【技术实现步骤摘要】
基于Att-3CRB-Unet网络的指静脉图像分割方法及装置
本专利技术涉及计算机视觉识别
，具体涉及一种基于Att-3CRB-Unet网络的指静脉图像分割方法及装置。
技术介绍
生物识别技术主要是指通过人类特征进行身份认证的一种技术。人类的生物特征通常具有唯一性、遗传性等特点，而指静脉识别技术就属于生物识别技术的一个分支。指静脉识别技术相对于传统的指纹识别、笔迹识别技术而言，其利用外部看不到的指静脉信息进行身份识别，具有极高的防伪性。但由于指静脉图像的采集可能受光照等外部环境以及生物自身比如受到重压等的影响，所采集的指静脉图像可能存在噪声干扰、偏光、低对比度等问题。对于这些受损的指静脉图像利用传统的阈值分割或最大曲率分割等图像分割方式难以提取出图像上的静脉细节特征，影响静脉识别的准确率。
技术实现思路
本专利技术以解决传统图像分割方式难以提取受损指静脉图像上的指静脉特征的问题为目的，提供了一种基于Att-3CRB-Unet的指静脉图像分割方法及装置。为达此目的，本专利技术提供一种基于Att-3CR...
【技术保护点】
1.一种基于Att-3CRB-Unet网络的指静脉图像分割方法，其特征在于，包括：/n1）制作用于训练指静脉图像分割模型的训练集；/n2）将所述训练集中的指静脉图像作为训练样本输入到带有注意力机制的Att-3CRB-Unet网络中，训练形成指静脉图像分割模型；/n3）通过所述指静脉图像分割模型对输入的指静脉图像进行分割，得到分割后的指静脉图像。/n
【技术特征摘要】 【专利技术属性】
1.一种基于Att-3CRB-Unet网络的指静脉图像分割方法，其特征在于，包括：
1）制作用于训练指静脉图像分割模型的训练集；
2）将所述训练集中的指静脉图像作为训练样本输入到带有注意力机制的Att-3CRB-Unet网络中，训练形成指静脉图像分割模型；
3）通过所述指静脉图像分割模型对输入的指静脉图像进行分割，得到分割后的指静脉图像。
2.根据权利要求1所述的基于Att-3CRB-Unet网络的指静脉图像分割方法，其特征在于，所述Att-3CRB-Unet网络包括编码模块和解码模块，所述指静脉图像输入到所述编码模块中，通过所述编码模块对指静脉进行特征编码，所述编码模块的输出作为所述解码模块的输入，所述解码模块对输入进行特征解码最终输出指静脉分割图，
所述编码模块中包括依序级联的第一编码层、第二编码层、第三编码层、第四编码层和第五编码层，每一编码层包括一3CRB三次循环残差块，前一编码层中的所述3CRB三次循环残差块通过一最大池化层与后一编码层中的所述3CRB三次循环残差块连接，所述第五编码层中的所述3CRB三次循环残差块的输出作为一第一上池化层的输入，所述第一上池化层的输出连接所述解码模块的输入。
3.根据权利要求2所述的基于Att-3CRB-Unet网络的指静脉图像分割方法，其特征在于，所述解码模块包括依序级联的第一解码层、第二解码层、第三解码层和第四解码层，每一解码层包括一所述3CRB三次循环残差块，所述第一上池化层的输出作为所述第一解码层中的所述3CRB三次循环残差块的输入，前一解码层中的所述3CRB三次循环残差块通过一第二上池化层与后一解码层中的所述3CRB三次循环残差块连接，所述第四解码层中的所述3CRB三次循环残差块的输出连接一用于输出所述指静脉分割图的卷积层。
4.根据权利要求3所述的基于Att-3CRB-Unet网络的指静脉图像分割方法，其特征在于，所述3CRB三次循环残差块中包含卷积层、BN层和ReLU层，所述3CRB三层循环残差块中的所述卷积层的输出连接所述BN层的输入，所述BN层的输出连接所述ReLU层的输入。
5.根据权利要求4所述的基于Att-3CRB-Unet网络的指静脉图像分割方法，其特征在
于，第层中的所述3CRB三次循环残差块的输入为第层、第层和第层的输出
的累加结果，所述累加结果通过以下公式（1）表示：
公式（1）中，表示第层中的所述3CRB三次循环残差块的非线性网络映射；
表示输入特征映射在第层的权重矩阵；
表示输入特征映射在第层的权重矩阵；
技术研发人员：赵国栋，李学双，张烜，
申请(专利权)人：北京圣点云信息技术有限公司，
类型：发明
国别省市：北京;11
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。