基于最小二乘法的传统特征提取方法特征图权值精确技术

本发明公开了基于最小二乘法的传统特征提取方法特征图权值精确技术，包括以下步骤，步骤一、得出指静脉图像的五个指静脉特征图；步骤二、对五个特征图分别赋予一个随机的权值{,X‑1.,X‑2.,X‑3.,X‑4.,X‑5.}.,将这五个特征图乘以各自的权值再逐像素合并为一个新的特征图，步骤三、将新的特征图作为深度学习模型要输入的标签；步骤四、将深度学习模型最终训练的结果评估标准mae的值赋予,Y‑1.，将步骤二、步骤三、步骤四再循环四次，最终得到五组,X‑I.的值，每组内有五个数，每组,X‑I.的和均为1；得到一组,Y‑I.，组内有五个数，分别对应五组,X‑I.作为权值输入到深度学习模型后模型训练的结果评估值；本发明与现有的技术相比的优点在于：本发明可以更加精确地确定每种传统指静脉图像特征提取方法的权重，并结合数学推导对模型参数进行预测，这一方法不仅提高了权重预测的精度，还能够在模型调参过程中显著缩小实验所需的权重区间，进而有效减少实验次数。