【CN110084238A】基于LadderNet网络的指静脉图像分割方法、装置和存储介质【专利】
基于R2U-Net的手指静脉分割方法、设备和存储介质的生产技术
本技术公开了一种基于R2U Net的手指静脉分割方法、装置和存储介质，在编解码单元中，用具有残差单元的循环卷积层来代替规则的前向卷积层，使用循环卷积层的残差单元有助于建立一个更有效的更深层的模型，而其中的循环卷积层单元包含了有效的特征累积方法，不同时间步长的特征积累保证了更好、更强的特征表示。
因此，它有助于提取非常低层次的特征，这些特征对于手指静脉的分割是必不可少的。
在神经网络训练过程中，一方面在每张图像中随机选择其中心获得子块来进行数据扩充；另一方面将综合六种传统方法附以不同权重提取到的纹路作为金标准，该方法可以充分发挥每种传统提取纹路的优势，弥补劣势。
权利要求书1.一种基于R2U-Net的手指静脉分割方法，其特征在于，包括：生成利于神经网路训练的预处理图像；生成利于神经网络训练的子块数据；生成利于神经网络训练的金标准；采用具有残差单元的循环卷积层代替规则的前向卷积层来学习特征表示以及特征积累。
2.根据权利要求1所述的一种基于R2U-Net的手指静脉分割方法，其特征在于，所述生成利于神经网路训练的预处理图像包括：图像的预处理过程包括灰度变换、ROI提取、归一化、对比度受限的自适应直方图均衡和伽马调整。
3.根据权利要求1所述的一种基于R2U-Net的手指静脉分割方法，其特征在于，所述生成利于神经网络训练的子块数据包括：将预处理图像随机选择其中心获得子块来进行数据扩充，并将每个子块作为神经网络的输入。
4.根据权利要求1所述的一种基于R2U-Net的手指静脉分割方法，其特征在于，所述生成利于神经网络训练的金标准包括：通过重复线追踪、宽线检测器、Gabor滤波器、最大曲率、平均曲率和增强型最大曲率来提取六种手指静脉分割的纹路图，并将该六种纹路图附以不同的权重来得到神经网络训练的金标准。
5.根据权利要求1所述的一种基于R2U-Net的手指静脉分割方法，其特征在于，所述采用具有残差单元的循环卷积层代替规则的前向卷积层来学习特征表示以及特征积累包括：通过用具有残差单元的循环卷积层来代替简化后的U-Net网络中的标准前向卷积层，得到R2U-Net结构。
基于稀疏自编码的手指静脉图像分割
基于稀疏自编码的手指静脉图像分割秦华锋;刘霞【摘要】针对获取的手指静脉图像不仅包含静脉特征,而且包含噪声和不规则阴影,从而增加了特征提取难度的问题,提出了一种基于稀疏自编码的手指静脉图像分割算法;首先采用传统分割算法对原始灰度图像进行分割,得到一副二值图像(背景像素值为0,静脉像素值为1);然后,以该灰度图像的每个像素点为中心,对其进行图像分块,并将二值图像中对应于中心点的值(0或者1)作为该块的标签,建立训练集合;最后,将训练样本(分块图像和标签)输入到自编码器和神经网络中进行训练,再用训练好的模型对测试图像进行分割;实验结果表明,相比传统的算法,提出的手指静脉分割算法能够有效地对静脉进行分割,提高手指静脉认证系统的认证精度.【期刊名称】《重庆工商大学学报（自然科学版）》【年(卷),期】2019(036)004【总页数】8页(P1-8)【关键词】手指静脉;图像分割;稀疏自编码器【作者】秦华锋;刘霞【作者单位】重庆工商大学计算机科学与信息工程学院,重庆400067;重庆工商大学智能制造服务国际科技合作基地,重庆400067【正文语种】中文【中图分类】O231.30 引言近年来，随着计算机以及网络技术的迅速发展，信息安全变得越来越重要，社会对信息安全的要求在不断提高，企业对信息安全的保护意识也在不断加强，身份识别系统也就应运而生。
当前，个人身份鉴别主要依靠ID卡和密码等方式，但这些方式存在着容易丢失、遗忘、被复制和破解等安全性差的问题[1]。
因此，生物特征识别技术作为一种更加安全可靠的身份识别方法，逐步取代了传统的身份识别方式[2]。
在生物特征识别方式中，有指纹识别[3]、掌纹识别[4]、面部识别[5]、虹膜识别[6]、静脉识别[7]等。
由于手指静脉存储于手指内部，不易被盗取，识别时接触少甚至勿需接触，且活体才能检测到静脉图像特征，因此手指静脉识别具有更高的安全性。
由于手指静脉图像质量受多种因素如环境光、环境温度、光散射的影响，因此手指静脉识别是一个挑战性的问题。
一种基于图像处理的手指静脉图像质量评价方法[发明专利]
