目錄
《大數據與數據科學專著系列》序
前言
第1章 緒論 1
1.1 人體生物特征及其識別技術 1
1.1.1 人體生物特征.1
1.1.2 人體生物特征自動識別 1
1.1.3 生物特征識別技術的市場發(fā)展趨勢及接受性 3
1.2 指紋識別概述 4
1.2.1 指紋的形成 4
1.2.2 指紋的不變性與唯一性 5
1.2.3 指紋識別技術的歷史 6
1.2.4 自動指紋識別系統的應用場景 8
1.3 本書的結構 13
參考文獻 13
第2章 指紋數據庫和自動指紋識別系統 14
2.1 指紋信息獲取技術 14
2.1.1 光學取像技術 14
2.1.2 非光學取像技術 17
2.1.3 犯罪現場指紋取像技術 18
2.1.4 指紋采集方式 18
2.2 指紋質量評估 21
2.2.1 指紋質量的含義 21
2.2.2 影響指紋質量的因素 22
2.2.3 指紋質量的評價方式 24
2.3 指紋數據庫 28
2.4 自動指紋識別的一般流程 29
2.5 自動指紋識別系統 31
2.5.1 系統簡介 31
2.5.2 大庫容指紋識別系統的系統架構 34
2.6 總結 36
參考文獻 37
第3章 大庫指紋數據的壓縮方法 38
3.1 大庫指紋數據壓縮方法概述 39
3.2 基于非負矩陣分解的指紋數據壓縮方法 41
3.2.1 指紋圖像壓縮 41
3.2.2 圖像壓縮重建的矩陣優(yōu)化模型 43
3.2.3 非負矩陣分解 44
3.2.4 實驗結果 50
3.3 基于矩陣稀疏表示的大庫指紋數據壓縮方法 55
3.3.1 稀疏表示及相關工作.56
3.3.2 稀疏表示模型及求解算法 57
3.3.3 基于稀疏表示的指紋壓縮 59
3.3.4 實驗結果 62
3.3.5 字典的訓練 72
3.3.6 魯棒性驗證 76
3.4 總結 77
參考文獻 78
第4章 指紋數據的再表達方法 82
4.1 指紋數據再表達概述 82
4.1.1 指紋的分割 83
4.1.2 指紋方向場估計 84
4.1.3 指紋增強 87
4.1.4 細節(jié)點的提取 88
4.1.5 奇異點提取 89
4.2 指紋方向場計算的模型和算法 90
4.2.1 指紋方向場估計的全局優(yōu)化模型及其求解 91
4.2.2 一種旋轉不變的指紋方向場表示方法 102
4.2.3 基于SVM的指紋方向場估計 108
4.3 基于方向場的指紋數據切割與增強 113
4.3.1 基于LBP的指紋切割算法 115
4.3.2 基于圓形Gabor濾波器的指紋數據的增強 120
4.4 指紋奇異點提取的模型和算法.128
4.4.1 指紋奇異點提取的零極點模型 128
4.4.2 檢測指紋奇異點的梯度投影方法 145
4.5 基于匹配的指紋局部特征再表達的模型和算法 162
4.5.1 IRMANR算法理論依據 162
4.5.2 基于點集匹配的細節(jié)點提取算法 163
4.5.3 基于IRMANR匹配算法的細節(jié)點提取算法 177
4.5.4 基于匹配的方法提取出的特征的意義 188
4.6 總結 190
參考文獻 190
第5章 大庫指紋數據的快速檢索方法 199
5.1 指紋快速檢索問題 199
5.1.1 并行處理技術 199
5.1.2 指紋比對硬件加速設備 199
5.1.3 高效的指紋檢索算法 200
5.2 圖像檢索技術 200
5.2.1 圖像檢索的種類 201
5.2.2 圖像檢索的特征 201
5.2.3 圖像檢索的規(guī)模 203
5.3 指紋快速比對的幾種方法 206
5.3.1 指紋分類法 206
5.3.2 指紋檢索方法 207
5.4 基于細節(jié)點K-plet局部模式的指紋檢索 208
5.4.1 細節(jié)點K-plet局部模式 209
5.4.2 細節(jié)點森林檢索算法 212
5.4.3 數值實驗 218
5.5 基于緊致二進制細節(jié)點圓柱體編碼的指紋檢索 222
5.5.1 方法動機及背景知識 222
5.5.2 學習緊致二進制細節(jié)點圓柱體編碼 230
5.5.3 多索引哈希的指紋檢索算法 236
5.5.4 數值實驗 239
5.6 總結 249
參考文獻 249
第6章 指紋數據的匹配 253
6.1 指紋數據匹配方法概述 253
6.1.1 對齊算法 253
6.1.2 相似度計算 253
6.1.3 匹配決策 253
6.2 基于細節(jié)點匹配方法 256
6.2.1 局部模式匹配 257
6.2.2 確定“一對一”的點匹配關系 258
6.2.3 去除虛假匹配及整體匹配度評價 259
6.2.4 數值實驗分析 262
6.3 細節(jié)點匹配的二部圖模型和算法 263
6.3.1 二部圖最大權匹配求解算法 263
6.3.2 二部圖用于指紋匹配 265
6.3.3 實驗結果 269
6.4 非細節(jié)點匹配方法 271
6.5 總結.272
參考文獻 272
第7章 指紋數據生成方法 274
7.1 指紋數據生成的意義275
7.2 指紋數據生成方法概述 276
7.3 基于種子生長的指紋方向場生成方法 279
7.3.1 基于種子的指紋方向場生成模型 280
7.3.2 全局模型 284
7.3.3 生成的方向場再調整模型 285
7.3.4 實驗結果 286
7.4 指紋圖像恢復與識別一體化生成方法 297
7.4.1 聯合特征和重構算法的框架 298
7.4.2 實驗驗證與分析 309
7.5 總結 314
參考文獻 315
第8章 大庫指紋處理與識別的深度學習方法概述 318
8.1 深度學習方法及其相關應用介紹 318
8.1.1 深度學習介紹 318
8.1.2 卷積神經網絡概述 319
8.1.3 卷積神經網絡在計算機視覺中的應用 320
8.2 指紋圖像質量評價的深度學習方法 325
8.2.1 分區(qū)域多指標融合的指紋圖像質量評價方法 329
8.2.2 基于視覺感知模型的指紋圖像質量評價算法 336
8.3 指紋數據再表達的深度學習方法 348
8.3.1 基于深度卷積神經網絡的指紋細節(jié)點自動提取算法 348
8.3.2 基于兩階段深度神經網絡的指紋細節(jié)點提取算法 356
8.3.3 基于全卷積神經網絡的奇異點自動提取算法 361
8.3.4 基于注意力機制的全卷積網絡的指紋方向場提取算法 376
8.4 指紋匹配的深度學習方法 384
8.4.1 粗匹配方法——基于卷積神經網絡的指紋紋型分類算法 384
8.4.2 基于深度學習的指紋匹配算法 394
8.5 總結 396
參考文獻 399
《大數據與數據科學專著系列》已出版書目 407