[发明专利]一种基于散射卷积网络的手指静脉特征提取方法

说明书

一种基于散射卷积网络的手指静脉特征提取方法，包括以下步骤：1)采集到手指静脉；2)对采集到的图像做基于最大内切矩阵感兴趣区域提取；3)对获得的ROI图像进行基于散射卷积网络的手指静脉特征提取，过程如下：先得到多分辨率小波函数，然后对ROI图像进行小波变换得到第一层的散射系数，再对第一层的散射结果进行第二次散射，得到第二次的散射系数，最后将每一个散射能量块的能量均值和方差组成图像的特征向量；4)通过支持向量机SVM进行分类。本发明提供一种信息丰富、安全性很高的基于散射卷积网络的手指静脉特征提取方法。

技术领域

本发明涉及接触式生物特征身份识别技术领域，尤其是一种手指静脉识别方法。

背景技术

随着信息技术的高速发展，人们对信息安全的需求越来越高。传统的身份认证方式是基于标识物(钥匙、证件)和基于知识(卡号、密码)的身份认证，但这些身外之物容易被伪造和遗忘。相比于传统的身份认证，生物特征具有唯一性、无需记忆、不易伪造、易于使用等优点，基于生物特征的识别方式在很大程度上解决了传统身份认证存在的问题，并逐渐取代传统身份认证成为当前身份认证的主要方式。手指是人类感知外部世界的重要器官之一，在手指皮肤表皮下面的手指静脉是活体才具有的特性，实践表明，世界上没有2个人的手指静脉是完全相同的。因此基于手指静脉特征识别技术是一种安全性很高的身份识别技术。

发明内容

为了克服已有身份验证方式的安全性较差的不足，本发明提供一种信息丰富、安全性很高的基于散射卷积网络的手指静脉特征提取方法。

本发明解决其技术问题所采用的技术方案是：

一种基于散射卷积网络的手指静脉特征提取方法，所述方法包括以下步骤：

1)采集到掌手指静脉图像；

2)对采集到的图像做基于最大内切矩阵感兴趣区域提取；

3)将处理后的图像基于散射卷积网络的手指静脉特征提取，过程如下：先得到多分辨率小波函数，然后对ROI图像进行小波变换得到第一层的散射系数，再对第一层的散射结果进行第二次散射，得到第二次的散射系数，最后将每一个散射能量块的能量均值和方差组成图像的特征向量；

4)通过支持向量机SVM进行分类。

进一步，所述步骤3)中，通过二进制缩放和旋转带通滤波函数ψ，得到多分辨率小波函数如式(1)：

ψ_λ(x)＝2^2jψ(2^jr^-1x) (1)

式中λ＝2^jr∈Λ＝G×R，j∈R，r∈G，G是R²内一个离散的、有限的旋转组，j确定了ψ(x)的尺度，r确定了ψ(x)的方向；

然后对信号f(x)进行小波变换如式(2)：

W_λf(x)＝f*ψ_λ(x) (2)

因此，小波变换模为式(3)：

U_λf(x)＝|f*ψ_λ(x)| (3)

对于一幅给定的图像f(x)，其原始图像的散射系数为信号的均值，通过与均值滤波器φ_J卷积得到式(4)：

S_0,J(f)＝f*φ_J (4)

对原始图像在不同方向和不同尺度中做小波变换，得到第1层散射系数，然后去除复杂项和取均值得到式(5)：

式中j₁表示尺度，λ₁表示方向；