[发明专利]一种基于三维全卷积神经网络的OCT内外指纹提取方法

说明书

一种基于三维全卷积神经网络的OCT内外指纹提取方法，包括如下步骤：1)对每幅指纹OCT图像中的角质层区域位置和乳头层区域位置进行手工标注，得到与OCT图像对应的标注图片，进行ROI提取和数据增强，构成标注数据集；2)构建三维全卷积神经网络模型，设定训练参数和损失函数，使用标注好的数据集训练模型；3)通过训练好的全卷积神经网络模型预测未标注的OCT图像的角质层、乳头层；4)根据所有OCT图像的角质层和乳头层，按照相对深度以及OCT图像空间顺序，经过拼接，分别得到OCT指纹的外指纹和内指纹。本发明通过三维全卷积神经网络来学习提取OCT图像的角质层和乳头层特征，从而生成准确的内外指纹。

技术领域

本发明涉及指纹识别领域，特别涉及一种基于三维全卷积神经网络的OCT内外指纹提取方法。

背景技术

因为指纹的独特性和永久性，指纹特征作为最常用的生物特征广泛应用到了个人身份识别当中。指纹识别系统是将指尖表面的纹路捕捉到二维图像上，然后对其的一些特征(脊线谷线的纹路、细节点等)进行识别。然而，当手指表面存在污垢、汗水以及受到不可修复的损伤时，指纹就会受到破坏，无法完成识别任务。另外，硅胶等材料制成的伪造指纹膜也常常能成功地欺骗这些系统。

研究表明，手指表皮上的指纹脊线和谷线，来源于真皮中与表皮的交界处的乳头层(真皮乳头)，它是指纹结构的来源。手指表皮上的指纹即外部指纹就是该层起伏特征的精确复制品。由此可见，由乳头层轮廓得到的、不容易被破坏的内部指纹是外部指纹的有力补充。与此同时，光学相干断层扫描(optical coherencetomography,OCT)这项非侵入性成像技术，可以获取人体皮肤表面下1～3mm深度的信息，得到手指的指纹的3D体数据，这为采集到高分辨率三维内部指纹提供了可能。

现有的OCT内外指纹提取一般都是基于灰度值跳变，切面法或者聚类的方法，找到OCT图像中的角质层和乳头层，分别生成外指纹和内指纹。这些方法需要预设的参数多，难以适应OCT指纹数据角质层和乳头层复杂多变的情况。随着深度学习的发展，卷积神经网络越来越多的被应用到图像识别，语义分类等领域中。

发明内容

为了克服现有OCT内外指纹提取的鲁棒性不强的问题，本发明提出了一种基于三维全卷积神经网络的OCT内外指纹的提取方法，通过三维全卷积神经网络来学习和提取角质层和乳头层，从而生成准确的内外指纹。

为了实现上述目的，本发明采用的技术方案为：

一种基于三维全卷积神经网络的指纹汗孔提取方法，包括如下步骤：

1)设OCT指纹体数据大小为W×H×N，即由N张分辨率为W×H的OCT图像组成，表示空间上连续的N张手指指纹的竖切面。选择几组连续的OCT图像，对每幅指纹图像中的角质层区域位置和乳头层区域位置进行手工标注，得到与OCT图像对应的标注图片，并对标注好的OCT图像进行ROI提取和数据增强，构成三维全卷积神经网络模型训练所需的标注数据集；

2)构建三维全卷积神经网络模型，设定训练参数和损失函数，使用标注好的数据集训练三维全卷积神经网络的模型，得到训练好的三维全卷积神经网络模型；

3)通过训练好的全卷积神经网络模型预测未标注的OCT图像的角质层、乳头层；

4)根据所有OCT图像的角质层和乳头层，按照相对深度，以及OCT图像空间顺序，经过拼接，分别得到OCT指纹的外指纹和内指纹。

进一步，所述步骤1)中，OCT指纹图像增强过程中包括如下步骤：

1.1)首先对几组连续的OCT图像进行人工标注，在图像中标注出角质层和乳头层区域；