[发明专利]基于深度学习的眼白图像超分辨率重建与图像增强方法

说明书

本公开提供了一种基于深度学习的眼白图像超分辨率重建与图像增强的方法，包括：步骤S1，采集人脸视频、帧采样获取人脸图像；步骤S2，通过人脸图像提取双眼区域，关键点定位分割左右眼白，获得眼白图像；步骤S3，利用深度学习对眼白图像做超分辨率重建，获得高分辨率眼白图像；步骤S4，对高分辨率眼白图像做真彩色图像增强。本公开通过训练卷积神经网络(CNN)结合递归神经网络(RNN)，可识别眼白血管纹理特征、提高图像分辨率，再结合图像增强技术进一步将眼白血管纹理清晰的呈现出来，大大提高个人身份识别的准确率。

技术领域

本公开涉及图像分割、图像增强、人工智能(深度学习)等技术领域，尤其涉及一种基于深度学习的眼白血管纹理图像超分辨率重建与图像增强的方法。

背景技术

在2006年，产生了深度学习(Deep Learning)的概念，它是通过人们研究人工神经网络而得出的。相比于其他机器学习而言，深度学习比较适用于大数据集训练。如今，深度学习的应用越发广泛，特别是在计算机视觉领域中的突出表现，并且它还会继续影响着人工智能的其他领域。

生物特征识别是一种方便和安全的个人身份检验方式，使用独特的生物学特征的认证可以代替个人身份证，录入密码或者其他关键。现今生物特征识别技术有很多，其中最为普遍的是人脸、指纹和语音识别，但是这些识别方式难免会出现一定的误差，而眼白血管纹理的直观性，特别是它的稳定性与唯一性决定了它可以作为识别一个人真实身份可靠且安全的依据，相比于人脸、指纹等几种生物特征识别方式，基于眼白血管纹理的生物特征识别对于个体身份识别是更精确的。眼白血管纹理的唯一性、稳定性、非侵犯性与安全性促使它成为生物特征识别中最具独特性的一种识别方式，其唯一性与稳定性表现在当婴儿出生八个月左右，眼白血管纹理基本稳定成形,且保持终身不变，据统计数据表明，每个人都有属于自己的眼白血管纹理，且与他人之间不会完全相同，所以这样的特性使该种识别方式变得非常的安全可靠。此外不用身体之间的接触即可采集样本，且人体眼白血管纹理的可见部分较为充分，所以它可以作为一种个人身份识别方式。因此，为保证眼白血管纹理识别的准确性，需要对其做出精准的增强，以凸显其明显的纹理。

公开内容

(一)要解决的技术问题

本公开提供了一种基于深度学习的眼白图像超分辨率重建与图像增强的方法，以至少部分解决以上所提出的技术问题。

(二)技术方案

根据本公开的一个方面，提供了一种基于深度学习的眼白图像超分辨率重建与图像增强的方法，包括：步骤S1，采集人脸视频、帧采样获取人脸图像；步骤S2，通过人脸图像提取双眼区域，关键点定位分割左右眼白，获得眼白图像；步骤S3，利用深度学习对眼白图像做超分辨率重建，获得高分辨率眼白图像；步骤S4，对高分辨率眼白图像做真彩色图像增强。

在本公开一些实施例中，所述步骤S1采集人脸视频、帧采样获取人脸图像包括：步骤S11，采集人脸视频作为训练样本视频；步骤S12，将采集的人脸视频做帧采样处理，转换成人脸图像集；步骤S13，将人脸图像集通过网络传输至HDFS进行存储。

在本公开一些实施例中，所述步骤S11采集人脸视频作为训练样本视频包括：在指定的环境中，使用环境照明并且不使用闪光灯，分别用不同品牌和型号的智能终端，拍摄规定时长的人脸视频，分别用于训练系统及测试识别。

在本公开一些实施例中，所述步骤S11中拍摄规定时长的人脸视频包括：视频拍摄包括由近及远再由远及近的人脸视频，所述视频捕获两个眼睛的不同注视方向。

在本公开一些实施例中，所述两个眼睛的不同注视方向包括：左眼睛看左、左眼睛看右、右眼睛看左和右眼睛看右。