[發明專利]一種指靜脈圖像的深度局部聚合描述子提取方法及系統

有效

• 申請號: 202010050908.9
• 申請日: 2020-01-17
• 公開（公告）號: CN111274915B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 胡永健;文東霞;劉琲貝;王宇飛
• 申請（專利權）人: 華南理工大學;中新國際聯合研究院
• 主分類號: G06V40/12
• 分類號: G06V40/12;G06V10/762;G06V10/82;G06V10/25;G06N3/0455;G06N3/048;G06N3/084
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種指靜脈圖像的深度局部聚合描述子提取方法，其特征在于，包括下述步驟：

構建基礎網絡模塊，用于提取指靜脈圖像的局部特征；

構建VLAD編碼模塊，用于對基礎網絡模塊得到的特征圖進行VLAD編碼；

將多通道特征圖在VLAD編碼模塊中結合聚類中心向量完成VLAD編碼，具體步驟包括：

所述多通道特征圖轉化為w_out×h_out個維度為C_out的描述原始圖像的局部描述子{x_i，i＝1，2，...，w_out×h_out}，并輸入VLAD編碼模塊進行編碼，計算K行C_out列的矩陣V，在(k，j)位置的元素為：

其中，和分別表示第i個描述子x_i的第j個分量、第k個聚類中心c_k的第j個分量，a_k(x_i)表示描述子x_i屬于第k個聚類簇的概率，c_k′表示除第k個聚類中心向量以外的其他聚類中心向量；

將矩陣V展平成一維向量并實行L₂歸一化，得到長度為K×C_out的局部聚合描述子；

設置K個聚類中心向量為網絡的可訓練參數；

輸入指靜脈圖像分批對網絡進行訓練，訓練步驟包括：

對指靜脈圖像進行預處理；

預處理后的指靜脈圖像通過基礎網絡模塊得到多通道特征圖；

將多通道特征圖在VLAD編碼模塊中結合聚類中心向量完成VLAD編碼；

挖掘難分負樣本得到三元組，計算損失函數并反向傳播更新網絡權重系數，直至迭代訓練結束；

采用訓練好的網絡提取待測指靜脈圖像的局部聚合描述子。

2.根據權利要求1所述的指靜脈圖像的深度局部聚合描述子提取方法，其特征在于，所述對指靜脈圖像進行預處理，具體步驟包括：

感興趣區域的提取：提取指靜脈訓練圖像的感興趣區域，通過仿射變換完成手指傾斜校正；

對感興趣區域進行標準化處理，得到最終的指靜脈訓練樣本圖像；

根據感受野和圖像的原始比例調整指靜脈訓練樣本圖像的尺寸。

3.根據權利要求2所述的指靜脈圖像的深度局部聚合描述子提取方法，其特征在于，所述感興趣區域的提取，具體步驟包括：

通過兩個Sobel算子Mask_u,Mask_d分別檢測指靜脈訓練圖像的上下邊緣，通過線性回歸的方法擬合出手指的中線，并計算中線與水平方向所成的角度，通過仿射變換對指靜脈訓練圖像進行旋轉，完成傾斜校正，最后根據手指邊緣截取外切矩形得到感興趣區域，兩個Sobel算子分別表示為：

其中，Mask_u和Mask_d表示兩個延長至3×9的Sobel算子。

4.根據權利要求1所述的指靜脈圖像的深度局部聚合描述子提取方法，其特征在于，所述挖掘難分負樣本得到三元組，具體步驟包括：

選取兩個局部聚合描述子和和的樣本屬于同一類別，構成一對正樣本對；

為每個正樣本對選取一個來自其它類別的負樣本構成三元組負樣本使最小，其中，marg表示設定的閾值參數。

5.根據權利要求4所述的指靜脈圖像的深度局部聚合描述子提取方法，其特征在于，所述計算損失函數并反向傳播更新網絡權重系數，對同批次的三元組計算損失函數的計算公式為：

其中，m表示同批次圖像的類別，n表示每個類別中的樣本個數。