指纹图像分割方法技术

本申请公开了一种指纹图像分割方法

【技术实现步骤摘要】
指纹图像分割方法、装置、非易失性存储介质及电子设备


[0001]本申请涉及图像处理领域，具体而言，涉及一种指纹图像分割方法
、
装置
、
非易失性存储介质及电子设备
。

技术介绍

[0002]相关技术中在对从现场采集的现场指纹图像进行分割时，通常采用设定阈值来区分图像中的指纹区域和背景区域，然后再采用边缘检测的方式实现对现场指纹图像的分割
。
这种方式的问题在于现场图像的图像质量较差，通常存在低对比度
、
高噪声和光照条件复杂等问题，导致采用阈值分割和边缘检测的方式对现场指纹图像进行分割时准确性和鲁棒性均存在局限性
。
[0003]针对上述的问题，目前尚未提出有效的解决方案
。

技术实现思路

[0004]本申请实施例提供了一种指纹图像分割方法
、
装置
、
非易失性存储介质及电子设备，以至少解决由于现场指纹图像的图像质量较差导致采用阈值分割和边缘检测的方式来分割现场指纹图像时准确性和鲁棒性均不佳的技术问题
。
[0005]根据本申请实施例的一个方面，提供了一种指纹图像分割方法，包括：确定待处理指纹图像的指纹表示矩阵，其中，指纹表示矩阵由依据待处理指纹图像中像素点的像素值确定的指纹表示向量组成；将指纹表示矩阵输入到指纹图像分割网络中，并获取指纹图像分割网络输出的置信度图，其中，置信度图用于指示待处理指纹图像中的各个像素属于指纹区域的概率，指纹图像分割网络包括多个依次连接的注意力块，以及与多个依次连接的注意力块中的最后一个注意力块连接的目标多层感知器；依据置信度图，生成待处理指纹图像的分割掩码，其中，分割掩码用于分割待处理指纹图像中的指纹图像区域和非指纹图像区域
。
[0006]可选地，确定待处理指纹图像的指纹表示矩阵的步骤包括：将待处理指纹图像划分为多个尺寸相同的图像块，其中，多个尺寸相同的图像块中的任意两个图像块之间不存在重叠区域；依据每个图像块中像素点的像素值，确定每个图像块对应的指纹表示向量，其中，指纹表示向量的维度与图像块中的像素点数量相同；组合每个图像块对应的指纹表示向量，得到指纹表示矩阵
。
[0007]可选地，多个依次连接的注意力块包括依次连接的第一注意力块，第二注意力块，第三注意力块和第四注意力块，其中，第一注意力块的注意力头数为2，表示维度为
64
，第二注意力块的注意力头数为2，表示维度为
128
，第三注意力块的注意力头数为4，表示维度为
256
，第四注意力块的注意力头数为4，表示维度为
512。
[0008]可选地，第一注意力块中包括一个线性嵌入层，以及两个由自注意力机制模块和多层感知器组成的特征提取层，第二注意力块
、
第三注意力块和第四注意力块中均包括一个下采样层，以及两个由自注意力机制模块和多层感知器组成的特征提取层，第四注意力
块与目标多层感知器连接
。
[0009]可选地，指纹图像分割网络通过以下方式训练：确定教师网络和学生网络，其中，教师网络和学生网络的模型结构与指纹图像分割网络的模型结构相同；获取训练数据集，其中，训练数据集中包括现场指纹图像和现场指纹图像对应的弱标签；依据训练数据集对教师网络和学生网络进行训练；在依据教师网络和学生网络对应的损失函数确认训练完成后，确定训练完成后的学生网络为指纹图像分割网络
。
[0010]可选地，获取训练数据集的步骤包括：获取现场指纹图像，以及与现场指纹图像对应的标准指纹图像，其中，现场指纹图像为待识别的指纹图像；匹配现场指纹图像和标准指纹图像，并依据匹配结果生成现场指纹图像的弱标签
。
[0011]可选地，依据训练数据集对教师网络和学生网络进行训练的步骤包括：确定移动平均系数；在每次训练过程中，依据弱标签对教师网络进行训练，并获取教师网络输出的置信度图，以及在本次训练过程之前教师网络最近一次更新的第一教师网络参数；依据教师网络输出的置信度图对学生网络进行训练，并获取训练后学生网络的学生网络参数；依据第一教师网络参数，学生网络参数和移动平均系数，确定第二教师网络参数，并将教师网络的网络参数更新为第二教师网络参数
。
[0012]可选地，损失函数由与教师网络对应的第一损失函数和与学生网络对应的第二损失函数组成，其中，第一损失函数的损失函数类型为交叉熵损失函数，第二损失函数的损失函数类型为一致性损失函数
。
[0013]根据本申请实施例的另一方面，还提供了一种指纹图像分割装置，包括：第一处理模块，用于确定待处理指纹图像的指纹表示矩阵，其中，指纹表示矩阵由依据待处理指纹图像中像素点的像素值确定的指纹表示向量组成；第二处理模块，用于将指纹表示矩阵输入到指纹图像分割网络中，并获取指纹图像分割网络输出的置信度图，其中，置信度图用于指示待处理指纹图像中的各个像素属于指纹区域的概率，指纹图像分割网络包括多个依次连接的注意力块，以及与多个依次连接的注意力块中的最后一个注意力块连接的目标多层感知器；第三处理模块，用于依据置信度图，生成待处理指纹图像的分割掩码，其中，分割掩码用于分割待处理指纹图像中的指纹图像区域和非指纹图像区域
