CRM-NAS：一种基于结构适应性和注意力机制的指纹重建方法，用于处理噪声干扰的OCT数据

《IEEE Transactions on Information Forensics and Security》：CRM-NAS: A Structure-adaptive and Attention-based Approach for Fingerprint Reconstruction from Noisy OCT Data

　　指纹识别系统受限于外部指纹（EF）质量，尤其损坏或变形时性能受限。本文提出基于神经架构搜索（NAS）的OCT指纹内部轮廓回归网络CRM-NAS，通过自适应优化内部特征提取模块和注意力机制的多尺度回归，有效克服OCT图像 speckle噪声干扰，提升指纹重建及验证精度，同时保持参数量相对较小。

　　

摘要：

作为重要的生物特征，指纹已被广泛应用于各种安全领域。然而，传统的自动指纹识别系统（AFIS）的性能受到外部指纹（EF）质量的限制，尤其是在指纹受损或变形的情况下。利用光学相干断层扫描（OCT）获取的内部指纹（IF）来克服这些限制被认为是一种有前景的方法。内部指纹能够弥补和恢复退化外部指纹中缺失的纹路特征，从而提高AFIS的整体识别准确性。然而，OCT图像中的散斑噪声严重限制了内部指纹的重建，使得准确提取手指组织轮廓变得复杂且计算量大。为了提高OCT指纹技术的适用性，本文提出了一种基于神经架构搜索（NAS）的OCT指尖内部轮廓回归网络，称为CRM-NAS。CRM-NAS采用基于NAS的内部特征提取模块（NAS-IEM），根据带有噪声的OCT指尖数据自适应优化网络结构和复杂性，从而有效捕捉全局内部轮廓特征。此外，引入了一种基于注意力机制的轮廓回归模块（Att-CRM），该模块利用从不同网络层提取的多尺度中间特征来细化局部轮廓细节，并生成连续且准确的内部轮廓。实验结果表明，CRM-NAS在轮廓提取准确性、指纹重建质量和验证性能方面均优于现有方法，同时保持了相对较小的参数规模。