CCF广东工业大学学生分会举办 “复杂场景下弱约束异质掌纹认证技术研究”学术讲座

CCF广东工业大学学生分会于2025年12月30日（星期二）下午成功举办了第111期学术讲座。本场讲座由广东工业大学计算机学院费伦科教授担任主讲人，主题为“复杂场景下弱约束异质掌纹认证技术研究”。费伦科教授为CCF/CSIG/IEEE高级会员，研究方向主要包括模式识别、计算机视觉和可信生物特征识别等，获国际/国内学术会议最佳论文/最佳学生论文奖4次，2021-2025年连续入选斯坦福大学发布的“全球前2%顶尖科学家”榜单。

在此次讲座中，费教授结合掌纹识别“非侵扰、便捷、用户接受度高”等特点，围绕真实应用落地需求展开介绍，并以Amazon One、WePalm等“刷手支付”系统为例，说明掌纹认证在身份核验、支付与通行等场景中的应用潜力。同时，报告从复杂环境下采集难题出发，指出弱约束条件下掌纹图像常面临背景干扰、光照变化、姿态与尺度差异、遮挡与模糊等退化因素，这些因素将显著影响掌纹纹理细节呈现与后续匹配性能。

接着，费教授系统梳理了掌纹识别的发展脉络与技术版图，回顾了高分辨率掌纹识别、接触式低分辨率掌纹识别、非接触式掌纹识别、三维掌纹识别、多光谱掌纹识别以及面向开放环境的无/弱约束掌纹识别等方向的演进趋势。通过对不同采集范式与典型流程的对比，报告指出：随着采集设备多样化与应用环境开放化，掌纹认证正从“受控采集”逐步走向“复杂场景下的鲁棒识别”。

随后，报告重点聚焦“弱约束异质掌纹认证”研究。围绕掌纹图像采集、预处理与ROI定位、特征表征与匹配识别等关键环节，费教授介绍了团队在弱约束掌纹图像采集与数据库建设方面的实践思路，涵盖室内/室外、多设备与多姿态等设置，以提升数据覆盖复杂分布的能力。在此基础上，报告进一步分享了弱约束条件下面向全局ROI的表示与识别策略，并介绍“身份可溯掌纹图像生成”相关研究，通过在保持身份一致性的前提下实现外观风格变化，为训练与评测提供更丰富的样本支撑。

在掌纹图像增强方面，费教授介绍了面向低质量掌纹的图像超分与去噪两条技术路线：一方面，通过构建融合注意力机制的掌纹超分网络，对低分辨率掌纹的纹理细节进行重建，以改善细纹与主纹信息；另一方面，提出PalmMamba掌纹图像去噪模型，在抑制噪声的同时更好保持结构纹理，从而提升后续匹配识别的稳定性与可靠性。

然后，在跨光谱掌纹识别方面，报告围绕不同光谱成像条件下的分布差异与特征偏移问题，介绍了通过学习谱不变表示来实现稳定匹配的思路，并讨论了在复杂场景下提升跨设备、跨光谱泛化能力的关键问题。最后，费教授对掌纹识别技术未来在开放场景应用中的鲁棒性、可信性与工程化落地方向进行了展望。

本次讲座内容聚焦热点，费教授从应用场景出发将弱约束异质掌纹认证的关键问题讲清讲透，并结合团队在数据采集、图像增强与跨光谱识别等方面的研究进展，展示了该方向的技术路径与可落地性。现场师生围绕复杂场景下的ROI稳定性、模型泛化能力及工程应用等展开交流讨论，进一步加深了对掌纹认证前沿问题与发展趋势的理解，讲座在热烈的互动氛围中圆满结束。

内容编辑：符子昊

素材拍摄：肖家伟

内容审核：李仁亮