Extracting Valley-Ridge Lines from Point-Cloud-Based 3D Fingerprint Models
Extracting Valley-Ridge Lines from Point-Cloud-Based 3D Fingerprint Models
复制标题
从基于点云的 3D 指纹模型中提取谷岭线
DOI：
10.1109/mcg.2012.128
复制
发表时间：
2013-07
影响因子：
1.8
通讯作者：
Xie, Wuyuan
中科院分区：
文献类型：
--
作者：
Pang, Xufang;Song, Zhan;Xie, Wuyuan
3D指纹识别是一项新兴的技术，具有非接触式操作的明显优势。更重要的是，3D指纹模型比传统的2D指纹图像包含更多的生物特征信息。然而，目前的指纹特征检测方法通常需要通过展开或其他方法将3D模型转换到2D空间，这可能会带来失真。提出了一种直接从基于点云的三维指纹模型中提取谷脊特征的方法。该算法首先用移动最小二乘法对局部抛物面进行拟合，表示局部点云区域。然后计算局部曲面的曲率和曲率张量，以便于检测潜在的谷点和脊点。该方法使用协方差分析和交叉相关等统计方法，将这些点投影到最可能的谷脊线上。为了最终提取谷脊线，它增长了近似于投影特征点的多段线，并去除了采样点之间的扰动。通过对不同3D指纹模型的实验，验证了该方法的可行性和有效性。
3D fingerprinting is an emerging technology with the distinct advantage of touchless operation. More important, 3D fingerprint models contain more biometric information than traditional 2D fingerprint images. However, current approaches to fingerprint feature detection usually must transform the 3D models to a 2D space through unwrapping or other methods, which might introduce distortions. A new approach directly extracts valley-ridge features from point-cloud-based 3D fingerprint models. It first applies the moving least-squares method to fit a local paraboloid surface and represent the local point cloud area. It then computes the local surface's curvatures and curvature tensors to facilitate detection of the potential valley and ridge points. The approach projects those points to the most likely valley-ridge lines, using statistical means such as covariance analysis and cross correlation. To finally extract the valley-ridge lines, it grows the polylines that approximate the projected feature points and removes the perturbations between the sampled points. Experiments with different 3D fingerprint models demonstrate this approach's feasibility and performance.
登录
查看更多内容
DOI：
10.1109/bcc.2006.4341621
发表时间：
2006-09
期刊：
2006 Biometrics Symposium: Special Session on Research at the Biometric Consortium Conference
影响因子：
--
作者：
Yi Chen;Geppy Parziale;Eva Diaz-Santana;Anil K. Jain
通讯作者：
Yi Chen;Geppy Parziale;Eva Diaz-Santana;Anil K. Jain
影响因子：
1.9
作者：
S. M. Rao
通讯作者：
S. M. Rao
DOI：
10.1117/12.720068
发表时间：
2007-04
期刊：
--
影响因子：
--
作者：
Yongchang Wang;Kai Liu;Q. Hao;D. Lau;L. Hassebrook
通讯作者：
Yongchang Wang;Kai Liu;Q. Hao;D. Lau;L. Hassebrook
DOI：
10.1109/tpami.2006.20
发表时间：
2006-01-01
影响因子：
23.6
作者：
Cappelli, R;Maio, D;Jain, AK
通讯作者：
Jain, AK
DOI：
10.1007/978-3-642-17274-8_4
发表时间：
2010-11
期刊：
14th International Conference on Computer and Information Technology (ICCIT 2011)
影响因子：
--
作者：
Wuyuan Xie;Zhan Song;Xiaoting Zhang
通讯作者：
Wuyuan Xie;Zhan Song;Xiaoting Zhang