技术特征：
1.基于级联超像素分割的指静脉特征融合方法，其特征在于，包括以下步骤：1)获取指静脉图像，对图像进行边缘检测，拟合中线进而旋转矫正，得到roi区域，对roi区域进行尺寸归一化和灰度归一化得到roi图像；2)在步骤1)得到的roi图像上选取k0个像素点作为初始化的k0个超像素中心；3)根据步骤2)初始化的超像素中心，使用slic算法对roi图像进行迭代超像素分割，得到超像素分割的大尺度的图像块集合p0；4)对步骤3)获取的图像块集合p0中的每一个图像块，选取图像块上k1个像素点作为初始化的k1个超像素中心；5)根据步骤4)初始化的超像素中心，使用slic算法对图像块集合p0中的每一个图像块进行迭代超像素分割，得到超像素分割的中尺度的图像块集合p1；6)对步骤5)获取的图像块集合p1中的每一个图像块，选取图像块上k2个像素点作为初始化的k2个超像素中心；7)根据步骤6)初始化的超像素中心，使用slic算法对图像块集合p1中的每一个图像块进行迭代超像素分割，得到超像素分割的小尺度的图像块集合p2；8)分别对p0、p1、p2中的每一个图像块提取特征，相同集合的特征进行串联，得到集合特征向量，再进行不同集合间的特征向量串联融合，得到指静脉图像的融合特征。2.根据权利要求1所述的基于级联超像素分割的指静脉特征融合方法，其特征在于，在步骤2)中，选取k0个像素点作为初始化的k0个超像素中心，具体步骤如下：2.1)以roi图像左上角点为坐标原点，以水平向右为x轴，以垂直向下为y轴，建立坐标系，随机选定roi图像的一个点为超像素中心点，初始化i＝1；2.2)超像素中心点集合为s，计算图像上的每个像素点a到超像素中心点距离之和d
a
；；；；式中，j为超像素中心点集合里面的一个超像素中心点，g
j
为超像素中心点的灰度值，a为图像上的像素点，g
a
为图像上的像素点灰度值，x
j
、y
j
分别为超像素中心点的横坐标以及纵坐标，x
a
、y
a
分别为像素点的横坐标及纵坐标，dg
ja
、dc
ja
分别代表a与j的灰度差异及位置差异，n
g
、n
c
分别为灰度归一化因子、位置归一化因子，d
ja
代表a与j的距离，d
a
代表a到超像素中心距离之和；2.3)选定d
a
为最大值对应的像素点为新的一个超像素中心点，添加到超像素中心集合s，更新i＝i+1；2.4)重复步骤2.2)到2.3)直至i＝k0。3.根据权利要求2所述的基于级联超像素分割的指静脉特征融合方法，其特征在于，在
步骤3)中，根据初始化的超像素中心，使用slic算法对roi图像进行迭代超像素分割，具体步骤如下：3.1)将区域的每个像素点a的标签label(a)设置为-1，距离dis(a)设置为+∞；3.2)对于每个像素点a，计算像素点到每个超像素中心点的距离d
ja
，如果d
ja
＜dis(a)，则label(a)＝j,dis(a)＝d
ja
；3.3)更新每个超像素中心的坐标，具体公式如下：3.3)更新每个超像素中心的坐标，具体公式如下：式中，n为label(a)＝j像素点的数目；3.4)重复步骤3.2)到3.3)直至达到迭代次数阈值i0，得到大尺度下的超像素分割图像块p0。4.根据权利要求3所述的基于级联超像素分割的指静脉特征融合方法，其特征在于，在步骤4)中，对获取的图像块集合p0中的每一个图像块，初始化k1个超像素中心，具体步骤如下：4.1)对于p0的每一个图像块，随机选定图像块一个像素点为超像素中心点，初始化数目i＝1；4.2)重复步骤2.2)、2.3)直至i＝k1。5.根据权利要求4所述的基于级联超像素分割的指静脉特征融合方法，其特征在于，在步骤5)中，使用slic算法对图像块集合p0中的每一个图像块进行迭代超像素分割，得到超像素分割的中尺度的图像块集合p1，具体步骤如下：5.1)选取p0中的一个图像块，执行步骤3.1)到3.3)直至达到迭代次数阈值i1，得到中尺度下的超像素分割图像块，添加到图像块集合p1；5.2)重复步骤5.1)，直至对p0中的每一个图像块都执行相同操作。6.根据权利要求5所述的基于级联超像素分割的指静脉特征融合方法，其特征在于，在步骤6)中，对获取的图像块集合p1中的每一个图像块，初始化k2个超像素中心，具体步骤如下：6.1)对于p1的每一个图像块，随机选定图像块一个像素点为超像素中心点，初始化数目i＝1；6.2)重复步骤2.2)、2.3)直至i＝k2。7.根据权利要求6所述的基于级联超像素分割的指静脉特征融合方法，其特征在于，在步骤7)中，使用slic算法对图像块集合p1中的每一个图像块进行迭代超像素分割，得到超像素分割的小尺寸的图像块集合p2，具体步骤如下：7.1)对于p1中的一个图像块，执行步骤3.1)到3.3)直至达到迭代次数阈值i2，得到小尺度下的超像素分割图像块，添加到图像块集合p2；7.2)重复步骤7.1)，直至对p1中的每一个图像块都执行相同操作。8.根据权利要求7所述的基于级联超像素分割的指静脉特征融合方法，其特征在于，在步骤8)中，分别对p0、p1、p2中的每一个图像块提取lbp纹理特征和3种不同的标量特征，分别
是平均lbp值、平均灰度值、图像熵，相同集合的特征进行串联，得到集合特征向量，再进行不同集合间的特征向量串联融合，即可得到指静脉图像的融合特征。
技术总结
本发明公开了一种基于级联超像素分割的指静脉特征融合方法，包括：1)获取指静脉图像ROI区域；2)初始化k0个超像素中心；3)对ROI区域进行迭代超像素分割，得到大尺度的图像块集合P0；4)对P0中的每一个图像块，初始化k1个超像素中心；5)对P0中的每一个图像块进行迭代超像素分割，得到中尺度的图像块集合P1；6)对P1中的每一个图像块，初始化k2个超像素中心；7)对P1中的每一个图像块进行迭代超像素分割，得到小尺度的图像块集合P2；8)对P0、P1、P2中的每一个图像块提取特征，相同集合的特征进行串联，得到集合特征向量，再进行不同集合间的特征向量串联融合，得到指静脉图像的融合特征。本发明解决了现有技术单一尺度、超像素中心点初始化不合理导致特征信息表达能力不够强的问题。化不合理导致特征信息表达能力不够强的问题。化不合理导致特征信息表达能力不够强的问题。
技术研发人员：田联房 钟明通 杜启亮
受保护的技术使用者：华南理工大学
技术研发日：2022.06.20
技术公布日：2022/10/13