本发明专利技术公开了一种指纹图像增强二值化方法，将获取的指纹图像输入至预训练的增强二值化模型，增强二值化模型为对指纹样本图像集以及对应的目标二值化图像数据集训练得到的全卷积神经网络，全卷积网络可以实现对图像像素级别的分析，通过全卷积神经网络中下采样单元通过下采样提取指纹图像的纹理局部特征，上采样单元通过上采样对纹理局部特征区域进行特征统计以及细节重建，可以生成指纹二值化灰度图像。通过全卷积神经网络对指纹纹理特征进行检测定位，可以兼顾多种单一滤波、二值化算法的优点，具有更好的抗干扰能力和鲁棒性，可以实现精确检测定位。本发明专利技术还公开了一种指纹图像增强二值化装置、设备、系统及一种可读存储介质，具有上述有益效果。
【技术实现步骤摘要】
指纹图像增强二值化方法、装置、设备、系统及存储介质
本专利技术涉及生物识别领域，特别涉及一种指纹图像增强二值化方法、装置、设备、系统及一种可读存储介质。
技术介绍
近年来，基于指纹识别为基础的生物识别技术应用越来越广泛，包括指纹门禁、指纹解锁等，优良的指纹识别与匹配算法对于信息的安全与认证十分重要。指纹图像增强与二值化过程是指纹识别和匹配算法中非常重要的一个步骤，也是常规指纹识别算法中正确提取指纹细节特征的基础。目前，指纹图像增强二值化方法通常先进行滤波，再进行二值化。其中，滤波通常采用空域平滑滤波以及方向滤波。空域平滑滤波可以对清晰度较好的指纹图像滤波效果较好，能有效滤除高频噪声，但对图像质量不太好的指纹图像会使指纹纹路特征更加不清晰；方向滤波方法虽然能够较好地保留或增强指纹图像纹路特征，但对图像中高频噪声抑制效果不好。二值化过程目前通常采用全局阀值二值化以及自适应阀值二值化方法。全局阀值二值化方法对于指纹图像灰度直方图有明显双峰效果的图像分割效果较好，但对没有双峰的质差图像，应用效果并不是很好；自适应阀值二值化在指纹所在的图像区域具有很好的二值化效果，对于不存在指纹图像的背景区域，容易将部分背景点当作前景点，背景区域二值化效果较差。因此，如何对指纹纹理进行精确检测定位，提高抗干扰能力以及鲁棒性，是本领域技术人员需要解决的技术问题。
技术实现思路
本专利技术的目的是提供一种指纹图像增强二值化方法，该方法通过全卷积神经网络对指纹纹理特征进行检测定位，精确度较高，抗干扰能力以及鲁棒性强；本专利技术的另一目的是提供一种指纹图像增强二值化装置、设备、系统及一种可读存储介质，具有上述有益效果。本专利技术提供一种指纹图像增强二值化方法，包括：接收采集得到的指纹图像；将所述指纹图像输入至预训练的增强二值化模型；其中，所述增强二值化模型为对指纹样本图像集以及对应的目标二值化图像数据集基于卷积神经网络训练得到的全卷积神经网络；通过所述增强二值化模型中下采样单元提取所述指纹图像的纹理局部特征；通过所述增强二值化模型中上采样单元对所述纹理局部特征区域进行特征统计以及细节重建，生成指纹二值化灰度图像。优选地，所述指纹样本图像集的获取方法包括：获取预先采集的指纹图像作为源图像；对所述源图像进行数据增强，得到指纹样本图像集；其中，所述数据增强包括：添加随机噪声、划痕、褶皱、图像模糊化以及随机调节图像明暗。优选地，所述增强二值化模型的结构具体为：五层下采样单元串行后与五层串行的上采样单元连接。优选地，所述目标二值化图像数据集的筛选方法包括：获取指纹样本图像以及对应的若干二值化图像；剔除所述二值化图像中不含指纹图像区域的前景图像；对剩余图像进行清晰度筛选，将清晰度最高的图像作为目标二值化图像数据，得到各指纹样本图像对应的目标二值化图像数据集。优选地，所述增强二值化模型的结构设置方法包括：获取检测任务类型以及检测目标类型；根据所述检测任务类型以及所述检测目标类型对基础网络结构进行对应调整，得到原始增强二值化模型。优选地，所述指纹图像增强二值化方法还包括：对所述指纹图像进行预处理；其中，所述预处理包括：数字化、几何变换、归一化、平滑、复原；则将所述指纹图像输入至预训练的增强二值化模型具体为：将预处理后的指纹图像输入至预训练的增强二值化模型。本专利技术公开一种指纹图像增强二值化装置，包括：图像接收单元，用于接收采集得到的指纹图像；图像输入单元，用于将所述指纹图像输入至预训练的增强二值化模型；其中，所述增强二值化模型为对指纹样本图像集以及对应的目标二值化图像数据集基于卷积神经网络训练得到的全卷积神经网络；纹理特征提取单元，用于通过所述增强二值化模型中下采样单元提取所述指纹图像的纹理局部特征；纹理特征重建单元，用于通过所述增强二值化模型中上采样单元对所述纹理局部特征区域进行特征统计以及细节重建，生成指纹二值化灰度图像。本专利技术公开一种指纹图像增强二值化设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现所述指纹图像增强二值化方法的步骤。本专利技术公开一种指纹图像增强二值化系统，包括：指纹采集设备，用于采集指纹图像，并将采集到的指纹图像发送至指纹图像增强二值化设备；所述指纹图像增强二值化设备，用于接收采集得到的指纹图像；将所述指纹图像输入至预训练的增强二值化模型；其中，所述增强二值化模型为对指纹样本图像集以及对应的目标二值化图像数据集基于卷积神经网络训练得到的全卷积神经网络；通过所述增强二值化模型中下采样单元提取所述指纹图像的纹理局部特征；通过所述增强二值化模型中上采样单元对所述纹理局部特征区域进行特征统计以及细节重建，生成指纹二值化灰度图像。