摘要
指纹拼接（即将多个指纹图像合并成一个完整指纹的过程）是现代生物识别系统中的关键步骤，但这一过程容易产生错误，从而显著降低图像质量。本文提出了一种基于深度学习的方法来检测和评估指纹图像中的拼接缺陷。该方法采用自监督学习框架，在大规模未标注的指纹数据上训练分割模型，无需人工标注缺陷。该模型能够有效识别拼接错误，并在多种指纹采集方式（非接触式、滚动式和按压式）下实现高精度的分割效果，同时对不同数据源具有较好的适应性。我们还引入了一种拼接缺陷评分机制，用于量化检测到的缺陷严重程度，从而实现大规模指纹图像的自动化评估。由于训练和评估依赖于合成缺陷样本，我们提供了与真实拼接缺陷的定性对比，并详细讨论了这种验证策略的局限性。通过解决此前未被充分研究的无参考指纹硬缺陷检测问题，我们的工作有助于提高基于指纹的生物识别系统的准确性和可靠性。
