非接触指纹图像增强方法、设备、存储介质和程序产品技术

本发明专利技术的实施例提供了一种非接触指纹图像增强方法、电子设备、计算机可读存储介质和计算机程序产品。该非接触指纹图像增强方法，包括：获取非接触采集的指纹图像；以及将非接触采集的指纹图像转换为捺印风格并进行去褶皱处理，以生成增强的指纹图像；其中，所述褶皱为穿过指纹的纹线的不规则条纹。上述技术方案获得的增强的指纹图像中，不仅手指的纹线更明显而且噪声更少。基于增强的指纹图像进行后续的指纹识别，可以显著提高指纹识别结果的准确性，并且能够为用户提供更好的检视体验。并且能够为用户提供更好的检视体验。并且能够为用户提供更好的检视体验。

【技术实现步骤摘要】
非接触指纹图像增强方法、设备、存储介质和程序产品


[0001]本专利技术涉及图像处理
，更具体地涉及一种非接触指纹图像增强方法、一种电子设备、一种计算机可读存储介质和一种计算机程序产品。

技术介绍

[0002]一些应用场景中，采用非接触的方式采集指纹图像，所采集的指纹图像简称非接触指纹图像。由于指纹具有复杂的纹理且受拍摄时的光照情况等外界因素的影响，因此，非接触指纹图像的部分区域的细节特征可能显示得并不明显。由此，可能对后续的指纹识别造成一定障碍。并且，用于指纹识别的数据库中大多存储的是捺印指纹图像。进行指纹识别的过程中，由于非接触指纹图像与捺印指纹图像在表现形式上存在一些差别，可能导致非接触指纹图像的识别准确率较低。此外，与捺印指纹图像相比，非接触指纹图像不是十分符合用户的检视习惯。
[0003]因此，亟需一种新的对非接触指纹图像进行处理的技术方案以至少部分地解决上述技术问题。

