模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2014年
9期
835-840
,共6页
指纹匹配%全局置信度%局部结构相似度%谱松弛
指紋匹配%全跼置信度%跼部結構相似度%譜鬆弛
지문필배%전국치신도%국부결구상사도%보송이
FingerprintMatching%GlobalConfidence%LocalStructuralSimilarity%SpectralRelaxation
传统基于细节点的指纹匹配方法通常利用细节点的局部结构相似度来描述一组细节点对之间的匹配程度。提出细节点的全局置信度概念,描述一组细节点对在全局范围内与其他细节点对之间的空间一致性和整体匹配可能性,可看作是对局部相似度的一个有效补充。通过计算点对相容性矩阵的主特征向量,借助谱松弛技术,可得到所有细节点对的全局置信度。结合局部相似度和全局置信度可构造出新的关联矩阵,那些具有较大的局部相似度和较大的全局置信度的候选细节点对被认定是匹配的。该方法较好地利用局部拓扑信息和全局相容信息,对非刚性形变和噪声具有较好的鲁棒性。在FVC2002和FVC2004数据库上的实验结果表明,该方法具有较高的效率和准确性。
傳統基于細節點的指紋匹配方法通常利用細節點的跼部結構相似度來描述一組細節點對之間的匹配程度。提齣細節點的全跼置信度概唸,描述一組細節點對在全跼範圍內與其他細節點對之間的空間一緻性和整體匹配可能性,可看作是對跼部相似度的一箇有效補充。通過計算點對相容性矩陣的主特徵嚮量,藉助譜鬆弛技術,可得到所有細節點對的全跼置信度。結閤跼部相似度和全跼置信度可構造齣新的關聯矩陣,那些具有較大的跼部相似度和較大的全跼置信度的候選細節點對被認定是匹配的。該方法較好地利用跼部拓撲信息和全跼相容信息,對非剛性形變和譟聲具有較好的魯棒性。在FVC2002和FVC2004數據庫上的實驗結果錶明,該方法具有較高的效率和準確性。
전통기우세절점적지문필배방법통상이용세절점적국부결구상사도래묘술일조세절점대지간적필배정도。제출세절점적전국치신도개념,묘술일조세절점대재전국범위내여기타세절점대지간적공간일치성화정체필배가능성,가간작시대국부상사도적일개유효보충。통과계산점대상용성구진적주특정향량,차조보송이기술,가득도소유세절점대적전국치신도。결합국부상사도화전국치신도가구조출신적관련구진,나사구유교대적국부상사도화교대적전국치신도적후선세절점대피인정시필배적。해방법교호지이용국부탁복신식화전국상용신식,대비강성형변화조성구유교호적로봉성。재FVC2002화FVC2004수거고상적실험결과표명,해방법구유교고적효솔화준학성。
The local structural similarity is used in traditional minutia-based fingerprint matching methods to describe the potential associations of each minutia pair. The concept of minutia global confidence is proposed to define the geometric consistency and global matching possibility between one minutia pair and all the other candidate pairs. It can be seen as a supplement to local structural similarity. The global confidence of each minutia pair is acquired by calculating the principal eigenvector of the pairwise compatibility matrix and using spectral relaxation techniques. The correlation matrix can be constructed by using large local structural similarity and large global confidence. Minutia pairs with large local structural similarity and large global confidence are judged to be matched. The proposed approach utilizes the information of local topology and global compatibitity well and has better robustness. The experiments on FVC 2002 and 2004 databases demonstrate its effectiveness and efficiency.