基于随机微分方程的可控掌纹样本生成方法技术

本公开的实施例提供了一种基于随机微分方程的可控掌纹样本生成方法；涉及计算机视觉领域。方法包括构建无条件扩散模型网络架构并定义前向过程和反向过程；根据前向过程和掌纹图像训练无条件扩散模型获取噪声图像；根据反向过程利用训练好的无条件扩散模型对噪声图像采样，生成无条件掌纹样本；将条件编码器引入训练好的无条件扩散模型；冻结无条件扩散模型权重，根据条件图像训练条件编码器；条件编码器损失函数收敛时解锁冻结的权重，根据前向过程、掌纹图像和条件图像训练引入条件编码器的无条件扩散模型；根据反向过程利用训练好的有条件编码器的无条件扩散模型采样，生成条件掌纹样本。以此提高掌纹样本真实性、多样性与可控性。

【技术实现步骤摘要】

本公开涉及计算机视觉领域，尤其涉及一种基于随机微分方程的可控掌纹样本生成方法。

技术介绍

1、随着科技的飞速发展，生物特征识别技术已逐渐成为身份验证和安全的关键手段。在众多生物特征中，掌纹以其独特的纹理和细节，成为了身份识别的重要依据，然而，由于公共掌纹数据集的稀缺性，掌纹识别技术的发展受到了极大的限制，因此掌纹样本生成方法应运而生。

2、现有的掌纹样本生成方法有基于贝塞尔曲线的掌纹样本生成方法、基于生成对抗网络的掌纹样本生成方法和基于扩散模型的掌纹样本生成方法；基于贝塞尔曲线的掌纹样本生成方法生成的掌纹样本与真实掌纹样本之间具有较大差距；基于生成对抗网络的掌纹样本生成方法具有模式崩溃以及训练不稳定等问题，仍难以生成具有多样性的掌纹样本；基于扩散模型的掌纹样本生成方法生成的掌纹样本虽然更具真实性，但是生成的掌纹样本图像容易出现异常颜色背景、噪声点过多、细节纹理缺失等缺陷，而且生成掌纹样本时无法精确控制掌纹样本的特定属性或特征，极大地限制了掌纹样本的多样性和实用性。因此，研究一种可以避免以上缺点的掌纹样本生成方法具有重要意义。

<本文档来自技高网...

【技术保护点】

1.一种基于随机微分方程的可控掌纹样本生成方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述前向过程的定义如下：

3.根据权利要求1所述的方法，其特征在于，所述根据定义的前向过

4.根据权利要求3所述的方法，其特征在于，所述反向采样过程的定

5.根据权利要求4所述的方法，其特征在于，所述根据定义的反向采

6.根据权利要求5所述的方法，其特征在于，所述初始解表示为：

7.根据权利要求6所述的方法，其特征在于，所述去噪函数表示为：

8.一种基于随机微分方程的可控掌纹样本生成装置，其特征在...

【技术特征摘要】

1.一种基于随机微分方程的可控掌纹样本生成方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述前向过程的定义如下：

3.根据权利要求1所述的方法，其特征在于，所述根据定义的前向过

4.根据权利要求3所述的方法，其特征在于，所述反向采样过程的定

5.根据权利要求4所述的方法，其特征在于，所述根据定义的反向采

6.根据权利要求...

【专利技术属性】
技术研发人员：唐龙，柴婷婷，石佳蓉，来轩羽，周广禄，张淼，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：