用于指纹图像活体检测的Phase-PCANet

《Journal of Imaging》：Phase-PCANet for Fingerprint Image Liveness Detection

　　

本文提出了一种用于指纹活体检测的新型图像表示方法——Phase-PCANet。Phase-PCANet融合了局部相位特征与全局相位特征。其中，局部相位通过短时傅里叶变换（Short-Time Fourier Transform, STFT）结合奇异值分解（Singular Value Decomposition, SVD）提取，用于捕捉精细的边缘与纹理信息；全局相位通过对整幅图像进行傅里叶变换获得，用于编码整体结构布局。这两类相位分量被分别输入到一个改进的PCANet中，该网络采用双二进制编码，即基于标量的通道内编码与基于向量相似度的通道间编码，从而保留通道内结构及跨通道相关性。在每个相位路径中，来自不同PCA层的多阶段特征被聚合，两条路径生成的深度特征被拼接形成最终的图像表示。在LivDet 2011、2013和2015数据库上的实验验证了所提方法的有效性。

Phase-PCANet：一种联合局部与全局相位特征的指纹活体检测方法

指纹活体检测是模式识别与计算机视觉中的基础任务，旨在区分真实指纹与伪造指纹。特征提取是该过程的核心，因为有效特征不仅能降低分类算法的计算复杂度，