一种基于全局特征和局部细节点特征融合的指纹识别方法技术

本发明专利技术公开了一种基于全局特征和局部细节点特征融合的指纹识别方法

【技术实现步骤摘要】
一种基于全局特征和局部细节点特征融合的指纹识别方法


[0001]本专利技术涉及计算机视觉
，涉及深度学习中的特征提取和融合技术，具体提出一种基于全局特征和局部细节点特征融合的指纹识别方法
。

技术介绍

[0002]随着现代社会信息化程度的不断提高，指纹识别作为一种高效
、
可靠
、
安全的生物识别技术，得到了广泛的应用
。
指纹识别系统的核心在于指纹特征提取和匹配
。
在指纹图像处理中，传统的方法通常采用局部细节点的特征来进行识别
。
然而，仅使用局部细节点的特征可能会受到噪声和失真的影响，导致指纹识别准确率下降
。
[0003]为了提高指纹识别的准确性和鲁棒性，近年来，许多学者提出了采用全局特征和局部细节点特征相结合的方法
。
这种方法可以利用全局特征提取器来提取指纹图像中的全局信息，以及利用局部细节点特征提取器来提取指纹图像中的细节信息，然后将这两种信息进行融合，得到更加丰富
、
准确的指纹特征...

【技术保护点】

【技术特征摘要】
1.
一种基于全局特征和局部细节点特征融合的指纹识别方法，其特征在于包括以下步骤：
(1)
批量的图像输入和预处理：使用
Gabor
滤波算法对批量的指纹图像进行降噪和图像增强处理，再进行裁剪
、
归一化预处理，将预处理后的图像数据集划分为训练集和测试集；
(2)
利用
CvT
模型网络进行特征提取：将预处理后的训练集中的指纹图像输入一个权重共享的编码器网络，得到批量指纹图像的高维特征图，将对应的高维特征图作为对应指纹图像的指纹全局特征；
(3)
使用
CNN
卷积神经网络来获取指纹图像的细节点信息
:
输入为指纹图像的指纹全局特征图，经过多层卷积和池化后，得到一个细节点分数图；
(4)
通过设定阈值对得到的细节点分数图进行细节点筛选，最后获取得到细节点信息；
(5)
执行测试，通过得到的全局特征图和细节点信息，对训练好的学生网络进行图像相似度评估
。2.
根据权利要求1所述的基于全局特征和局部细节点特征融合的指纹识别方法，其特征在于，步骤1中的输入的图像进行预处理和数据增强的步骤具体是：1‑
1.
确定指纹图像数据集并对指纹图像进行预处理，包括裁剪尺寸为
160*160
的中心区域
、
去除背景噪声
、
边缘检测的操作；1‑
2.
对预处理后的指纹图像，分别用实部和虚部滤波核进行卷积操作，得到一组滤波响应图像；1‑
3.
将滤波响应图像进行加权和，得到最终的滤波图像，处理得到滤波的图像用于下一步网络的训练
。3.
根据权利要求1或2所述的基于全局特征和局部细节点特征融合的指纹识别方法，其特征在于，步骤2中得到指纹全局特征图的步骤具体是：2‑1使用批量指纹图像对预训练好的
CvT
模型进行训练；所述的
CvT
模型通过人脸数据集进行预训练；2‑2将
CvT
模型的最后一层输出作为要提取的批量图像的全局特征图，其维度为
512
，并表示为其中
c、h、w
分别表示特征图的通道数
、
高
、
宽
。4.

【专利技术属性】
技术研发人员：李建军，陈威特，叶茵，陈挺，林乃键，闫志峰，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：