技术实现思路

[0004]考虑到上述问题而提出了本专利技术。根据本专利技术的一个方面，提供了一种非接触指纹图像增强方法，包括：
[0005]获取非接触采集的指纹图像；以及
[0006]将非接触采集的指纹图像转换为捺印风格并进行去褶皱处理，以生成增强的指纹图像；其中，褶皱为穿过指纹的纹线的不规则条纹。
[0007]示例性地，将非接触采集的指纹图像转换为捺印风格并进行去褶皱处理，以生成增强的指纹图像，包括：
[0008]利用训练好的图像处理模型将非接触采集的指纹图像转换为捺印风格并进行去褶皱处理，以生成增强的指纹图像，其中，训练好的图像处理模型是端到端的。
[0009]示例性地，方法还包括：
[0010]将第一图像集中的图像进行去褶皱处理，以获得第二图像集，其中，第一图像集中的图像是非接触采集的指纹图像；
[0011]将第二图像集中的图像输入训练好的生成对抗网络，以输出第三图像集中的图像，其中，第三图像集中的图像是第二图像集中的图像转换为捺印风格后的指纹图像；
[0012]利用第一训练数据训练初始图像处理模型，得到训练好的图像处理模型；其中，第一训练数据包括：第一图像集和第三图像集。
[0013]示例性地，将非接触采集的指纹图像转换为捺印风格并进行去褶皱处理，以生成增强的指纹图像，包括：
[0014]对非接触采集的指纹图像进行去褶皱处理；以及
[0015]利用训练好的生成对抗网络将去褶皱处理后的指纹图像转换为捺印风格，以生成
增强的指纹图像。
[0016]示例性地，训练好的生成对抗网络通过如下步骤训练：
[0017]以多个非接触采集的指纹图像为原始图像集，以多个捺印指纹图像为目标图像集，训练初始生成对抗网络，得到训练好的生成对抗网络；其中，
[0018]基于原始图像集中的图像和目标图像集中的图像，确定初始生成对抗网络自身的风格转换损失；
[0019]提取原始图像集中的图像和初始生成对抗网络对原始图像集中的图像进行风格转换后所获得的图像中的指纹特征；
[0020]基于分别自原始图像集中的图像和初始生成对抗网络对原始图像集中的图像进行风格转换后所获得的图像中所提取的指纹特征之间的差异，确定指纹特征损失；
[0021]基于风格转换损失和指纹特征损失，训练初始生成对抗网络，以获得训练好的生成对抗网络。
[0022]示例性地，提取原始图像集中的图像和初始生成对抗网络对原始图像集中的图像进行风格转换后所获得的图像中的指纹特征，包括：
[0023]分别提取原始图像集中的图像和初始生成对抗网络对原始图像集中的图像进行风格转换后所获得的图像中的全局指纹特征和重点区域指纹特征；
[0024]基于分别自原始图像集中的图像和初始生成对抗网络对原始图像集中的图像进行风格转换后所获得的图像中所提取的指纹特征之间的差异，确定指纹特征损失包括：
[0025]基于分别自原始图像集中的图像和初始生成对抗网络对原始图像集中的图像进行风格转换后所获得的图像中所提取的全局指纹特征之间的差异，计算第一特征损失；
[0026]基于分别自原始图像集中的图像和初始生成对抗网络对原始图像集中的图像进行风格转换后所获得的图像中所提取的重点区域指纹特征之间的差异，计算第二特征损失；
[0027]基于第一特征损失和第二特征损失计算指纹特征损失。
[0028]示例性地，去褶皱处理，包括以下之一：
[0029]将待去褶皱图像输入去褶皱模型，以得到去褶皱后的图像；
[0030]对待去褶皱图像进行离散余弦变换，以得到变换图像；获取待去褶皱图像中的褶皱方向和纹线方向；根据褶皱方向和纹线方向，在变换图像中去褶皱；对变换图像进行反离散余弦变换，以得到去褶皱后的图像；
[0031]其中，相比于待去褶皱图像，去褶皱后的图像中纹线被增强且褶皱被削弱。
[0032]示例性地，在利用第一训练数据训练初始图像处理模型之前，方法还包括：
[0033]获取噪声模板图像；
[0034]对第一图像集中的图像的第一局部区域进行模糊处理；
[0035]对于第三图像集中的图像的第三局部区域，利用噪声模板图像的第二局部区域进行替代，以对第三图像集中的图像添加噪声；
[0036]其中，第一局部区域、第二局部区域和第三局部区域在各自的图像中的对应位置相同；
[0037]第一训练数据中的第一图像集是第一局部区域进行模糊处理后的第一图像集，第一训练数据中的第三图像集是第三局部区域添加噪声后的第三图像集。
[0038]示例性地，在利用第一训练数据训练初始图像处理模型之后，方法还包括：
[0039]获取噪声模板图像；
[0040]对第一图像集中的图像的第四局部区域进行模糊处理；
[0041]对于第三图像集中的图像的第六局部区域，利用噪声模板图像的第五局部区域进行替代，以对第三图像集中的图像添加噪声；
[0042]其中，第四局部区域、第五局部区域和第六局部区域在各自的图像中的对应位置相同；
[0043]利用第二训练数据训练初始图像处理模型，其中，第二训练数据包括：第四局部区域进行模糊处理后的第一图像集和第六局部区域添加噪声后的第三图像集。
[0044]示例性地，方法还包括：
[0045]将非接触采集的指纹图像输入模糊识别模型，以得到非接触采集的指纹图像中的模糊区域；或者检测非接触采集的指纹图像的模糊度，并且基于所检测的模糊度确定非接触采集的指纹图像中的模糊区域；
[0046]基于模糊区域，在增强的指纹图像中的、与模糊区域对应位置的区域添加噪声。
[0047]根据本专利技术另一方面，还提供了一种电子设备，包括处理器和存储器，其中，存储器中存储有计算机程序指令，计算机程序指令被处理器运行时用于实现如上所述的非接触指纹图像增强方法。
[0048]根据本专利技术再一方面，还提供了一种计算机可读存储介质，其上存储有计算机程序/指令，其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非接触指纹图像增强方法，包括：获取非接触采集的指纹图像；以及将所述非接触采集的指纹图像转换为捺印风格并进行去褶皱处理，以生成增强的指纹图像；其中，所述褶皱为穿过指纹的纹线的不规则条纹。2.如权利要求1所述的方法，其中，所述将所述非接触采集的指纹图像转换为捺印风格并进行去褶皱处理，以生成增强的指纹图像，包括：利用训练好的图像处理模型将所述非接触采集的指纹图像转换为捺印风格并进行去褶皱处理，以生成所述增强的指纹图像，其中，所述训练好的图像处理模型是端到端的。3.如权利要求2所述的方法，其中，所述方法还包括：将第一图像集中的图像进行去褶皱处理，以获得第二图像集，其中，所述第一图像集中的图像是非接触采集的指纹图像；将第二图像集中的图像输入训练好的生成对抗网络，以输出第三图像集中的图像，其中，所述第三图像集中的图像是所述第二图像集中的图像转换为捺印风格后的指纹图像；利用第一训练数据训练初始图像处理模型，得到所述训练好的图像处理模型；其中，所述第一训练数据包括：所述第一图像集和所述第三图像集。4.如权利要求1所述的方法，其中，所述将所述非接触采集的指纹图像转换为捺印风格并进行去褶皱处理，以生成增强的指纹图像，包括：对所述非接触采集的指纹图像进行去褶皱处理；以及利用训练好的生成对抗网络将去褶皱处理后的指纹图像转换为捺印风格，以生成所述增强的指纹图像。5.如权利要求3或4所述的方法，其中，所述训练好的生成对抗网络通过如下步骤训练：以多个非接触采集的指纹图像为原始图像集，以多个捺印指纹图像为目标图像集，训练初始生成对抗网络，得到所述训练好的生成对抗网络；其中，基于所述原始图像集中的图像和所述目标图像集中的图像，确定所述初始生成对抗网络自身的风格转换损失；提取所述原始图像集中的图像和所述初始生成对抗网络对所述原始图像集中的图像进行风格转换后所获得的图像中的指纹特征；基于分别自所述原始图像集中的图像和所述初始生成对抗网络对所述原始图像集中的图像进行风格转换后所获得的图像中所提取的指纹特征之间的差异，确定指纹特征损失；基于所述风格转换损失和所述指纹特征损失，训练所述初始生成对抗网络，以获得所述训练好的生成对抗网络。6.如权利要求5所述的方法，其中，所述提取所述原始图像集中的图像和所述初始生成对抗网络对所述原始图像集中的图像进行风格转换后所获得的图像中的指纹特征，包括：分别提取所述原始图像集中的图像和所述初始生成对抗网络对所述原始图像集中的图像进行风格转换后所获得的图像中的全局指纹特征和重点区域指纹特征；所述基于分别自所述原始图像集中的图像和所述初始生成对抗网络对所述原始图像集中的图像进行风格转换后所获得的图像中所提取的指纹特征之间的差异，确定指纹特征
损失包括：基于分别自所述原始图像集中的图像和所述初始生成对抗网络对所述原始图像集中的图像进行风格转换后所获得的图像中所提取的全局指纹特征之间的差异，计算第一特征损失；基于分别自所述原始图像集中的图像和所述初始生成对抗网...

【专利技术属性】
技术研发人员：金亦奇，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：