本专利技术公开一种可读存储介质，所述可读存储介质上存储有程序，所述程序被处理器执行时实现所述指纹图像增强二值化方法的步骤。本专利技术提供的指纹图像增强二值化方法，通过将获取的指纹图像输入至预训练的增强二值化模型，增强二值化模型为对指纹样本图像集以及对应的目标二值化图像数据集基于卷积神经网络训练得到的全卷积神经网络，全卷积网络可以实现对图像像素级别的分析，通过全卷积神经网络中下采样单元通过下采样提取指纹图像的纹理局部特征，上采样单元通过上采样对纹理局部特征区域进行特征统计以及细节重建，可以生成指纹二值化灰度图像。通过全卷积神经网络对指纹纹理特征进行检测定位，可以兼顾多种单一滤波、二值化算法的优点，具有更好的抗干扰能力和鲁棒性，表现性能更良好，特别是对于指纹检测中常见的指纹褶皱、划痕，湿手指，图像模糊等情况下较传统检测方法具有更稳定的检测性能，且可以实现精确检测定位。本专利技术还公开了一种指纹图像增强二值化装置、设备、系统及一种可读存储介质，具有上述有益效果，在此不再赘述。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的指纹图像增强二值化方法的流程图；图2为本专利技术实施例提供的下采样单元结构示意图；图3为本专利技术实施例提供的上采样单元结构示意图；图4为本专利技术实施例提供的一种下采样单元、连接合并单元与上采样单元的通道数示意图；图5为本专利技术实施例提供的一种源图像与进行图像增强后的输入图像的对比示意图；图6为本专利技术实施例提供的一种输入的指纹图像与输出的二值化灰度图对比示意图；图7为本专利技术实施例提供的指纹图像增强二值化装置结构框图；图8为本专利技术实施例提供的指纹图像增强二值化设备的结构框图；图9为本专利技术实施例提供的指纹图像增强二值化设备的结构示意图；图10为本专利技术实施例提供的指纹图像增强二值化系统的结构框图。具体实施方式本专利技术的核心是提供一种指纹图像增强二值化方法，该方法通过全卷积神经网络对指纹纹理特征进行检测定位，精确度较高，抗干扰能力以及鲁棒性强；本专利技术的另一核心是提供一种指纹图像增强二值化装置、系统及一种可读存储介质，具有上述有益效果。为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本本文档来自技高网...
【技术保护点】
1.一种指纹图像增强二值化方法，其特征在于，包括：接收采集得到的指纹图像；将所述指纹图像输入至预训练的增强二值化模型；其中，所述增强二值化模型为对指纹样本图像集以及对应的目标二值化图像数据集基于卷积神经网络训练得到的全卷积神经网络；通过所述增强二值化模型中下采样单元提取所述指纹图像的纹理局部特征；通过所述增强二值化模型中上采样单元对所述纹理局部特征区域进行特征统计以及细节重建，生成指纹二值化灰度图像。
【技术特征摘要】
1.一种指纹图像增强二值化方法，其特征在于，包括：接收采集得到的指纹图像；将所述指纹图像输入至预训练的增强二值化模型；其中，所述增强二值化模型为对指纹样本图像集以及对应的目标二值化图像数据集基于卷积神经网络训练得到的全卷积神经网络；通过所述增强二值化模型中下采样单元提取所述指纹图像的纹理局部特征；通过所述增强二值化模型中上采样单元对所述纹理局部特征区域进行特征统计以及细节重建，生成指纹二值化灰度图像。2.如权利要求1所述的指纹图像增强二值化方法，其特征在于，所述指纹样本图像集的获取方法包括：获取预先采集的指纹图像作为源图像；对所述源图像进行数据增强，得到指纹样本图像集；其中，所述数据增强包括：添加随机噪声、划痕、褶皱、图像模糊化以及随机调节图像明暗。3.如权利要求1所述的指纹图像增强二值化方法，其特征在于，所述增强二值化模型的结构具体为：五层下采样单元串行后与五层串行的上采样单元连接。4.如权利要求1所述的指纹图像增强二值化方法，其特征在于，所述目标二值化图像数据集的筛选方法包括：获取指纹样本图像以及对应的若干二值化图像；剔除所述二值化图像中不含指纹图像区域的前景图像；对剩余图像进行清晰度筛选，将清晰度最高的图像作为目标二值化图像数据，得到各指纹样本图像对应的目标二值化图像数据集。5.如权利要求1所述的指纹图像增强二值化方法，其特征在于，所述增强二值化模型的结构设置方法包括：获取检测任务类型以及检测目标类型；根据所述检测任务类型以及所述检测目标类型对基础网络结构进行对应调整，得到原始增强二值化模型。6.如权利要求1所述的指纹图像增强二值化方法，其特征在于，还包括：对所述指纹图像进行预处理；其中，所述预处理包括：数字化、几何...
【专利技术属性】
技术研发人员：陈书楷，毕海，
申请(专利权)人：中控智慧科技股份有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。