![一种基于图像处理的手指静脉图像质量评价方法[发明专利]](https://img.taocdn.com/s3/m/4d6131c33169a4517623a323.png)
专利名称：一种基于图像处理的手指静脉图像质量评价方法专利类型：发明专利
发明人：田联房,邝东海,杜启亮,黎春翔
申请号：CN202010114880.0
申请日：20200225
公开号：CN111291709A
公开日：
20200616
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于图像处理的手指静脉图像质量评价方法，包括步骤：1)获取原始采集手指静脉感兴趣区域图片；2)利用均值滤波和中值滤波滤除图像噪声，得到去除噪声后的图像；3)利用同态滤波增强去除噪声后的图像的对比度，得到对比度增强后的图像；4)利用方向纹理滤波增强对比度增强后的图像的纹理细节，得到纹理增强后的图像；5)设置阈值，对纹理增强后的图像进行二值化处理，得到手指静脉二值图像；6)利用连通域信息，对手指静脉二值图进行连通域分析，去除面积小于阈值区域，并统计剩余区域面积，获得图像质量分数。
本发明可有效地反映了采集到的手指静脉图像质量，从而有效解决没有通用的手指静脉图像质量评价方法的问题。
申请人：华南理工大学,华南理工大学珠海现代产业创新研究院
地址：510640 广东省广州市天河区五山路381号
国籍：CN
代理机构：广州市华学知识产权代理有限公司
代理人：冯炳辉
更多信息请下载全文后查看。
一种基于级联优化CNN的手指静脉图质量评估方法及其装置[发明专利]
![一种基于级联优化CNN的手指静脉图质量评估方法及其装置[发明专利]](https://img.taocdn.com/s3/m/cdf3fb11580102020740be1e650e52ea5518ce35.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201811113400.8(22)申请日 2018.09.25(71)申请人 五邑大学地址 529000 广东省江门市蓬江区东成村22号(72)发明人 曾军英 谌瑶 秦传波 (74)专利代理机构 广州嘉权专利商标事务所有限公司 44205代理人 梁嘉琦(51)Int.Cl.G06K 9/00(2006.01)G06K 9/62(2006.01)G06N 3/04(2006.01)G06N 3/08(2006.01)(54)发明名称一种基于级联优化CNN的手指静脉图质量评估方法及其装置(57)摘要本发明公开了一种基于级联优化CNN的手指静脉图质量评估方法及其装置。
将手指静脉图的待测灰度图发送至预训练的级联优化CNN中进行特征提取，根据所提取的特征和预设的质量候选类进行分类，以分类结果作为评估结果，完成手指静脉图的质量评估。
简化最终模型，实现高效低成本的质量评估。
权利要求书2页 说明书5页 附图6页CN 109409226 A 2019.03.01C N 109409226A1.一种基于级联优化CNN的手指静脉图质量评估方法，其特征在于，包括以下步骤：读取输入的待测灰度图，将所述待测灰度图发送至预训练好的级联优化CNN中；在所述级联优化CNN中对所述待测灰度图进行特征提取，获取特征向量；读取预设的质量候选类，对所述特征向量进行柔性最大计算，将所述特征向量分类至对应的质量候选类中，完成评估。
2.根据权利要求1所述的一种基于级联优化CNN的手指静脉图质量评估方法，其特征在于，所述经过预训练好的级联优化CNN的训练方法包括：读取训练二值图，将所述训练二值图发送至预训练CNN中学习，获取初级评估模型；读取训练灰度图并发送至初级评估模型中，所述初级评估模型对训练灰度图的特征进行学习，得出级联优化CNN。
手指静脉图像的分割与细化算法研究
手指静脉图像的分割与细化算法研究手指静脉图像的分割与细化算法研究摘要：手指静脉识别作为一种生物识别技术已经被广泛研究和应用。
在手指静脉图像处理过程中，分割和细化是两个重要的步骤，直接影响到识别的准确性和性能。
本文针对手指静脉图像的特点，提出了一种分割与细化算法，并分析了其性能及实际应用效果。
1. 引言随着生物识别技术的发展，手指静脉作为一种新的身份验证方式逐渐受到关注。
相比于传统的指纹、人脸等生物识别技术，手指静脉具有唯一性高、不易伪造的优点，因此在金融、安全等领域具有广泛的应用前景。
手指静脉图像的分割与细化是手指静脉识别的基础步骤，旨在提取出手指静脉的主要特征并去除图像中的干扰部分。
因此，精确且高效的分割与细化算法对于手指静脉识别系统的性能和可靠性至关重要。
