基于VGG16和遷移學習的高分辨率掌紋圖像識別

吳碧巧，邢永鑫，王天一

(貴州大學 大數據與信息工程學院，貴陽550025)

0 引 言

掌紋作為一種重要的生物特征，和指紋一樣，可用于身份驗證、身份識別、公共安全等多個領域。低分辨率掌紋圖像的分辨率介于75～150 dpi之間，以照相機、攝像機等采集為主［1］，多為非接觸式采集的掌紋圖像，其研究成果相對較多［2-4］。高分辨率掌紋圖像的分辨率在300 dpi以上，采用掃描儀掃描掌紋，屬于接觸式采集的掌紋圖像。高分辨率掌紋圖像由于其分辨率高，所以尺寸會較大，對其進行處理的計算成本也更高，但細節特征點很多［5］，包含豐富的信息，在公安刑偵領域和法律層面都具有重要的應用。在犯罪現場不僅會留下指紋，還會留下殘缺或完整的掌紋信息［6］。

目前，對高分辨率掌紋圖像的識別主要采用對掌紋輪廓、掌紋主線、褶皺線、細節特征點、三角點等特征點進行特征提取、匹配的方法。Jain等人［7］以細節為特征，用固定長度的細節描述符，捕獲每個細節周圍的獨特信息。基于對齊的匹配算法用于匹配掌紋，對實時掃描手掌圖樣和潛在掌紋的識別率分別為78.7%和69%。Feng等人［8］提出了掌紋表示的Gabor幅相模型，將Adaboost算法引入模型訓練中，將所選弱分類器的加權線性組合的響應值用于細節可靠性測量和不可靠的去除。Fei等人［9］提出了圓邊界一致性，使用加長的Gabor濾波器設計來獲取更可靠的細節特征點。Liu等人［10］對掌紋匹配設計了基于細節簇和細節匹配傳播的粗略匹配策略，識別準確度為79.4%。由于受到3條主線和噪聲的強烈影響以及圖像采集時的不規范行為，高分辨率掌紋圖像的部分區域圖像質量較差，傳統的掌紋識別方法在方法設計上復雜，識別時間長且識別效果不理想。……