计算机工程

作者：程俊军, 王明文

单位：西南交通大学数学学院, 四川 成都 610000

关键词：指静脉识别,图像分割算法,图卷积神经网络,交叉熵函数,通道信息交互

基金：国家自然科学基金(62106206)

基于图卷积神经网络(GCNN)的指静脉识别方法不仅可以解决传统指静脉识别方法识别率较低的问题, 还可以解决其计算量大的问题。针对目前指静脉图模型结构不稳定和匹配效率因模型增大而下降的问题, 采用SLIC(Simple Linear Iterative Clustering)超像素分割算法来构建加权图并改变GCNN提取加权图的图级特征。为了有效抓取图数据中的高阶特征并避免过平滑, 建立一种双分支多交互的深度图卷积网络(GCN), 旨在提升节点对高阶特征的掌握能力。首先根据节点特征对图结构进行调整; 然后结合原始和重构后的图结构, 构建了双分支网络架构以充分挖掘高阶特征; 最后设计一种通道信息互动机制, 以促进不同分支间的信息交流, 从而提高特征的多样性。实验结果显示, 在多个标准数据集上进行指静脉识别任务时, 该网络能减少单张图片识别时间, 提高识别效率, 并有效减轻过平滑现象, 相较于单分支的GCN, 在识别精度上平均取得了超过1.5百分点的性能提升。

来源：2026年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第3期