现场指掌纹图像增强方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种现场指掌纹图像增强方法、装置及电子设备，通过对捺印指掌纹图像进行现场指掌纹模拟，可以得到模拟现场指掌纹图像的现场样本图像；捺印指掌纹图像是比较清晰的，因此可以将其对应的目标图像作为模型训练的真实图像，从而基于目标图像和包括现场样本图像的多个样本图像训练得到的图像增强模型，能够较好地适用于现场指掌纹图像的图像增强。因此本发明专利技术提供的现场指掌纹图像增强方法、装置及电子设备，采用自动化的方式由捺印指掌纹图像生成训练图像增强模型所用的样本图像

【技术实现步骤摘要】
现场指掌纹图像增强方法、装置及电子设备


[0001]本专利技术涉及人工智能
，尤其是涉及一种现场指掌纹图像增强方法、装置及电子设备。

技术介绍

[0002]指掌纹比对常用现场指掌纹图像(指事发现场采集到的指掌纹图像)与底库中包含的捺印指掌纹图像进行比对来确定现场指掌纹图像对应的人员身份。现场指掌纹图像往往是从介质上采集下来，噪声较多，直接使用现场指掌纹图像与底库中包含的捺印指掌纹图像进行比对通常难以获得高准确率。
[0003]为了提高比对准确率，需要对现场指掌纹图像进行图像增强后，再和底库中包含的捺印指掌纹图像进行比对。目前一般通过传统的计算方法(相对于基于深度学习的模型而言)将现场指掌纹图像转换为二值化图像来进行图像增强。但是这种计算方法对于一些复杂背景的图像会造成错误的增强，并且对指掌纹中一些细节特征(如小棒或小点)不敏感。若使用深度学习的方法，一方面，现场指掌纹图像的数量远远少于捺印指掌纹图像的数量，导致没有足够训练数据；另一方面，难以通过标注的方式获得用以训练的现场指掌纹图像所对应的真实图像。

