新生儿指纹识别：迈向可靠的超分辨率等效性

《IEEE Transactions on Technology and Society》：Newborn Fingerprint Recognition: Toward Reliable Super-Resolution Equivalences

　　基于指纹的生物识别技术是一项成熟的人员识别技术。然而，新生儿指纹识别面临着巨大挑战，因为其纹线结构微小且发育不完全。获取这些精细特征需要使用高分辨率（HR）扫描仪，而高分辨率扫描仪成本高昂，可能限制了大规模应用。一种潜在的替代方案是应用超分辨率（SR）技术来增强标准分辨率扫描仪采集的图像。在此意义上，一个关键问题是揭示超分辨率图像是否真正且线性地复制了真实高分辨率采集图像的质量与生物识别效用，从而衡量对高分辨率扫描仪的依赖程度。本研究利用基于深度学习的超分辨率技术对标准分辨率指纹进行计算增强，旨在探索这些重建图像在多大程度上能模拟真实高分辨率采集图像。通过评估三种上采样策略（预训练残差密集网络、针对新生儿数据进行微调的版本以及传统的双三次插值）在多个缩放因子（2×、3×、4× 和 6×）下的表现，我们的方法以5000ppi的真实高分辨率参考图像作为基准，对相似度、质量和匹配性能等指标进行了评估。结果表明，使用模拟低分辨率数据时，超分辨率技术在较低缩放因子下能够实现对高分辨率图像近乎等效的生物识别性能。在严格阈值（FAR = 0.1%）条件下，对于2×缩放因子，所有方法的性能差距均保持在0.6个百分点以内。这些发现突出了超分辨率技术在新生儿身份识别实际部署场景中的潜力与局限性。