Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Casanova, Dalcimar | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/4155115530052195 | - |
Autor(es): dc.contributor | Southier, Luiz Fernando Puttow | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-2420-4094 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6785711491335996 | - |
Autor(es): dc.contributor | Casanova, Dalcimar | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/4155115530052195 | - |
Autor(es): dc.contributor | Florindo, João Batista | - |
Autor(es): dc.contributor | http://orcid.org/0000-0002-0071-0227 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/4462635233301972 | - |
Autor(es): dc.contributor | Delgado, Myriam Regattieri de Biase da Silva | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/4166922845507601 | - |
Autor(es): dc.creator | Koop, Barbara de Oliveira | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:12:26Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:12:26Z | - |
Data de envio: dc.date.issued | 2025-04-23 | - |
Data de envio: dc.date.issued | 2025-04-23 | - |
Data de envio: dc.date.issued | 2025-04-10 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/36624 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1109161 | - |
Descrição: dc.description | Neonatal fingerprint recognition presents unique challenges due to the small size and low ridge definition of infant fingerprints, often requiring specialized acquisition equipment. As an alternative, super-resolution techniques have emerged as a promising solution to enhance fingerprint images captured at lower resolutions. In this study, we investigate whether deep learning–based super-resolution methods can faithfully reconstruct high-resolution fingerprint images from low-resolution inputs, and whether the resulting images exhibit comparable biometric performance to those acquired directly through high-resolution scanners. We evaluate three upscaling strategies—including a pre-trained model, a fine-tuned version tailored to neonatal data, and traditional bicubic interpolation—across multiple scaling factors. Our analysis considers visual similarity, biometric quality scores, and fingerprint matching performance using real high-resolution references as ground truth. The results indicate that super-resolution methods can produce visual and biometric characteristics comparable to those of high-resolution images, particularly at lower scaling factors. Additionally, we discuss potential limitations and raise questions about the reliability of structural fidelity in upscaled images, especially in sensitive biometric applications. | - |
Descrição: dc.description | Conselho Nacional do Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Financiadora de Estudos e Projetos (FINEP) | - |
Descrição: dc.description | O reconhecimento de impressões digitais neonatais apresenta desafios únicos devido ao pequeno tamanho e à baixa definição das cristas presentes nas digitais de recém-nascidos, frequentemente exigindo equipamentos de aquisição especializados. Como alternativa, técnicas de super-resolução surgem como uma solução promissora para aprimorar imagens capturadas em resoluções mais baixas. Neste estudo, investigamos se métodos de super-resolução baseados em aprendizado profundo são capazes de reconstruir com fidelidade imagens de alta resolução a partir de entradas de baixa resolução, e se essas imagens apresentam desempenho biométrico comparável àquelas obtidas diretamente por scanners de alta resolução. Avaliamos três estratégias de ampliação — incluindo um modelo pré-treinado, uma versão ajustada (fine-tuned) com dados neonatais e uma interpolação bicúbica tradicional — em múltiplos fatores de escala. Nossa análise considera a similaridade visual, pontuações de qualidade biométrica e desempenho em reconhecimento de impressões digitais, utilizando imagens reais de alta resolução como referência. Os resultados indicam que os métodos de super-resolução podem gerar características visuais e biométricas comparáveis às das imagens de alta resolução, especialmente em fatores de escala mais baixos. Além disso, discutimos limitações potenciais e levantamos questões sobre a confiabilidade da fidelidade estrutural em imagens reconstruídas, especialmente em aplicações biométricas sensíveis. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Pato Branco | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia Elétrica e de Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | https://creativecommons.org/licenses/by/4.0/ | - |
Palavras-chave: dc.subject | Biometria | - |
Palavras-chave: dc.subject | Recém-nascidos | - |
Palavras-chave: dc.subject | Impressões digitais | - |
Palavras-chave: dc.subject | Biometry | - |
Palavras-chave: dc.subject | Newborn infants | - |
Palavras-chave: dc.subject | Fingerprints | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
Título: dc.title | Super-resolução para biometria de impressões digitais neonatais: um estudo sobre aprimoramento de imagens visando a equivalência com alta resolução | - |
Título: dc.title | Super-resolution for neonate fingerprint biometrics: a study on image enhancement toward high-resolution equivalence | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: