【技术实现步骤摘要】
一种指静脉图像的深度局部聚合描述子提取方法及系统
本专利技术涉及手指静脉特征提取
，具体涉及一种指静脉图像的深度局部聚合描述子提取方法及系统。
技术介绍
指静脉识别技术是新一代生物识别技术，相比于传统的生物识别技术，指静脉识别具有非接触式采集、活体检测、设备成本低等优点。指静脉识别通过红外线CCD摄像头获取手指图像，并通过提取指静脉相关特征用于身份认证和识别。采集到的指静脉图像往往具有噪声干扰，如何提取指静脉图像的鲁棒特征是指静脉识别技术中的一个研究重点，传统的特征描述子如LBP(LocalBinaryPattern)、LDC(LocalDirectionalCode)等的表示能力受图像质量影响较大，保留了空间信息的特征图则需要复杂的模板匹配进行识别。近年来，针对指静脉识别技术提出了多种基于深度学习的解决方案，针对指静脉验证问题，基于图像分割的思想对指静脉图像做像素级分类，该方法分类速度较慢，难以适用于实际使用场景，并且基于卷积网络的方法使用现有的图像分类模型，模型体积较大。此外，所提取的特征对于手指姿势较敏感...
【技术保护点】
1.一种指静脉图像的深度局部聚合描述子提取方法，其特征在于，包括下述步骤：/n构建基础网络模块，用于提取指静脉图像的局部特征；/n构建VLAD编码模块，用于对基础网络模块得到的特征图进行VLAD编码；/n设置K个聚类中心向量为网络的可训练参数；/n输入指静脉图像分批对网络进行训练，训练步骤包括：/n对指静脉图像进行预处理；/n预处理后的指静脉图像通过基础网络模块得到多通道特征图；/n将多通道特征图在VLAD编码模块中结合聚类中心向量完成VLAD编码；/n挖掘难分负样本得到三元组，计算损失函数并反向传播更新网络权重系数，直至迭代训练结束；/n采用训练好的网络提取待测指静脉图像...
【技术特征摘要】
1.一种指静脉图像的深度局部聚合描述子提取方法，其特征在于，包括下述步骤：
构建基础网络模块，用于提取指静脉图像的局部特征；
构建VLAD编码模块，用于对基础网络模块得到的特征图进行VLAD编码；
设置K个聚类中心向量为网络的可训练参数；
输入指静脉图像分批对网络进行训练，训练步骤包括：
对指静脉图像进行预处理；
预处理后的指静脉图像通过基础网络模块得到多通道特征图；
将多通道特征图在VLAD编码模块中结合聚类中心向量完成VLAD编码；
挖掘难分负样本得到三元组，计算损失函数并反向传播更新网络权重系数，直至迭代训练结束；
采用训练好的网络提取待测指静脉图像的局部聚合描述子。
2.根据权利要求1所述的指静脉图像的深度局部聚合描述子提取方法，其特征在于，所述对指静脉图像进行预处理，具体步骤包括：
感兴趣区域的提取：提取指静脉训练图像的感兴趣区域，通过仿射变换完成手指倾斜校正；
对感兴趣区域进行标准化处理，得到最终的指静脉训练样本图像；
根据感受野和图像的原始比例调整指静脉训练样本图像的尺寸。
3.根据权利要求2所述的指静脉图像的深度局部聚合描述子提取方法，其特征在于，所述感兴趣区域的提取，具体步骤包括：
通过两个Sobel算子Masku,Maskd分别检测指静脉训练图像的上下边缘，通过线性回归的方法拟合出手指的中线，并计算中线与水平方向所成的角度，通过仿射变换对指静脉训练图像进行旋转，完成倾斜校正，最后根据手指边缘截取外切矩形得到感兴趣区域，两个Sobel算子分别表示为：
其中，Masku和Maskd表示两个延长至3×9的Sobel算子。
4.根据权利要求1所述的指静脉图像的深度局部聚合描述子提取方法，其特征在于，所述将多通道特征图在VLAD编码模块中结合聚类中心向量完成VLAD编码，具体步骤包括：
所述多通道特征图转化为wout×hout个维度为Cout的描述原始图像的局部描述子{xi，i＝1，2，...，wout×hout}，并输入VLAD编码模块进行编码，计算K行Cout列的矩阵V，在(k，j)位置的元素为：
其中，和分别表示第i个描述子xi的第j个分量、第k个聚类中心ck的第j个分量，ak(xi)表示描述子xi属于第k个聚类簇的概率，ck′表示除第k个聚类中心向量以外的其他聚类中心向量；
将矩阵V展平成一维向量并实行L2归一化，得到长度为K×Cout的局部聚合描述子。
5.根据权利要求1所述的指静脉图像的深度局部聚合描述子提取方法，其特征在于，所述挖掘难分负样本...
【专利技术属性】
技术研发人员：胡永健，文东霞，刘琲贝，王宇飞，
申请(专利权)人：华南理工大学，中新国际联合研究院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。