[论文解读] A Collaborative Approach using Ridge-Valley Minutiae for More Accurate Contactless Fingerprint Identification

Ritesh Vyas, Ajay Kumar|arXiv (Cornell University)|Sep 13, 2019

Biometric Identification and Security被引用 5

一句话总结

本文提出了一种基于脊线-谷线细节点的协作式指纹匹配方法，以提升无接触指纹识别的准确性。通过利用互补的脊线与谷线特征，并优化色彩空间转换，该方法在多个公开数据库上显著优于当前最先进系统，展现出在NBIS、MCC和COTS匹配器中的一致优越性。

ABSTRACT

Contactless fingerprint identification has emerged as an reliable and user friendly alternative for the personal identification in a range of e-business and law-enforcement applications. It is however quite known from the literature that the contactless fingerprint images deliver remarkably low matching accuracies as compared with those obtained from the contact-based fingerprint sensors. This paper develops a new approach to significantly improve contactless fingerprint matching capabilities available today. We systematically analyze the extent of complimentary ridge-valley information and introduce new approaches to achieve significantly higher matching accuracy over state-of-art fingerprint matchers commonly employed today. We also investigate least explored options for the fingerprint color-space conversions, which can play a key-role for more accurate contactless fingerprint matching. This paper presents experimental results from different publicly available contactless fingerprint databases using NBIS, MCC and COTS matchers. Our consistently outperforming results validate the effectiveness of the proposed approach for more accurate contactless fingerprint identification.

研究动机与目标

• 解决无接触指纹系统与接触式系统相比匹配准确率较低的问题。
• 探索并利用脊线与谷线细节点中的互补信息，以提升指纹匹配性能。
• 研究未被充分利用的色彩空间变换，以增强无接触指纹图像中的特征提取效果。
• 开发一种协作式匹配框架，整合脊线与谷线特征以提高匹配准确率。
• 使用标准匹配器与商业系统，在多种无接触指纹数据库上验证所提方法。

提出的方法

• 通过增强的图像预处理和方向场估计，从无接触指纹图像中提取脊线与谷线细节点。
• 采用协作式融合策略，结合脊线与谷线细节点，以提高匹配可靠性并减少误匹配。
• 评估多种色彩空间变换（如HSV、YCrCb），以确定能有效增强无接触图像中脊线-谷线对比度的最佳表示形式。
• 使用标准指纹匹配器（NBIS、MCC）和商业系统（COTS）评估匹配性能，脊线-谷线特征的融合在匹配得分层面完成。
• 系统采用多阶段流程：图像增强、脊线-谷线特征提取、色彩空间优化以及协作式匹配融合。
• 在公开可用的无接触指纹数据库上进行对比评估，以确保方法的泛化能力与可复现性。

实验结果

研究问题

• RQ1 脊线与谷线细节点的整合是否能显著提升无接触指纹匹配的准确率？
• RQ2 哪些色彩空间变换能最有效地增强无接触指纹图像中脊线-谷线结构？
• RQ3 与传统的仅基于脊线的匹配相比，脊线与谷线特征的协作融合在性能与鲁棒性方面表现如何？
• RQ4 最先进匹配器（NBIS、MCC、COTS）在多大程度上受益于所提出的融合方法？
• RQ5 所提方法在多种无接触指纹数据库与匹配场景中是否始终表现更优？

主要发现

• 所提出的协作方法在所有测试数据库与匹配器上均持续优于当前最先进方法。
• 脊线与谷线细节点的融合显著降低了误匹配率，并提高了真实匹配率，适用于无接触指纹系统。
• 最优色彩空间变换（尤其是HSV与YCrCb）被发现能增强脊线-谷线对比度，提升特征检测的可靠性。
• 该方法优于仅基于脊线的匹配方法与现有融合技术，证明了互补特征利用的价值。
• 在多个基准数据库上均观察到性能提升，证实了该方法的鲁棒性与泛化能力。
• 协作框架在开源匹配器（NBIS、MCC）与商业匹配器（COTS）上均表现出可测量的性能改进。