[发明专利]一种融合局部编码与CNN模型手指静脉识别方法

摘要

一种基于融合局部编码与CNN模型的指静脉图像识别方法。其包括对指静脉图像进行ROI提取；采用基于加权对称局部图结构的编码算子对图像进行特征编码：得到重构后的编码卷积滤波器；建立改进的卷积神经网络模型；对指静脉ROI图像进行特征提取；对待匹配的指静脉ROI图像进行相似性度量等步骤。本发明提供的融合局部编码与CNN模型的指静脉图像识别方法不仅能够在一定程度上解决手指姿态多变的问题，具有良好的匹配效果，而且减少了网络模型可学习的参数数量，降低了学习代价，提高了匹配效率，在两个指静脉数据库上的实验结果均表明本方法具有一定的可行性。

主权项

1.一种基于融合局部编码与CNN模型的指静脉图像识别方法，其特征在于：所述的指静脉图像识别方法包括按顺序进行的下列步骤：1)对所有采集的指静脉图像进行ROI(感兴趣区域)提取而得到指静脉ROI图像，然后将指静脉ROI图像归一化为96*208，由此完成指静脉图像的预处理，得到预处理后的指静脉ROI图像；2)采用基于加权对称局部图结构的编码算子对上述预处理后的指静脉图像进行特征编码，并得到该图像中中心像素点的特征值：3)利用一组预定义的稀疏二进制卷积滤波器、非线性激活函数和线性权重来重构LBP、LGS、WSLGS编码算子而得到三种重构后的编码卷积滤波器；4)建立改进的卷积神经网络模型；5)将步骤3)获得的重构后的编码卷积滤波器与步骤4)获得的CNN模型相结合，对上述预处理后的指静脉ROI图像进行特征提取，得到特征向量；6)根据上述特征向量，采用支持向量机分类器或计算欧氏距离的特征匹配方法对待匹配的指静脉ROI图像进行相似性度量。