2. 分割算法手指静脉图像通常包含了背景、手指、皮肤和静脉等多个元素。
为了准确地分割出手指静脉，本文提出了一种基于阈值分割的算法。
具体步骤如下：2.1 图像预处理首先，对手指静脉图像进行预处理，包括图像灰度化、滤波和增强等操作。
该步骤旨在消除图像中的噪声，增强静脉纹理的对比度，提高分割的准确性。
2.2 阈值分割基于预处理后的图像，使用阈值分割来将手指静脉从图像中分割出来。
阈值分割是一种简单而有效的分割方法，通过设定适当的阈值来获取目标图像中的目标。
2.3 噪声去除分割后的图像通常会存在一些噪声点或干扰线，为了确保分割结果的准确性，需要对这些噪声进行去除。
本文采用形态学操作来消除噪声点并保持静脉的完整性。
3. 细化算法细化是将分割后的静脉纹理变细的过程，以便更好地提取纹理特征。
本文提出了一种基于细化算法的方法，通过对分割结果进行迭代细化，保留静脉的主要特征。
3.1 边缘检测首先，对分割后的图像进行边缘检测，将静脉纹理的边缘提取出来，作为细化的初始值。
3.2 细化算法本文采用迭代的方式进行细化，具体步骤如下：- 对于每一个像素点，计算其周围8个邻域的像素值，并与当前像素值进行比较，如果周围像素中至少有3个像素值大于当前像素值，则将当前像素值设置为0。
【CN110084238A】基于LadderNet网络的指静脉图像分割方法、装置和存储介质【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910278800.2(22)申请日 2019.04.09(71)申请人 五邑大学地址 529000 广东省江门市蓬江区东成村22号(72)发明人 曾军英 王璠 秦传波 朱伯远 甘俊英 翟懿奎 (74)专利代理机构 广州嘉权专利商标事务所有限公司 44205代理人 谭晓欣(51)Int.Cl.G06K 9/34(2006.01)G06K 9/62(2006.01)G06K 9/00(2006.01)(54)发明名称基于LadderNet网络的指静脉图像分割方法、装置和存储介质(57)摘要本发明公开了一种基于LadderNet网络的指静脉图分割方法、装置和存储介质。
对指静脉图像进行预处理得出预处理图像，从预处理图像中随机选取一个点作为子块中心点并生成子块图像，从所述子块图像中获取静脉纹路作为网络训练的金标准，将子块图像和静脉纹路同时输入至LadderNet网络中完成特征提取。
本发明通过子块图像获取静脉纹路，以静脉纹路作为网络训练的金标准，在不需要静脉数据集的情况下实现特征提取，大大减少了网络的计算量，提高特征提取的准确率和效率。
权利要求书1页 说明书7页 附图5页CN 110084238 A 2019.08.02C N 110084238A1.一种基于LadderNet网络的指静脉图像分割方法，其特征在于，包括以下步骤：获取指静脉图像，对所述指静脉图像进行预处理，得出预处理图像；从所述预处理图像中随机选取一个点作为子块中心点，以所述子块中心点为中心生成子块图像；从所述子块图像中获取静脉纹路，并将所述静脉纹路设置为用于网络训练的金标准；将所述子块图像和金标准输入至LadderNet网络中完成特征提取。
2.根据权利要求1所述的一种基于LadderNet网络的指静脉图像分割方法，其特征在于，所述预处理包括：ROI提取、归一化、对比度受限的自适应直方图均衡和伽马调整。
基于局部灰度极小值的指静脉图像分割方法
基于局部灰度极小值的指静脉图像分割方法苑玮琦;高洁睿【摘要】Due to the problem of poor effect of finger vein segmentation under the condition of uneven illumination,low contrast and knuckles lines interference,a kind of finger vein detection method based on local gray minimum is put forward. According to the direction of the finger vein lines,a template perpendicular to the direction of finger vein is selected which consists of sub-templates. Because gray value