一种基于深度学习的指静脉图像质量评估方法技术

本发明专利技术属于指静脉识别技术领域，公开了一种基于深度学习的指静脉图像质量评估方法，该方法包括：步骤1、输入待评估的批量指静脉数据图像，作为待评估数据集；步骤2、构建网络模型；步骤3、使用步骤1中的待评估数据集对步骤2搭建的网络模型进行训练，并保存最佳性能的网络模型参数；步骤4、将待评估数据集输入至保存好的最佳性能的网络模型中，获得相应的特征向量；步骤5、获取质量分数，删除得分低的图像，留下质量高的图像。本发明专利技术引入深度学习算法来挖掘指静脉图像的深层信息，综合图像的全局特征与局部特征来评估图像质量，以提高质量评估的准确性。

【技术实现步骤摘要】

本专利技术属于指静脉识别，具体的说是涉及一种基于深度学习的指静脉图像质量评估方法。

技术介绍

1、指静脉识别技术是一种有效的身份识别解决方案。多项研究表明，指静脉识别系统的性能依赖于采集到的指静脉图像的质量。而指静脉图像质量的高低，则受制于多种因素，如采集时的环境光照、环境温度、成像手指组织中的光散射、生理变化和用户行为等。对指静脉图像质量进行评估，可以剔除低质量的图像，进而提升识别系统的准确率。

2、传统的指静脉图像质量评估方法一般基于手工设计特征。这类方法创建的质量评估模型，目标通常是使评估结果与人类视觉系统的评估结果相吻合。比如多指标组合加权的质量评估方法，这种方法首先会分析影响手指静脉图像质量的因素，然后提取对应的特征参数，并由人工设计可以表示手指静脉质量的特征，最后使用支持向量机(supportvector machines，svm)进行图像质量评估。这种方法的局限是，对于不同的环境、设备以及用户，很难提取出有效而健壮的质量特征。除此之外，支持向量机训练和测试数据中的类不平衡问题也会影响指静脉图像质量评估的准确性。基于静脉纹路检测的静本文档来自技高网...

【技术保护点】

1.一种基于深度学习的指静脉图像质量评估方法，其特征在于：所述指静脉图像质量评估方法具体包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的指静脉图像质量评估方法，其特征在于：所述步骤2网络模型的构建具体包括如下步骤：

3.根据权利要求2所述的一种基于深度学习的指静脉图像质量评估方法，其特征在于：所述步骤2.1中的损失函数是指MagFace损失函数，所述MagFace损失函数的主要成分是角度惩罚函数与模长惩罚函数，对所述模长惩罚函数进行优化，其中：

4.根据权利要求2所述的一种基于深度学习的指静脉图像质量评估方法，其特征在于：所述步骤2.2局部特...

【技术特征摘要】

1.一种基于深度学习的指静脉图像质量评估方法，其特征在于：所述指静脉图像质量评估方法具体包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的指静脉图像质量评估方法，其特征在于：所述步骤2网络模型的构建具体包括如下步骤：

3.根据权利要求2所述的一种基于深度学习的指静脉图像质量评估方法，其特征在于：所述步骤2.1中的损失函数是指magface损失函数，所述magface损失函数的主要成分是角度惩罚函数与模长惩罚函数，对所述模长惩罚函数进行优化，其中：

4.根据权利要求2所述的一种基于深度学习的指静脉图像质量评估方法，其特征在于：所述步骤2.2局部特征的获取具体为：所述第一分支网络从获取全局特征的角度出发，将第四层获得的特征向量放入卷积层进行卷积，得到...

【专利技术属性】
技术研发人员：郭剑，陈宇，方旭佳，冀柏阳，徐昊岩，韩崇，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：