[发明专利]一种基于多通道CNN的手指静脉图质量评估方法及其装置

权利要求书

1.一种基于多通道CNN的手指静脉图质量评估方法，其特征在于，包括以下步骤：

读取输入的灰度图像，对所述灰度图像进行二值化操作，得出二值化图像；

将所述二值化图像和灰度图像分别发送至对应的CNN网络的卷积层中进行特征提取，得出二值化特征向量和灰度特征向量；

将所述二值化特征向量和灰度特征向量串联融合，得出融合特征向量,并发送至CNN网络的全连接层中，通过柔性最大计算得出分类概率向量；

读取预设的质量候选类，将所述分类概率向量分类至对应的质量候选类中，完成质量评估。

2.根据权利要求1所述的一种基于多通道CNN的手指静脉图质量评估方法，其特征在于，所述对所述灰度图像进行二值化操作包括：对灰度图像执行灰度归一化、基于方向谷形检测增强和局部自适应阈值分割。

3.根据权利要求1所述的一种基于多通道CNN的手指静脉图质量评估方法，其特征在于：所述CNN网络的卷积层包括灰度训练卷积层和二值化训练卷积层；所述CNN网络的卷积层包括4层卷积网络，所述卷积网络包括卷积层、池化层和随机失活层。

4.根据权利要求3所述的一种基于多通道CNN的手指静脉图质量评估方法，其特征在于：所述卷积层的卷积核为3×3，卷积步长为1；所述池化层的模板为2×2，步长为2。

5.根据权利要求1所述的一种基于多通道CNN的手指静脉图质量评估方法，其特征在于：所述全连接层包括第一全连接层和第二全连接层，所述第一全连接层包括512个神经元，所述第二全连接层包括2个神经元。

6.根据权利要求1所述的一种基于多通道CNN的手指静脉图质量评估方法，其特征在于：所述质量候选类包括高质量类和低质量类。

7.一种基于多通道CNN的手指静脉图质量评估装置，其特征在于，包括以下装置：

二值化图像获取装置，用于读取输入的灰度图像，对所述灰度图像进行二值化操作，得出二值化图像；

特征向量获取装置，用于将所述二值化图像和灰度图像分别发送至对应的CNN网络的卷积层中进行特征提取，得出二值化特征向量和灰度特征向量；

融合特征向量获取装置，用于将所述二值化特征向量和灰度特征向量串联融合，得出融合特征向量,并发送至CNN网络的全连接层中，通过柔性最大计算得出分类概率向量；

质量评估装置，用于读取预设的质量候选类，将所述分类概率向量分类至对应的质量候选类中，完成质量评估。

8.根据权利要求7所述的一种基于多通道CNN的手指静脉图质量评估装置，其特征在于，所述二值化图像获取装置还包括以下装置：二值化操作装置，用于对灰度图像执行灰度归一化、基于方向谷形检测增强和局部自适应阈值分割。

9.一种基于多通道CNN的手指静脉图质量评估装置，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；

其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-6任一项所述的方法。

10.一种非临时性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1-6任一项所述的方法。