in vein is lower than that of its surrounding,when inspection template makes the point to point detection from top to bottom,the sum of gray value for middle sub-templates is less than that of the other two,which is the vein lines. It not only avoids threshold selection and eliminates the influence of uneven illumination and low contrast,but also restrains knuckles lines interference effectively. The experi-ment shows that this method can solve the problem of knuckles lines interference,low contrast and uneven illumination and extract finger vein with good continuity.%为了解决在光照不均匀、对比度低和指节纹干扰等情况下存在的手指静脉纹线分割效果不好的问题，文中提出一种基于局部灰度极小值的指静脉检测方法。
基于水平集的手指静脉图像分割
基于水平集的手指静脉图像分割王保生;陈宇飞;赵卫东;周强强【期刊名称】《计算机应用》【年(卷),期】2016(036)002【摘要】针对手指静脉图像中存在的弱边缘、灰度不均匀以及低对比度等现象,提出一种结合偶对称Gabor滤波与水平集思想的分割算法,并应用于手指静脉图像的分割.首先,使用偶对称Gabor滤波算法,对手指静脉图像从8个不同的方向分别进行滤波运算;然后,根据8个方向上的滤波结果进行图像重建,得到目标与背景灰度对比度显著提高的图像;最后,应用结合局部与全局信息的水平集方法对手指静脉图像进行分割.将所提算法与Li等水平集算法(LI C,HUANG R,DING Z,et al.A variational level set approach to segmentation and bias correction of images with intensity inhomogeneity.MICCAI'08: Proceedings of the 1 1 th International Conference on Medical Image Computing and Computer-Assisted Intervention,Part II.Berlin:Springer,2008:1083-1091)、Legendre水平集(L2S)算法相比,所提算法在分割精度评价标准面积差异(AD)百分比上分别降低了1.116％、0.370％,相对差异度(RDD)分别降低了1.661％、1.379％.实验结果表明,与传统只考虑局部信息或全局信息的水平集图像分割算法相比,所提算法能取得更高的分割精度.【总页数】5页(P526-530)【作者】王保生;陈宇飞;赵卫东;周强强【作者单位】同济大学 CAD研究中心,上海201804;同济大学 CAD研究中心,上海201804;同济大学 CAD研究中心,上海201804;同济大学 CAD研究中心,上海201804【正文语种】中文【中图分类】TP391.413【相关文献】1.基于多阈值模糊增强的手指静脉图像分割 [J], 陈立伟;倪杰2.基于Hessian矩阵的手指静脉图像分割 [J], 林剑;钟舜聪;张翔3.无需重新初始化水平集的多相水平集图像分割方法 [J], 宋丽叶;傅希林4.基于稀疏自编码的手指静脉图像分割 [J], 秦华锋;刘霞5.基于人体手指静脉图像分割算法的研究 [J], 张莲;秦华峰;余成波因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910278800.2
(22)申请日 2019.04.09
(71)申请人 五邑大学
地址 529000 广东省江门市蓬江区东成村
22号
(72)发明人 曾军英 王璠 秦传波 朱伯远
甘俊英 翟懿奎
(74)专利代理机构 广州嘉权专利商标事务所有
限公司 44205
代理人 谭晓欣
(51)Int.Cl.
