基于深度学习与改进Gabor特征融合的FVR

• 作者: 何鑫 陈迅
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 指静脉识别 改进伽柏小波 深度学习 修正线性单元 深度信念网络
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 仿真服务化
• 页码范围: 356-361
• 页数: 6页
• 分类号: TP391.41
• 字数: 4450字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2018.11.076

摘要

由于指静脉图像含有大量弯曲纹理特征,针对传统的Gabor滤波器具有多尺度与多方向特征,但在提取图像弯曲纹理信息能力不足,提出了一种基于深度学习与改进Gabor特征融合的指静脉识别算法.首先对传统Gabor滤波器进行改进,使其具有曲率响应能力,然后使用均匀LBP算子进一步处理得到融合特征,最后将融合特征信息输入到深度信念网络(DeepBelief Network,DBN)进行静脉图像识别,实验中针对预训练时间过长,使用修正线性单元变体(LeaKy ReLU)改进RBM,通过实验测试表明,上述算法准确率明显优于其它指静脉识别算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈迅	江苏科技大学电子信息学院	26	120	6.0	9.0
2	何鑫	江苏科技大学电子信息学院	2	7	2.0	2.0