一种基于改进cGAN网络生成适用多设备识别指静脉图像的方法技术

本发明专利技术涉及基于改进cGAN网络生成适用多设备识别指静脉图像的方法，其包括以下步骤：1)采集或选取多个图像样本X

A method of generating finger vein image for multi device recognition based on improved cgan network

【技术实现步骤摘要】
一种基于改进cGAN网络生成适用多设备识别指静脉图像的方法
本专利技术属于信息安全的身份识别验证
，尤其涉及一种基于改进cGAN网络生成适用多设备识别指静脉图像的方法。
技术介绍
手指静脉识别是一种前沿的生物特征识别技术，它是利用手指内静脉的红外图像来进行身份识别，具有生物活体识别、体内特征识别和非接触式识别三个特点。指静脉识别确保了被识别者的手指静脉难以伪造，因此手指静脉识别系统安全等级高，特别适用于高安全级别的场所，各种指静脉的识别有关技术也在不断提升识别的性能，识别的精度与速度的也在逐步提升。目前，指静脉识别技术的过程如专利号为CN101840511B的中国专利技术公开的手指静脉特征提取与匹配识别方法，包括通过红外图像采集装置获取手指静脉图像，并对图像进行预处理，特征提取，识别分析步骤；所述预处理包括彩色图像进行灰度化、手指区域提取、采用方向滤波和增强、按照手指轮廓标记提取手指静脉纹路并二值化、采用面积消除法去噪、将图像的大小标准化为统一的图像；特征提取的方法为：对手指静脉纹路图进行子块划分，对于每个子块图像采用双向特征值加权分块的双向二维主成分分析的方法进行特征提取；识别分析是将各个子块的特征作为整体采用最近邻分类器进行识别。在手指静脉识别中指静脉图像质量的高低直接影响到识别结果的好坏。主要原因是不同厂商的指静脉设备设计各不相同，例如设备打光方式有上打光、双侧打光以及单侧打光，没有统一标准的前提下导致所采集的指静脉图像存在不同程度差异；即使是同一种型号设备也会因个体的元件差异导致指静脉图像质量发生变化。因此，导致同手指静脉在不同设备所呈现图像存在不同程度差异，这也仍然是会影响指静脉识别性能的重要因素之一，尤其对于不同设备使用的注册验证。近些年来，有关许多的手指静脉图像质量评估或增强方法被提出。在2010年哈尔滨工程大学王科俊等，提出一种手指静脉图像质量判别方法，即是通过获取手指静脉图像的对比质量分数、位置偏移质量分数有效区域质量分数、方向模糊度质量分数，将上述质量分数加权累加起来进行综合评价；在2011年中国人民解放军国防科技大学谢剑斌等，提出用于特征提取的静脉图像质量检测方法，其方法主要是对手指静脉图像划分区段后提取手指静脉区域平均梯度特征，以及手指静脉纹理细节点，由上述条件分级判断手指静脉图像的质量；在2017年重庆工商大学亲华锋等提出基于卷积神经网络的手指静脉图像质量评估方法及评估系统，该方法为首先对手指静脉灰度图像的质量进行标注，其次建立训练样本集合，然后利用训练样本集合对卷积神经网络模型进行训练，最后通过支持向量机来计算出所预测手指静脉图像的质量。据调查了解，上述列举的方法大多是对指静脉图像质量的评估，从而判断出图像质量的好坏，并不能有效提高已经获得的指静脉图像质量与降低指静脉图像因设备差异在识别任务中的影响；在一个设备采集图像注册后另一个设备采集的图像进行验证的情况下未能根据因设备变化导致指静脉图像的变化进行注册模板更新，或者在使用人不方便直接对不同设备注册模板进行更新，由此导致指静脉识别率不同程度降低。对于由一个设备注册另一个设备验证导致的指静脉图像质量变化的指静脉识别性能降低情况，也未发现有研究人员提出相关的解决办法。
技术实现思路
本专利技术的目的是为了解决现有指静脉识别技术中一个设备状态下注册另一个设备状态下验证导致的指静脉图像质量变化识别率低的问题，提供一种基于改进cGAN网络生成适用多设备识别指静脉图像的方法。为了达到目的，本专利技术提供的技术方案为：一种基于改进cGAN网络生成适用多设备识别指静脉图像的方法，包括以下步骤：1)采集或选取一个设备的多个图像样本X0；2)对图像样本X0进行分割，提取出静脉部分，获取静脉的背景二值图像Xbin；3)根据二值图像Xbin的大小及格式设计出与之相匹配的改进cGAN网络结构；4)训练改进cGAN网络，并根据所采集的数据量训练更新相适应的网络参数值；5)将分割细化后的指静脉细线二值图Xbin输入训练好的改进cGAN网络中，生成指静脉图像，用于指静脉注册识别。优选地，所述的改进cGAN网络的结构主要包括生成器G和判别器D，每次训练改进cGAN网络时，首先对判别器D进行训练，再对生成器G进行训练，最后根据训练结果，更新判别器D和生成器G的参数；其中，在判别器D中的一部分参数只需要一次训练完成即可。优选地，所述的生成器G输入的图像为二值图像Xbin，输出的图像为接近于另一台目标设备图像的指静脉灰度图像Xg，并根据目标设备的指静脉灰度图像Xt训练生成器。优选地，所述的判别器D输入的是目标设备的图像Xt和生成器所生成的指静脉灰度图像Xg，判别器训练的是对目标图像Xt与生成器所生成的图像Xg中灰度的学习，判断目标图像Xt的灰度与成器所生成的指静脉灰度图像Xg的灰度之间的不同，获取判别图像生成图像Xg与目标图像Xt之间差异程度的能力，若生成器所生成的指静脉灰度图像Xg更接近于目标图像Xt，则用指静脉灰度图像Xg替换目标图像Xt。优选地，所述的生成器G由多个ENCODE编码块串联后与多个DECODE编码块串联构成，每个ENCODE编码块均由非对称卷积层、归一化层和激活层组成，每个DECODE编码块均由非对称反卷积层、归一化层和激活层组成，每两个ENCODE或者两个DECODE之间连接了非对称卷积自适应模块，起到编码模块之间特征图尺寸前后适应的作用。优选地，所述的判别器D由第一部分和第二部分组成，其中第一部分由多个ENCODE编码块串联而成，每个ENCODE编码块均由非对称卷积层、归一化层和激活层组成，每两个ENCODE之间连接了非对称卷积自适应模块，起到编码模块之间特征图尺寸前后适应的作用，该第一部分起到鉴别真假的作用；第二部分是由只需一次性训练完成的非对称卷积网络构成，起到提取卷积特征向量并度量距离大小的作用。上述生成器G和判别器D的非对称卷积层编码解码结构的设计，目的在于能够提取出图像的更高级别的特征，非对称卷积层的具体参数是根据输入图像的参数设定。优选地，所述的步骤4)中，通过训练改进cGAN网络过程与原理得到目标函数，目标函数的计算方法如下：式中，x为目标图，y为生成图，z为二值图，G(x,z)表示有生成器的生成图y，D(x,y)表示判别器的判别结果，表示求G使得目标函数最小化和求D使得目标函数最大化，表示两者通过识别网络后提取到的特征之间的欧式距离，G*表示最终的目标函数，即所求最值函数，λ为超参常数。优选地，所述步骤4)中，在寻找最优的生成器中会给定一个判别器D，将G*作为训练生成器的损失函数L(G)，然后采用Adam算法更新生成器的参数，梯度下降的参数优化过程的公式如下：式中，θG表示改进cGAN网络中的生成器的参数；当给定一个生成器的初始值G0需要寻找令最大的D0，G*作为训练判别器的损失函数L(D)，判别器的更新过程损失函数为-L(D)的训练过程，本文档来自技高网...

