(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210695895.X (22)申请日 2022.06.20 (71)申请人 华南理工大 学 地址 510640 广东省广州市天河区五山路 381号 (72)发明人 田联房　钟明通　杜启亮　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 冯炳辉 (51)Int.Cl. G06V 40/14(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/54(2022.01)G06V 10/80(2022.01) (54)发明名称 基于级联超像素分割的指静脉特征融合方 法 (57)摘要 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。 权利要求书3页 说明书5页 附图3页 CN 115188035 A 2022.10.14 CN 115188035 A 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Da； 式中， j为超像素中心点集合里面的一个超像素中心点， gj为超像素中心点的灰度值， a 为图像上的像素点， ga为图像上的像素点灰度值， xj、 yj分别为超像素中心点的横坐标以及 纵坐标， xa、 ya分别为像素点的横坐标及 纵坐标， dgja、 dcja分别代表a与j的灰度差异及位置 差异， Ng、 Nc分别为灰度归一化因子、 位置归一化因子， Dja代表a与j的距离， Da代表a到超像素 中心距离之和； 2.3)选定Da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， 在权　利　要　求　书 1/3 页 2 CN 115188035 A 2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Dja， 如果Dja＜dis(a)， 则label(a)＝j,dis(a)＝Dja； 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， 分别权　利　要　求　书 2/3 页 3 CN 115188035 A 3