一种基于频谱的指纹纹理特征提取方法技术

本发明专利技术涉及一种基于频谱attention的纹理特征提取方法，利用了纹理图像在频域上的特征，进行深度学习的训练，结合了图像的时域特征和频谱特征，更好地提取了指纹图像的纹理特征。本发明专利技术通过添加频谱attention模块帮助卷积神经网络更好地提取指纹的纹理特征，从而提高形变指纹的识别精度。本发明专利技术是基于InceptionV3所做的实验，也可适应于其它深度网学习网络。网学习网络。网学习网络。

【技术实现步骤摘要】
一种基于频谱的指纹纹理特征提取方法


[0001]本专利技术是一种神经网络改进方法，具体是一种基于频谱的指纹纹理特征提取方法，在特征提取过程中引入了图像的频谱特征，提高特征提取的效果。

技术介绍

[0002]指纹识别已广泛应用于日常生活的很多领域。一些犯罪分子为了避免被识别到，通过切割、移植、燃烧等方式改变指纹的脊状结构，由此产生的指纹称为形变指纹。他们就以形变指纹干扰识别系统，逃避检查。
[0003]指纹图像具有很好的纹理性，用深度学习的方法可以很好的提取指纹图像的特征，并加以识别。
[0004]指纹图像的频谱图也有明显特征，高频和低频比较明显，在频谱图上呈现圆环状态。普通的深度学习网络并不会针对指纹的这种频谱纹理特征进行学习。

技术实现思路

[0005]为了解决现有技术问题，本专利技术的目的在于克服已有技术存在的不足，提供一种基于频谱的指纹纹理特征提取方法，通过添加的频谱attention模块帮助卷积神经网络更好地提取指纹的纹理特征，提高形变指纹的识别精度。本专利技术为了利用这种频谱上的特征，在深度学习的方法上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于频谱的指纹纹理特征提取方法，其特征在于，在卷积神经网络中添加了一个频谱attention模块，包括以下步骤：步骤1、将输入的特征图进行傅里叶变换从时域图转换为频谱图，采用的公式如式(1)所示：在式(1)中，u和v是频率变量，x和y是空间域图像变量；j为虚数单位，f(x,y)为时域图像的空间域的值，M1，N1为时域图像的尺寸大小，F(u,v)为频域图像的频域的值；步骤2、经过傅里叶变换，将频谱图实部和虚部分离成两张特征图；步骤3、两张特征图分别经过卷积核为1*1，3*3，1*1三个卷积层进行网络学习，提取频谱特征，卷积公式如式(2)所示：式(2)中H(m,n)是卷积后的图像的特征值；ω是一个矩形卷积核，ω(s,t...

【专利技术属性】
技术研发人员：冯国瑞，徐超，
申请(专利权)人：上海大学，
类型：发明
国别省市：