【技术保护点】
1.一种基于改进cGAN网络生成适用多设备识别指静脉图像的方法，其特征在于：其包括以下步骤：/n1)采集或选取多个图像样本X

【技术特征摘要】
1.一种基于改进cGAN网络生成适用多设备识别指静脉图像的方法，其特征在于：其包括以下步骤：
1)采集或选取多个图像样本X0；
2)对图像样本X0进行分割，提取出静脉部分，获取静脉的背景二值图像Xbin；
3)根据二值图像Xbin的大小及格式设计出与之相匹配的改进cGAN网络结构；
4)训练改进cGAN网络，并根据所采集的数据量训练更新相适应的网络训练参数值；
5)将分割细化后的指静脉细线二值图Xbin输入训练好的改进cGAN网络中，生成指静脉图像，用于指静脉注册识别。


2.根据权利要求1所述的基于改进cGAN网络生成适用多设备识别指静脉图像的方法，其特征在于：所述的改进cGAN网络的结构主要包括生成器G和判别器D，每次训练改进cGAN网络时，首先对判别器D进行训练，再对生成器G进行训练，最后根据训练结果，更新判别器D和生成器G的参数；其中，在判别器D中的一部分参数只需要一次训练完成即可。


3.根据权利要求2所述的基于改进cGAN网络生成适用多设备识别指静脉图像的方法，其特征在于：所述的生成器G输入的图像为二值图像Xbin，输出的图像为接近于原始图像的指静脉灰度图像Xg，并根据指静脉灰度图像Xt训练生成器。


4.根据权利要求2所述的基于改进cGAN网络生成适用多设备识别指静脉图像的方法，其特征在于：所述的判别器D输入的目标设备图像Xt和生成器所生成的指静脉灰度图像Xg，判别器训练的是对目标设备图像Xt与生成器所生成的图像Xg中灰度的学习，判断目标设备图像Xt的灰度与成器所生成的指静脉灰度图像Xg的灰度之间的不同，获取判别图像生成图像Xg与目标设备图像Xt之间差异程度的能力，若生成器所生成的指静脉灰度图像Xg更接近于目标设备图像Xt，则用指静脉灰度图像Xg替换目标设备图像Xt。


5.根据权利要求2或3所述的基于改进cGAN网络生成适用多设备识别指静脉图像的方法，其特征在于：所述的生成器G由多个ENCODE编码块串联后与多个DECODE编码块串联构成，每个ENCODE编码块均由非对称卷积层、归一化层和激活层组成，每个DECODE编码块均由非对称反卷积层、归一化层和激活层组成，每两个ENC...

【专利技术属性】
技术研发人员：张烜，赵国栋，任湘，李学双，
申请(专利权)人：圣点世纪科技股份有限公司，
类型：发明
国别省市：山西;14