基于深度学习与改进Gabor特征融合的FVR

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(Deep Belief 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(Lea Ky Re LU)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。