基于Retinex-ResNet网络模型的指纹图像增强方法技术

本发明专利技术涉及图像处理技术领域，特别是涉及一种基于Retinex

【技术实现步骤摘要】
基于Retinex
‑
ResNet网络模型的指纹图像增强方法


[0001]本专利技术涉及图像处理
，特别是涉及一种基于Retinex
‑
ResNet网络模型的指纹图像增强方法。

技术介绍

[0002]指纹图像识别是生物特征识别方式之一，因具有唯一性、稳定性和辨识性等特征而广泛应用于公安领域、金融领域、医学领域、公共管理等领域。但指纹图像因采集设备的不同而导致质量千差万别，同时在不同介质上的指纹图像也存在纹理缺陷和边缘模糊现象，如存在于衣物上的指纹对于准确提取指纹图像提出了严峻的挑战。
[0003]公布号为CN113569715A的专利技术专利公开了一种指纹图像增强方法及装置。首先对获取的指纹图像计算其灰度分布数据；然后根据先验公式和灰度分布数据，对指纹图像进行像素分布按比例缩放处理，得到处理图像数据；最后根据图像数据进行图像重构得到增强的指纹图像。这种基于传统算法的指纹图像增强方法不仅需要人工构建特征，而且算法实时性差，对于衣物等软性材料上的指纹图像处理效果不佳。
专利
技术实现思路

本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Retinex
‑
ResNet网络模型的指纹图像增强方法，其特征在于：指纹图像通过3个网络模块处理，即分解网络模块、调整网络模块和融合网络模块，所述分解网络模块基于Retinex
‑
Net网络架构，引入ResNet网络模型和可变形卷积网络模型，其中ResNet网络模型解决梯度弥散问题和减少指纹细节信息丢失，可变形卷积网络模型扩大网络感受野，对指纹图像几何形变增强建模能力；调整网络模块在ResNet网络模型的基础上采用并行通道注意力和串行空间注意力机制，对低光照图像的反射分量进行噪声抑制，和对光照分量进行效果改善；所述融合模型是对降噪后的反射分量和改善的光照分量利用卷积网络恢复出增强后的指纹图像。2.根据权利要求1所述的基于Retinex
‑
ResNet网络模型的指纹图像增强方法，其特征在于：所述指纹图像分为正常指纹图像和低光照指纹图像，正常指纹图像用于引导低光照指纹图像增强。3.根据权利要求1所述的基于Retinex
‑
ResNet网络模型的指纹图像增强方法，其特征在于：所述分解网络模块主要包括Res1、Res2、Res3三个阶段，引入ResNet网络模型解决由于网络深度而引起的梯度弥散和减少指纹细节信息丢失；Res1阶段包括对输入指纹图像进行3*3Conv操作和Max Pooling操作；Res2包含依次为1*1Conv卷积操作、3*3的可变形卷积DCN操作、1*1Conv卷积操作；Res3包含依次为1*1Conv卷积操作、3*3的可变形卷积DCN操作、3*3的可变形卷积DCN操作、1*1Conv卷积操作和sigmoid激活函数；在Res2、Res3阶段将普通卷积转化为可变形卷积核，对不同介质上指纹图像的几何变形进行适应调整，经过分解网络将指纹图像分解为反射分量R和光照分量I，正常指纹图像分解正常反射分量R
H
和正常光照分量I
H
；低光照指纹图像分解的低光照反射分量R
L
和低光照分量I
L
。4.根据权利要求1所述基于Retinex
‑
ResNet网络模型...

【专利技术属性】
技术研发人员：张峻崎，焦勇，杨祺，秦涛，
申请(专利权)人：中电万维信息技术有限责任公司，
类型：发明
国别省市：