[发明专利]基于R2U-Net的手指静脉分割方法、装置和存储介质

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。

6.一种基于R2U-Net的手指静脉分割装置，其特征在于，包括：

图像预处理模块，用于生成利于神经网路训练的预处理图像；

数据扩充模块，用于生成利于神经网络训练的子块数据；

金标准制作模块，用于生成利于神经网络训练的金标准；

网络搭建模块，用于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。

7.一种基于R2U-Net的手指静脉分割设备，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1-5任一项所述的方法。

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任一项所述的方法。