G06K 9/34(2006.01)
G06K 9/62(2006.01)
G06K 9/00(2006.01)
(54)发明名称
基于LadderNet网络的指静脉图像分割方
法、装置和存储介质
(57)摘要
本发明公开了一种基于LadderNet网络的指
静脉图分割方法、装置和存储介质。
对指静脉图
像进行预处理得出预处理图像，从预处理图像中
随机选取一个点作为子块中心点并生成子块图
像，从所述子块图像中获取静脉纹路作为网络训
练的金标准，将子块图像和静脉纹路同时输入至
LadderNet网络中完成特征提取。
本发明通过子
块图像获取静脉纹路，以静脉纹路作为网络训练
的金标准，在不需要静脉数据集的情况下实现特
征提取，大大减少了网络的计算量，提高特征提
取的准确率和效率。
权利要求书1页 说明书7页 附图5页CN 110084238 A 2019.08.02
C N 110084238
A
权 利 要 求 书1/1页CN 110084238 A
1.一种基于LadderNet网络的指静脉图像分割方法，其特征在于，包括以下步骤：
获取指静脉图像，对所述指静脉图像进行预处理，得出预处理图像；
从所述预处理图像中随机选取一个点作为子块中心点，以所述子块中心点为中心生成子块图像；
从所述子块图像中获取静脉纹路，并将所述静脉纹路设置为用于网络训练的金标准；
将所述子块图像和金标准输入至LadderNet网络中完成特征提取。
2.根据权利要求1所述的一种基于LadderNet网络的指静脉图像分割方法，其特征在于，所述预处理包括：ROI提取、归一化、对比度受限的自适应直方图均衡和伽马调整。
3.根据权利要求1所述的一种基于LadderNet网络的指静脉图像分割方法，其特征在于：所述静脉纹路通过检测指静脉图像的指静脉横截面局部最大曲率的方法获取。
4.根据权利要求3所述的一种基于LadderNet网络的指静脉图像分割方法，其特征在于，所述指静脉横截面局部最大曲率的方法具体包括以下步骤：
从所述子块图像中随机获取静脉横截面的轮廓，获取横截面曲率；
获取横截面曲率为正的区域，从所述横截面曲率为正的区域中获取曲率的局部最大值的点，设置为中心位置；
对所述中心位置进行滤波操作和二值化操作，若二值化操作后的像素的值大于或等于预先设定的阈值，则将该像素标记为静脉像素，将所获取的所有静脉像素组合成静脉纹路。
5.根据权利要求1所述的一种基于LadderNet网络的指静脉图像分割方法，其特征在于：所述LadderNet网络包括两个U-net网络，所述两个U-net网络之间通过跳过连接相整合。
6.一种用于执行基于LadderNet网络的指静脉图像分割方法的装置，其特征在于，包括CPU单元，所述CPU单元用于执行以下步骤：
获取指静脉图像，对所述指静脉图像进行预处理，得出预处理图像；
从所述预处理图像中随机选取一个点作为子块中心点，以所述子块中心点为中心生成子块图像；
从所述子块图像中获取静脉纹路，并将所述静脉纹路设置为用于网络训练的金标准；
将所述子块图像和金标准输入至LadderNet网络中完成特征提取。
7.根据权利要求6所述的一种用于执行基于LadderNet网络的指静脉图像分割方法的装置，其特征在于，所述CPU单元还用于执行以下步骤：
从所述子块图像中随机获取静脉横截面的轮廓，获取横截面曲率；
获取横截面曲率为正的区域，从所述横截面曲率为正的区域中获取曲率的局部最大值的点，设置为中心位置；
对所述中心位置进行滤波操作和二值化操作，若二值化操作后的像素的值大于或等于预先设定的阈值，则将该像素标记为静脉像素，将所获取的所有静脉像素组合成静脉纹路。
8.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-5任一项所述的一种基于LadderNet网络的指静脉图像分割方法。
2。