买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工业大学申请的专利一种基于典型相关分析的指静脉和指节纹双模态识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115909515B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211236520.3，技术领域涉及：G06V40/70；该发明授权一种基于典型相关分析的指静脉和指节纹双模态识别方法是由冯定忠;章毓彬;张烨设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种基于典型相关分析的指静脉和指节纹双模态识别方法在说明书摘要公布了：一种基于典型相关分析的指静脉和指节纹双模态识别方法，包括：对用于训练的指静脉图像和指节纹图像进行Daubechies小波预处理获得指静脉图像和指节纹图像各自的低频图像，采用K‑L变换分别对两组低频图像进行特征提取，进而在两组特征矩阵之间建立描述他们相关性的准则函数，根据准则函数求得两组典型投影矢量集，最后通过给定的特征融合策略融合典型相关特性并在分类识别中应用。本发明的有益效果是：本发明通过降维获得两个模态的特征信息，减小识别计算量，提高识别精度，将更多的类别信息更加充分的引入到准则函数中，既到达信息融合的目的，又有效的消除了特征之间的冗余信息，并且使分类性能得到了较大提升。

本发明授权一种基于典型相关分析的指静脉和指节纹双模态识别方法在权利要求书中公布了：1.一种基于典型相关分析的指静脉和指节纹双模态识别方法，其特征在于，包括如下步骤： S1、对用于训练的指静脉图像和指节纹图像进行预处理，获得低频的指静脉图像和指节纹图像； S2、对预处理后的指静脉低频图像和指节纹低频图像进行基于特征脸方法的特征提取；特征提取的具体过程如下： S21、经db2小波分解之后的低频图像和作为训练集输入，其中，的像素大小为，的像素大小为； S22、将每个和的列相连分别构成=，=维的列向量；得到IX={X1，X2，X3，……，Xi}为形成的指静脉向量集，其中Xi为第i图像的指静脉向量，IY={Y1，Y2，Y3，……，Yi}为形成的指节纹向量集，其中Yi为第i图像的指节纹向量； S23、计算平均指静脉图像和指节纹图像，其中平均图像计算公式如下： ，1 S24、计算每张图像和平均图像的差值和，并获取指静脉和指节纹各自的差值向量集为AX={，，……，}，={，……，}，其中差值计算公式如下： 2 S25、利用K-L变换对指静脉差值向量集和指节纹差值向量集进行特征提取，具体步骤包括以下： S251、构造向量集的协方差矩阵的转置矩阵得到i×i维的i×i维的，具体矩阵计算公式为： 3 S252、分别计算并获取矩阵和的前M个特征值特征向量γx、vx和γy、vy，其中Mi，其所对应的协方差矩阵的特征向量为μx和μy，其中特征向量计算公式为： ，4 S253、用上述计算得到的特征指静脉和特征指节纹对原本指静脉训练集和指节纹训练集进行标示： ，5 其中，和即为所求的指静脉和指节纹的特征信息向量集，且其维度均为M×i，其中i表示指静脉数据集和指节纹数据集所包含的图片数量，M表示两种特征的维度； S3、以指静脉特征矩阵和指节纹特征矩阵为输入矩阵建立典型相关分析的准则函数，并求解得到投影空间和判别型典型相关投影矢量集； S4、运用两种融合策略得到融合特征矢量集；通过以下融合策略得到指静脉和指节纹典型相关特征的融合表示： ，22 S5、根据获得的投影空间，对待识别指静脉图像和指节纹图像进行融合识别；将任一个体的指静脉原始图像L1和指节纹原始图像P1采用S1的方法进行预处理得到低频图像L2和P2，采用S252中得出的特征向量提取出指静脉和指节纹的特征信息，，采用S3得出的映射矩阵α和β得出典型相关特征矢量，，采用S4融合策略即得到相应的融合特征Z1和Z2； 计算Z1到Z1i的欧式距离，Z2到Z2i的欧氏距离，若待识别融合特征距离所有样本的欧式距离d均大于所设定的阈值，则匹配失败，反之匹配成功。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。