于模糊C均值聚类的指纹质量分析的两阶段质量自适应指纹图像增强摘要指纹识别技术依赖于指纹图像的质量。一种有效的增强算法提高了低质量图像识别算法的性能。…的性能改进。。。图形摘要 忽略的显示 集锦 质量特征用于指纹质量评估。功能选择。。。阅读更多信息基于指纹图像质量分析的自适应指纹图像增强 指纹图像细节点的准确提取在很大程度上取决于指纹图像的质量。为了提高系统的性能,人们对图像增强算法进行了大量的研究。如果预处理是。。。阅读更多信息存在噪声细节点的指纹个性评价 指纹图像质量是组内变异性的一个重要来源。当底层图像质量较差时,人类专家和自动系统更有可能在细节点检测和匹配中出错,要么丢失真值。。。阅读更多信息 评论 Please enable JavaScript to view thecomments powered by Disqus. 信息和贡献者问询处发布于 ICVGIP’23:第十四届印度计算机视觉、图形和图像处理会议记录2023年12月352页国际标准图书编号:9798400716256内政部:10.1145/3627631编辑:拉胡尔·纳兰,考希克·米特拉,伊恩·里德 版权所有©2023 ACM。授权给ACM的出版权。ACM承认,这篇文章是由国家政府的雇员、承包商或附属机构撰写或共同撰写的。因此,政府保留非排他性、免版税的权利,仅为政府目的发布或复制本文章,或允许其他人这样做。出版商计算机协会美国纽约州纽约市出版历史出版:2024年1月31日权限请求对此文章的权限。请求权限检查更新作者标记指纹图像质量指纹识别系统图像质量评估弱监督学习限定符研究文章研究推荐有限公司会议ICVGIP'23年ICVGIP’23:印度计算机视觉、图形和图像处理会议2023年12月15日至17日印度Rupnagar 接受率286份提交文件的总体接受率为95,33% 贡献者 其他指标查看文章指标文献计量学和引文文献计量学 文章指标 0引文总数19下载总量下载次数(过去12个月)19下载次数(最近6周)0 其他指标查看作者指标引文视图选项获取访问权限 登录选项检查您是否可以通过登录凭据或您的机构访问本文。登录完全访问权限获取此出版物 查看选项 PDF格式以PDF文件查看或下载。PDF格式 电子阅读器使用联机查看电子阅读器.电子阅读器 HTML格式格式在中查看本文HTML格式格式。HTML格式媒体数字其他桌子分享分享共享此出版物链接复制链接已复制!复制失败。在社交媒体上分享Linkedin公司重新编辑电子邮件附属公司普拉蒂克 贾斯瓦尔印第安纳州海得拉巴国际信息技术研究所https://orcid.org/0009-0008-1359-0878查看个人资料阿卡牌手表 科纳印第安纳州UIDAIhttps://orcid.org/0009-0002-4414-3102查看个人资料阿弩普 楠布迪里印第安纳州海得拉巴IIIT CVIThttps://orcid.org/0000-0002-4638-0833查看个人资料