指纹模板加密域匹配算法研究

生物特征加密域匹配是解决生物特征模板安全、保护用户个人隐私的有力技术手段，是实现个体数字身份与物理身份统一的重要保证。本项目以指纹作为生物特征研究特例，提取适合于生物特征加密的指纹特征，并以这些指纹特征为基础，结合模式识别与现代加密技术，研究安全实用的指纹加密域匹配算法，重点解决指纹加密域对准、加密域抗形变匹配以及不同距离测度空间特征表达在加密框架下的融合等难点问题，为身份认证技术提供更加安全、实用、鲁棒的底层指纹加密域匹配算法支持。

随着指纹识别技术的应用越来越广泛，指纹模板的安全问题日益突出。指纹模板加密域匹配是指纹应用进一步推广的重要技术保证。在本项目的资助下，课题组成员对这一问题进行了深入的研究，取得了一系列重要成果。总结起来，包括以下几个方面：1）指纹奇异点在指纹加密域匹配中具有重要作用，能够以最少的信息量完成指纹的全局对准。我们在奇异点检测过程中，提出一种稳定的指纹奇异点检测算法，显著提高奇异点检测的精度；2）在现场指纹增强方面，从反馈的角度出发，研究了匹配中从对应全指纹图像获取反馈信息从而进一步增强现场指纹的特征的算法；3）引入字典学习算法，该算法在现场指纹的增强和分割中都取得了很好的效果；4）掌纹与指纹具有类似的脊线结构，我们根据指纹方面的研究经验，探索了掌纹识别的问题。根据掌纹脊线纹理特征以及细节点局部结构特性，提出了基于细节点由粗到细的现场掌纹匹配算法；5）我们提出一种基于可视密码的生物特征远程认证方法，该方法能够保证在任意份额图像遭破坏时，秘密生物特征图像仍可恢复，同时保证即使部分份额被窃取，也不会泄露秘密生物特征图像的信息。. 在本项目基金资助下，项目组共发表论文4篇，专利3篇，其中在本领域内顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence上发表论文3篇，培养博士研究生4人，硕士研究生4人。项目按照预定计划顺利完成，经费执行情况也较为合理。