[发明专利]一种基于图模型的手指三模态融合识别方法

权利要求书

1.一种基于图模型的手指三模态融合识别方法，所述的方法包括按顺序进行的下列步骤：

(1)利用Gabor滤波器对原始手指三模态图像进行增强而获得手指三模态增强图像；

(2)建立上述手指三模态增强图像的图模型，获得图特征；

(3)利用串联融合或编码融合方式对上述手指三模态增强图像的图结构特征进行融合，得到综合特征向量；

(4)采用超限学习机算法对上述手指三模态增强图像的综合特征向量进行分类；

其特征在于：在步骤(2)中，所述的建立上述手指三模态增强图像的图模型，获得图特征的具体步骤如下：

1)对上述手指三模态增强图像进行分块处理，以每一图块作为加权图中的一个顶点；

采用滑动窗口的方式，依此遍历整张手指模态增强图像，形成若干个图块；若手指模态增强图像尺寸为M×N，滑动窗口的大小为h×w，以右和下为滑动方向的滑动步长分别为r和d，则图块个数的计算公式如下：

其中，round(·)为求整算子；

2)基于三角剖分算法，根据上述加权图的顶点选取加权图的边集，由此确定出加权图的结构；

采用加权图来表征手指模态增强图像，即只考虑当前顶点与其右、下、右下邻居顶点间的关联关系；

3)基于Steerable滤波器，获取不同图块的方向能量分布特征，计算出加权图中边的权值函数，最后确定出手指三模态增强图像的图特征；

采用的权值函数定义如下：

w(v_i,v_j|e_ij∈E)＝W(v_i)×S(v_i,v_j)

其中，W(v_i)代表顶点v_i所对应的图块特征，S(v_i,v_j)表征相邻顶点v_i,v_j对应的图块特征相似度；

首先，图块特征W(v_i)的计算方法如下：

图块特征W(v_i)的选取一般需要通过实验来确定，这里给出如下两种选取方式：

其中，AAD是平均绝对离差算子，B_i是第i个顶点对应图块的增强结果；

然后，图块特征相似度S(v_i,v_j)的计算方法如下：

将分割的图块与Steerable滤波器卷积，获得图块的方向能量分布特征，通过方向能量分布特征进行顶点相似度计算；所采用的Steerable滤波器以及方向能量分布特征计算公式如下：

OED＝{E(1),E(2),…,E(θ),…,E(360)|I}

其中，f(x,y)为三角函数构成的基础滤波器组，φ_j是Steerable滤波器的方向，N为基础滤波器组f(x,y)的数目，k(θ)是插值函数，θ是Steerable滤波器的方向；E(θ)为方向能量计算公式，即图像I与Steerable滤波器h^θ在某一方向θ上的能量响应，X,Y是Steerable滤波器和图像I的尺寸；将不同方向θ的方向能量组成一个向量，得到方向能量分布特征；

方向能量分布特征能够表示加权图中顶点的特征信息，呈向量形式；基于两个顶点的方向能量分布特征的偏差计算图块特征相似度，公式如下：

其中f_i，f_j分别为图块i,j的方向能量分布特征，L为图块i,j的方向能量分布特征的长度，σ为图块特征相似度的均值；

图特征由邻接矩阵表示，其维数等于顶点个数，元素为相应顶点间边的权值函数。