[论文解读] Minutiae Extraction from Fingerprint Images - a Review

Roli Bansal, Priti Sehgal+1 more|arXiv (Cornell University)|Nov 29, 2011

Biometric Identification and Security参考文献 88被引用 94

一句话总结

本文综述了用于提取指纹中细粒度特征（即纹线关键特征）的技术，这些特征在自动指纹识别中至关重要。文章对比了二值化图像与灰度图像上的方法，强调了图像增强在提升图像质量、实现可靠细粒度检测方面的作用，即使在因皮肤状况和压印差异导致的图像退化情况下也能保持性能。

ABSTRACT

Fingerprints are the oldest and most widely used form of biometric identification. Everyone is known to have unique, immutable fingerprints. As most Automatic Fingerprint Recognition Systems are based on local ridge features known as minutiae, marking minutiae accurately and rejecting false ones is very important. However, fingerprint images get degraded and corrupted due to variations in skin and impression conditions. Thus, image enhancement techniques are employed prior to minutiae extraction. A critical step in automatic fingerprint matching is to reliably extract minutiae from the input fingerprint images. This paper presents a review of a large number of techniques present in the literature for extracting fingerprint minutiae. The techniques are broadly classified as those working on binarized images and those that work on gray scale images directly.

研究动机与目标

• 提供对现有指纹识别中细粒度提取技术的全面综述。
• 分析由于皮肤状况和压印条件导致的图像退化而带来的细粒度检测挑战。
• 比较应用于二值化图像与灰度图像上的方法在性能与可靠性方面的差异。
• 强调图像增强在提升细粒度提取准确性方面的重要性。
• 通过系统性回顾最先进方法，支持开发鲁棒的自动指纹识别系统。

提出的方法

• 将细粒度提取技术分类为应用于二值化图像的方法与直接在灰度图像上操作的方法。
• 回顾对比度增强、噪声抑制和纹线频率滤波等预处理技术，以在特征提取前提升图像质量。
• 分析纹线细化与骨架化方法，以分离纹线中心线，实现细粒度的精确定位。
• 研究局部纹线方向估计与曲率分析，以检测纹线端点与分叉点。
• 评估形态学操作与局部模式分析在退化图像中实现鲁棒细粒度检测的适用性。
• 比较不同算法方法在计算复杂性与准确性之间的权衡。

实验结果

研究问题

• RQ1 从退化指纹图像中提取细粒度特征的主要挑战是什么？
• RQ2 与直接灰度处理方法相比，基于二值化的方法在准确性与鲁棒性方面有何差异？
• RQ3 哪些预处理技术在提升指纹图像质量以实现可靠细粒度检测方面最为有效？
• RQ4 基于纹线与基于强度的细粒度提取方法在性能上存在哪些关键差异？
• RQ5 皮肤状况与压印质量的变化如何影响细粒度提取的可靠性？

主要发现

• 图像增强技术能显著提升低质量指纹图像中细粒度提取的可靠性。
• 直接在灰度图像上操作的方法在避免二值化伪影的同时，能有效保留细小纹线细节，展现出良好前景。
• 基于二值化的方法仍被广泛使用，但对噪声与光照不均较为敏感。
• 鲁棒的方向估计与纹线细化是准确检测纹线端点与分叉点的关键。
• 灰度图像与二值化图像处理的选择取决于图像质量与计算资源约束。
• 没有一种方法在所有情况下均全面优于其他方法；性能表现随图像质量与采集条件而异。