。
[0014]根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质中存储有程序，其中，在程序运行时控制非易失性存储介质所在设备执行指纹图像分割方法
。
[0015]根据本申请实施例的另一方面，还提供了一种电子设备，包括：存储器和处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行指纹图像分割方法
。
[0016]在本申请实施例中，采用确定待处理指纹图像的指纹表示矩阵，其中，指纹表示矩阵由依据待处理指纹图像中像素点的像素值确定的指纹表示向量组成；将指纹表示矩阵输入到指纹图像分割网络中，并获取指纹图像分割网络输出的置信度图，其中，置信度图用于指示待处理指纹图像中的各个像素属于指纹区域的概率，指纹图像分割网络包括多个依次连接的注意力块，以及与多个依次连接的注意力块中的最后一个注意力块连接的目标多层感知器；依据置信度图，生成待处理指纹图像的分割掩码，其中，分割掩码用于分割待处理指纹图像中的指纹图像区域和非指纹图像区域的方式，通过采用由多个注意力块连接的指纹图像分割网络来得到待处理指纹图像的置信度图，并根据置信度图确定待处理指纹图像
的分割掩码，达到了准确提取待处理指纹图像中指纹图像区域的图像特征的目的，从而实现了对低质量的现场指纹图像进行准确分割的技术效果，进而解决了由于现场指纹图像的图像质量较差导致采用阈值分割和边缘检测的方式来分割现场指纹图像时准确性和鲁棒性均不佳技术问题
。
附图说明
[0017]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种指纹图像分割方法，其特征在于，包括：确定待处理指纹图像的指纹表示矩阵，其中，所述指纹表示矩阵由依据待处理指纹图像中像素点的像素值确定的指纹表示向量组成；将所述指纹表示矩阵输入到指纹图像分割网络中，并获取所述指纹图像分割网络输出的置信度图，其中，所述置信度图用于指示所述待处理指纹图像中的各个像素属于指纹区域的概率，所述指纹图像分割网络包括多个依次连接的注意力块，以及与多个依次连接的注意力块中的最后一个注意力块连接的目标多层感知器；依据所述置信度图，生成所述待处理指纹图像的分割掩码，其中，所述分割掩码用于分割所述待处理指纹图像中的指纹图像区域和非指纹图像区域
。2.
根据权利要求1所述的指纹图像分割方法，其特征在于，所述确定待处理指纹图像的指纹表示矩阵的步骤包括：将所述待处理指纹图像划分为多个尺寸相同的图像块，其中，所述多个尺寸相同的图像块中的任意两个图像块之间不存在重叠区域；依据每个所述图像块中像素点的像素值，确定每个所述图像块对应的所述指纹表示向量，其中，所述指纹表示向量的维度与所述图像块中的像素点数量相同；组合每个所述图像块对应的所述指纹表示向量，得到所述指纹表示矩阵
。3.
根据权利要求1所述的指纹图像分割方法，其特征在于，所述多个依次连接的注意力块包括依次连接的第一注意力块，第二注意力块，第三注意力块和第四注意力块，其中，所述第一注意力块的注意力头数为2，表示维度为
64
，所述第二注意力块的注意力头数为2，表示维度为
128
，所述第三注意力块的注意力头数为4，表示维度为
256
，所述第四注意力块的注意力头数为4，表示维度为
512。4.
根据权利要求3所述的指纹图像分割方法，其特征在于，所述第一注意力块中包括一个线性嵌入层，以及两个由自注意力机制模块和多层感知器组成的特征提取层，所述第二注意力块
、
所述第三注意力块和所述第四注意力块中均包括一个下采样层，以及两个由自注意力机制模块和多层感知器组成的特征提取层，所述第四注意力块与所述目标多层感知器连接
。5.
根据权利要求1‑4中任意一项所述的指纹图像分割方法，其特征在于，所述指纹图像分割网络通过以下方式训练：确定教师网络和学生网络，其中，所述教师网络和所述学生网络的模型结构与所述指纹图像分割网络的模型结构相同；获取训练数据集，其中，所述训练数据集中包括现场指纹图像和所述现场指纹图像对应的弱标签；依据所述训练数据集对所述教师网络和所述学生网络进行训练；在依据所述教师网络和所述学生网络对应的...

【专利技术属性】
技术研发人员：贾泽西，王政，费鸿炎，吴嵩，黄传崴，封举富，
申请(专利权)人：北京大学，
类型：发明
国别省市：