奇异点字典模型：指纹方向场去噪与潜指纹增强新方法

"基于奇异点的字典模型指纹方向场去噪方法" 指纹识别技术是生物特征识别领域中的重要组成部分，而方向场估计是这一过程的关键步骤。传统的指纹方向场估计方法，如基于梯度的方法，常常在处理含有噪声的潜指纹图像时遇到困难，容易受到噪声的干扰，导致方向场估计的不准确。另一方面，尽管近年来提出的基于字典模型的方法在一定程度上提高了方向场的估计精度，但它们仍然无法有效解决真词错误的问题，即在字典学习和重构过程中可能会引入错误的方向信息。 为了解决这些问题，该研究提出了一种结合零极点模型的字典模型指纹方向场去噪新方法。这种方法将指纹方向场视为由零极点控制的方向场和经过平滑的残差方向场的叠加。首先，利用零极点模型生成正确控制方向场的零极点分布，这有助于捕捉指纹的局部特征，特别是奇异点（纹线的交叉点或分叉点）的信息。然后，应用字典模型对残差方向场进行修正，以去除噪声和提高平滑部分的方向精度。最后，将两个方向场融合，生成一个更准确的重建方向场，有效避免了真词错误。 基于奇异点的字典模型在这里起到了关键作用，它能够更好地识别和处理奇异点，从而提高了方向场的估计质量。为了证明算法的有效性，研究者在NIST SD27潜指纹图像数据库上进行了实验。实验结果显示，对于潜指纹图像，该算法相比于单纯的字典模型，能够提供更精确的方向场估计，进而改善指纹图像的增强效果，并在后续的匹配实验中展现出更好的匹配性能。 该研究工作由国家自然科学基金资助，由王成钢、赵启军和吴志红等人共同完成。他们分别在机器学习、模式识别和数字图像处理等领域有着深入的研究。该论文的发表，为指纹识别技术的进步提供了新的理论基础和技术手段，特别是在应对噪声和处理潜指纹图像方面，具有重要的实用价值和学术意义。