技术实现思路

[0004]本专利技术的目的在于提供一种现场指掌纹图像增强方法、装置及电子设备，使用捺印指掌纹图像构建用于训练图像增强模型的样本图像
‑
真实图像对，以提高现场指掌纹图像的增强准确度。
[0005]第一方面，本专利技术实施例提供了一种现场指掌纹图像增强方法，包括：
[0006]对待处理现场指掌纹图像进行预处理，得到预处理后图像；
[0007]将所述预处理后图像输入训练后的图像增强模型，得到增强后的增强图像；
[0008]所述图像增强模型是通过如下方法训练的：
[0009]获取捺印指掌纹图像及其对应的目标图像；所述捺印指掌纹图像对应的目标图像为所述捺印指掌纹图像或所述捺印指掌纹图像对应的二值化图像；
[0010]对所述捺印指掌纹图像进行现场指掌纹模拟，得到现场样本图像；所述现场指掌纹模拟包括添加背景噪声、添加前景噪声、添加纹线深浅噪声中的至少一种；
[0011]将所述捺印指掌纹图像对应的多个样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，对初始图像增强模型进行训练，得到训练后的图像增强模型；其中，所述多个样本图像包括所述现场样本图像。
[0012]进一步地，所述对所述捺印指掌纹图像进行现场指掌纹模拟，得到现场样本图像，包括以下至少一者：
[0013]将所述捺印指掌纹图像与去除纹线信息的现场指掌纹图像进行融合，得到添加有背景噪声的现场样本图像；
[0014]在所述捺印指掌纹图像上添加不规则噪音，得到添加有前景噪声的现场样本图像；其中，所述不规则噪音包括文字、线条和斑点中的一种或多种；
[0015]对所述捺印指掌纹图像进行纹线深浅变换处理，得到添加有纹线深浅噪声的现场样本图像。
[0016]进一步地，所述对所述捺印指掌纹图像进行现场指掌纹模拟，得到现场样本图像，包括：
[0017]对所述捺印指掌纹图像进行与去除纹线信息的现场指掌纹图像的融合处理、不规则噪音的添加处理和纹线深浅变换处理中的多种，得到添加有多种噪声的现场样本图像。
[0018]进一步地，所述多个样本图像还包括几何样本图像，所述方法还包括：
[0019]对所述捺印指掌纹图像和所述现场样本图像分别进行几何变换，得到几何样本图像；其中，所述几何变换包括旋转、缩放和镜像中的一种或多种。
[0020]进一步地，所述多个样本图像还包括所述捺印指掌纹图像，所述将所述捺印指掌纹图像对应的多个样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，对初始图像增强模型进行训练，得到训练后的图像增强模型，包括：
[0021]将多个所述样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，对初始图像增强模型进行第一轮训练，直至所述初始图像增强模型的损失函数收敛；
[0022]将多个所述样本图像作为输入图像，并将第N
‑
1轮训练结束时所述初始图像增强模型输出的与所述捺印指掌纹图像对应的预测图像作为所述多个样本图像对应的真实图像，对所述初始图像增强模型进行第N轮训练，以得到训练后的图像增强模型；其中，N为大于1的整数。
[0023]进一步地，所述多个样本图像还包括所述捺印指掌纹图像，所述将所述捺印指掌纹图像对应的多个样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，对初始图像增强模型进行训练，得到训练后的图像增强模型，包括：
[0024]将多个所述样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，对初始图像增强模型进行第一轮训练，直至所述初始图像增强模型的损失函数收敛；
[0025]第N
‑
1轮训练结束后，对所述捺印指掌纹图像和所述现场样本图像分别进行随机图像几何变换，得到更新后的几何样本图像；其中，N为大于1的整数，所述随机图像几何变换包括随机旋转、随机缩放和随机镜像中的一种或多种；
[0026]将多个更新后的样本图像作为输入图像，并将第N
‑
1轮训练结束时所述初始图像增强模型输出的与所述捺印指掌纹图像对应的预测图像作为所述多个更新后的样本图像对应的真实图像，对所述初始图像增强模型进行第N轮训练，以得到训练后的图像增强模型；其中，所述多个更新后的样本图像包括所述捺印指掌纹图像、所述现场样本图像和所述更新后的几何样本图像。
[0027]进一步地，所述初始图像增强模型包括串联的第一网络和第二网络；所述将所述捺印指掌纹图像对应的多个样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，对初始图像增强模型进行训练，包括：
[0028]将每个所述样本图像输入所述第一网络，得到第一预测图像；
[0029]根据所述第一预测图像和所述目标图像，计算得到第一损失值；
[0030]根据所述第一损失值更新所述第一网络的网络参数，直至所述第一网络的损失值收敛；
[0031]所述第一网络的损失值收敛后，将每个所述样本图像输入所述第二网络，得到第二预测图像；
[0032]根据所述第二预测图像和所述目标图像，计算得到第二损失值；
[0033]根据所述第二损失值更新所述第二网络的网络参数，直至所述第二网络的损失值收敛。
[0034]进一步地，所述捺印指掌纹图像对应的目标图像为所述捺印指掌纹图像对应的二值化图像，所述获取捺印指掌纹图像及其对应的目标图像，包括：
[0035]获取捺印指掌纹图像；
[0036]对所述捺印指掌纹图像进行滤波、方向场计算和二值化处理，得到二值化图像。
[0037]第二方面，本专利技术实施例还提供了一种现场指掌纹图像增强装置，包括：
[0038]处理模块，用于对待处理现场指掌纹图像进行预处理，得到预处理后图像；
[0039]增强本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种现场指掌纹图像增强方法，其特征在于，包括：对待处理现场指掌纹图像进行预处理，得到预处理后图像；将所述预处理后图像输入训练后的图像增强模型，得到增强后的增强图像；所述图像增强模型是通过如下方法训练的：获取捺印指掌纹图像及其对应的目标图像；所述捺印指掌纹图像对应的目标图像为所述捺印指掌纹图像或所述捺印指掌纹图像对应的二值化图像；对所述捺印指掌纹图像进行现场指掌纹模拟，得到现场样本图像；所述现场指掌纹模拟包括添加背景噪声、添加前景噪声、添加纹线深浅噪声中的至少一种；将所述捺印指掌纹图像对应的多个样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，对初始图像增强模型进行训练，得到训练后的图像增强模型；其中，所述多个样本图像包括所述现场样本图像。2.根据权利要求1所述的现场指掌纹图像增强方法，其特征在于，所述对所述捺印指掌纹图像进行现场指掌纹模拟，得到现场样本图像，包括以下至少一者：将所述捺印指掌纹图像与去除纹线信息的现场指掌纹图像进行融合，得到添加有背景噪声的现场样本图像；在所述捺印指掌纹图像上添加不规则噪音，得到添加有前景噪声的现场样本图像；其中，所述不规则噪音包括文字、线条和斑点中的一种或多种；对所述捺印指掌纹图像进行纹线深浅变换处理，得到添加有纹线深浅噪声的现场样本图像。3.根据权利要求1或2所述的现场指掌纹图像增强方法，其特征在于，所述对所述捺印指掌纹图像进行现场指掌纹模拟，得到现场样本图像，包括：对所述捺印指掌纹图像进行与去除纹线信息的现场指掌纹图像的融合处理、不规则噪音的添加处理和纹线深浅变换处理中的多种，得到添加有多种噪声的现场样本图像。4.根据权利要求1
‑
3任一项所述的现场指掌纹图像增强方法，其特征在于，所述多个样本图像还包括几何样本图像，所述方法还包括：对所述捺印指掌纹图像和所述现场样本图像分别进行几何变换，得到几何样本图像；其中，所述几何变换包括旋转、缩放和镜像中的一种或多种。5.根据权利要求1
‑
4任一项所述的现场指掌纹图像增强方法，其特征在于，所述多个样本图像还包括所述捺印指掌纹图像，所述将所述捺印指掌纹图像对应的多个样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，对初始图像增强模型进行训练，得到训练后的图像增强模型，包括：将多个所述样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，对初始图像增强模型进行第一轮训练，直至所述初始图像增强模型的损失函数收敛；将多个所述样本图像作为输入图像，并将第N
‑
1轮训练结束时所述初始图像增强模型输出的与所述捺印指掌纹图像对应的预测图像作为所述多个样本图像对应的真实图像，对所述初始图像增强模型进行第N轮训练，以得到训练后的图像增强模型；其中，N为大于1的整数。6.根据权利要求4所述的现场指掌纹图像增强方法，其特征在于，所述多个样本图像还
包括所述捺印指掌纹图像，所述将所述捺印指掌纹图像对应的多个样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，对初始图像增强模型进行训练，得到训练后的图像增强模型，包括：将多个所述样本图像作为输入图像，并将所述目标图像作为所述多个样本图像对应的真实图像，...

【专利技术属性】
技术研发人员：赵意，王心安，汤林鹏，邰骋，
申请(专利权)人：墨奇科技北京有限公司，
类型：发明
国别省市：