[发明专利]一种指静脉图像的深度局部聚合描述子提取方法及系统

权利要求书

1.一种指静脉图像的深度局部聚合描述子提取方法，其特征在于，包括下述步骤：

构建基础网络模块，用于提取指静脉图像的局部特征；

构建VLAD编码模块，用于对基础网络模块得到的特征图进行VLAD编码；

将多通道特征图在VLAD编码模块中结合聚类中心向量完成VLAD编码，具体步骤包括：

所述多通道特征图转化为w_out×h_out个维度为C_out的描述原始图像的局部描述子{x_i，i＝1，2，...，w_out×h_out}，并输入VLAD编码模块进行编码，计算K行C_out列的矩阵V，在(k，j)位置的元素为：

其中，和分别表示第i个描述子x_i的第j个分量、第k个聚类中心c_k的第j个分量，a_k(x_i)表示描述子x_i属于第k个聚类簇的概率，c_k′表示除第k个聚类中心向量以外的其他聚类中心向量；

将矩阵V展平成一维向量并实行L₂归一化，得到长度为K×C_out的局部聚合描述子；

设置K个聚类中心向量为网络的可训练参数；

输入指静脉图像分批对网络进行训练，训练步骤包括：

对指静脉图像进行预处理；

预处理后的指静脉图像通过基础网络模块得到多通道特征图；

将多通道特征图在VLAD编码模块中结合聚类中心向量完成VLAD编码；

挖掘难分负样本得到三元组，计算损失函数并反向传播更新网络权重系数，直至迭代训练结束；

采用训练好的网络提取待测指静脉图像的局部聚合描述子。

2.根据权利要求1所述的指静脉图像的深度局部聚合描述子提取方法，其特征在于，所述对指静脉图像进行预处理，具体步骤包括：

感兴趣区域的提取：提取指静脉训练图像的感兴趣区域，通过仿射变换完成手指倾斜校正；

对感兴趣区域进行标准化处理，得到最终的指静脉训练样本图像；

根据感受野和图像的原始比例调整指静脉训练样本图像的尺寸。

3.根据权利要求2所述的指静脉图像的深度局部聚合描述子提取方法，其特征在于，所述感兴趣区域的提取，具体步骤包括：

通过两个Sobel算子Mask_u,Mask_d分别检测指静脉训练图像的上下边缘，通过线性回归的方法拟合出手指的中线，并计算中线与水平方向所成的角度，通过仿射变换对指静脉训练图像进行旋转，完成倾斜校正，最后根据手指边缘截取外切矩形得到感兴趣区域，两个Sobel算子分别表示为：

其中，Mask_u和Mask_d表示两个延长至3×9的Sobel算子。

4.根据权利要求1所述的指静脉图像的深度局部聚合描述子提取方法，其特征在于，所述挖掘难分负样本得到三元组，具体步骤包括：

选取两个局部聚合描述子和和的样本属于同一类别，构成一对正样本对；

为每个正样本对选取一个来自其它类别的负样本构成三元组负样本使最小，其中，marg表示设定的阈值参数。

5.根据权利要求4所述的指静脉图像的深度局部聚合描述子提取方法，其特征在于，所述计算损失函数并反向传播更新网络权重系数，对同批次的三元组计算损失函数的计算公式为：

其中，m表示同批次图像的类别，n表示每个类别中的样本个数。