改进GCNs在指静脉特征表达中的应用

来源：信号处理杂志 2020年第4期北京时间：

作者：李冉, 苏志刚, 张海刚, 杨金锋

摘要：基于图模型的指静脉全局特征表达方法不仅可以降低成像质量对采集设备的依赖性，还能提高匹配效率。针对于目前指静脉图模型的研究中存在的图结构不稳定，匹配效率随图模型的变大而降低的问题，本文提出了一种基于SLIC(Simple Linear Iterative Clustering)超像素分割算法构建加权图的方法，并改进ChebyNet图卷积神经网络(Graph Convolutional Neural Networks, GCNs)提取加权图的图级(graph-level)特征。针对指静脉样本数普遍较少，而ChebyNet中卷积网络参数量较大容易造成过拟合以及其快速池化层不能自适应地选择节点的问题,本文提出了全局池化结构的改进GCNs模型SCheby-MgPool(Simplified Cheby-Multi gPool)。实验结果表明，本文提出的方法提取的指静脉特征在识别精度，匹配效率上都具有较好的性能。

关键词：指静脉识别, 加权图, 特征表达, 图卷积神经网络