一种基于频谱的指纹纹理特征提取方法

技术特征：
1.一种基于频谱的指纹纹理特征提取方法，其特征在于，在卷积神经网络中添加了一个频谱attention模块，包括以下步骤：步骤1、将输入的特征图进行傅里叶变换从时域图转换为频谱图，采用的公式如式(1)所示：在式(1)中，u和v是频率变量，x和y是空间域图像变量；j为虚数单位，f(x,y)为时域图像的空间域的值，m1，n1为时域图像的尺寸大小，f(u,v)为频域图像的频域的值；步骤2、经过傅里叶变换，将频谱图实部和虚部分离成两张特征图；步骤3、两张特征图分别经过卷积核为1*1，3*3，1*1三个卷积层进行网络学习，提取频谱特征，卷积公式如式(2)所示：式(2)中h(m,n)是卷积后的图像的特征值；ω是一个矩形卷积核，ω(s,t)为卷积核ω中s行，t列的值大小；f是卷积前的时域图像的特征值，f(m-s,n-t)为图像f中第m行第n列像素f(m,n)沿横坐标移动距离s、沿纵坐标移动距离t的像素值；步骤4、将通过卷积层的特征图重新合并成频谱图，经过傅里叶反变换回到时域特征图，用到的公式如式(3)：在式(3)中m2，n2为频域图像的尺寸大小；步骤5、将得到的时域图经过softmax得到对应0-1范围上的映射值；步骤6、将映射值与原图相乘进行attention计算；步骤7、将频谱attention模块嵌入不同的网络层，进行计算，得到基于频谱的指纹纹理特征数据。

技术总结
本发明涉及一种基于频谱attention的纹理特征提取方法，利用了纹理图像在频域上的特征，进行深度学习的训练，结合了图像的时域特征和频谱特征，更好地提取了指纹图像的纹理特征。本发明通过添加频谱attention模块帮助卷积神经网络更好地提取指纹的纹理特征，从而提高形变指纹的识别精度。本发明是基于InceptionV3所做的实验，也可适应于其它深度网学习网络。网学习网络。网学习网络。


技术研发人员：冯国瑞 徐超
受保护的技术使用者：上海大学
技术研发日：2022.03.25
技术公布日：2022/7/1