[发明专利]一种手指静脉图像防伪鉴别方法及装置

摘要

本发明提供一种手指静脉图像防伪鉴别方法及系统，该方法包括以下步骤S1采集手指静脉图像以及对采集的图像进行真假标注；S2将标注的真假图像分为训练集、验证集以及测试集，所述训练集中的图像是将标注后的图像进行分块操作后所得；S3DBN模型的构建及训练；S4BP模型的构建及训练；S5提取BP模型中所有隐含层的特征；S6将提取的所有隐含层的特征作为输入图像的多层次特征向量输入SVM模型进行训练，并确定SVM参数；S7幅将每幅图像所有块的真假分数进行融合来计算全局分数，通过全局分数来判断手指静脉图像的真假。本发明能够有效提升手指静脉图像防伪鉴别的精度，改善认证系统的安全性能。

主权项

一种手指静脉图像防伪鉴别方法，其特征在于，包括以下步骤：S1：采集手指静脉图像以及对采集的图像进行真假标注；S2：利用标注的图像分别建立训练集、验证集以及测试集，所述训练集中的图像是将标注的图像进行分块操作后得到的；所述训练集用来训练DBN模型、BP模型和SVM，验证集用于DBN模型、BP模型和SVM的参数的选择，测试集用于检验手指静脉防伪鉴别模型的性能；S3：DBN模型的构建及训练，利用训练集和验证集构建该模型并寻找该模型权重和偏置的最优解，以所述权重和偏置的最优解建立最终的DBN模型；S4：BP模型的构建及训练，将带标签的训练集输入BP模型，利用所述DBN的权重和偏置的最优解对BP模型进行初始化，最终通过训练集和验证集寻找BP模型的最佳滤波器和偏移，以所述最佳滤波器和偏移建立最终的BP模型；S5：将训练集和验证集依次输入最终的BP模型进行特征提取，提取所述最终的BP模型中所有隐含层的特征；S6：将提取的所有隐含层的特征作为输入图像的多层次特征向量输入SVM模型对其进行训练，并确定SVM参数；S7：将测试集中的每幅图像分为与训练集中分块后的图像尺寸大小相同的小块，将测试集中每幅图像分成的小块一一输入最终的BP模型和SVM进行真假分数的计算；将每幅图像所有小块的真假分数进行融合得到全局分数，来判断手指静脉图像的真假；所述DBN模型与BP模型具有相同数量的隐含层。