申请/专利权人:南京邮电大学
申请日:2023-10-26
公开(公告)日:2024-01-02
公开(公告)号:CN117333953A
主分类号:G06V40/40
分类号:G06V40/40;G06V40/14;G06V10/46;G06V10/54;G06V10/80;G06V10/764
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.01.19#实质审查的生效;2024.01.02#公开
摘要:本发明属于图像识别技术领域,具体公开了一种基于分数加权融合的指静脉仿冒检测模型及方法,所述模型的训练步骤包括:伪造图像在打印或二次采集后会产生额外的噪声信息,因此采用双边滤波去噪算法和均值滤波去噪算法提取出伪造图像和真实图像的噪声特征,然后采用基于局部二值模式LBP提取的两类噪声特征和原始纹理特征,最后使用支持向量机SVM对提取的两类噪声特征和原始纹理特征分别进行分类,再将分类结果进行分数加权融合,就能得到最终的分类结果模型,然后采用分类结果模型对待识别图像进行识别。
主权项:1.一种基于分数加权融合的指静脉仿冒检测模型,其特征在于,所述检测模型是通过如下步骤训练获得:使用红外采集设备采集真实手指静脉图像作为真实数据集,伪造指静脉模型,再使用采集设备进行二次采集得到伪造指静脉图像构成伪造数据集,所述真实数据集和伪造数据集合并后作为真伪数据集,最后将真伪数据集划分为训练集和验证集,并根据真伪打上标签;对真伪数据集中的每个原始图像I均进行三次特征提取,第一次特征提取为对原始图像I进行LBP特征提取得到图像的原始纹理特征F1;第二次特征提取为采用双边滤波算法对原始图像I进行去噪得到第一去噪图像I1、再将I与I1做差得到第一噪声图像N1、并对N1进行LBP特征提取得到第一噪声特征F2;第三次特征提取为采用均值滤波算法对原始图像I进行去噪得到第二去噪图像I2、再将I与I2做差得到第二噪声图像N2、并对N2进行LBP特征提取得到第二噪声特征F3;将训练集中的每一张原始图像I经过三次特征提取后获得的原始纹理特征F1、第一噪声特征F2、第二噪声特征F3分别输入支持向量机进行训练,得到三个预训练SVM模型,再将验证集中的每一张原始图像I的经过三次特征提取后获得的原始纹理特征F1、第一噪声特征F2、第二噪声特征F3分别输入对应的预训练SVM模型,得到三个分类结果R1、R2和R3;通过对三个分类结果加权,通过穷举算法求得最佳分类权重,得到分数加权融合模型即基于分数加权融合的指静脉仿冒检测模型。
全文数据:
权利要求:
百度查询: 南京邮电大学 一种基于分数加权融合的指静脉仿冒检测模型及方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。