[发明专利]一种基于CycleGAN的指静脉增强方法及装置

说明书

本发明涉及一种基于CycleGAN的指静脉增强方法及装置，所述的指静脉增强方法包括以下步骤：1）将由若干指静脉图像组成的数据集分成A域和B域；2）获得重构后的仿A域图片rec_A；3）获得重构后的仿B域图片rec_B；4）进行相似度判别，并输出所有判别结果，若其中一个判别结果为不满足要求，则更新CycleGAN模型的参数，返回步骤2），若所有判别结果均满足要求时，则生成模型；5）用生成的模型对指静脉图像进行增强处理。本发明使用深度学习的CycleGAN网络，对静脉模糊图像向增强图像映射，从而对模糊的手指静脉图片进行增强。生成的增强图片，不仅静脉信息更加清晰，而且背景区域基本上没有变化，不会产生不必要的冗余，大大的提高了指静脉识别的成功率。

技术领域

本发明属于计算机视觉领域，尤其涉及一种基于CycleGAN的指静脉增强方法及装置。

背景技术

指静脉识别技术是一种生物特征识别技术，它利用手指中的静脉分布图像进行识别。该技术基于以下事实：在人的手指中流动的血液可以吸收特定波长的光，并且用特定波长的光照射手指以获得手指静脉的图像。利用这种固有的科学特征，将对获取的图像进行分析和处理以获得指静脉的生物学特征，然后将所获得的指静脉特征信息与预先注册的指静脉特征进行比较，以确认其注册者身份。由于获取装置获取的初始手指静脉图像对比度低，静脉特征不足，给手指静脉的识别和认证带来很大的困难和挑战，因此需要图像增强技术来增强手指静脉的图像。

常用的指静脉图像增强技术包括稀疏分解，方向滤波，Gabor滤波等。

比如中国专利CN101667137B公开的一种使用方向滤波技术的手指静脉纹路提取方法。包括手指区域定位、滤波增强、手指静脉模式提取；对读入的静脉图像先采用 Kapur熵阈值法分割出手指区域，然后采用数学形态学中的开操作对手指区域去除毛刺；再结合静脉纹路特点求取手指静脉区域的方向图并设计滤波器，结合所得的方向图及方向滤波器对图像进行滤波增强；最后采用 NiBlack 方法进行二值化操作提取手指静脉模式。

还比如中国专利CN105184266A公开的手指静脉图像识别方法。其包括将手指静脉ROI 图像分为训练和测试样本；将图像尺寸归一化为 46*102 像素；利用 Gabor 滤波器进行增强；将每个像素点进行比较选择后得到 ROI 增强图像；采用 PCA 对 ROI 增强图像进行降维；将降维后的 ROI 增强图像进行超球粒化，得到新粒集；计算测试样本中每一张手指静脉 ROI 图像与新粒集中每个大超球粒的距离而进行识别等步骤。

然而，这些图像增强技术会引起背景区域的某些变化，从而增加了指静脉识别的难度。

发明内容

本发明所要解决的技术问题提供一种基于CycleGAN（循环生成式对抗网络）的指静脉增强方法，以解决传统的图像增强技术会引起背景区域的某些变化，从而导致指静脉识别难度增加的问题。

为了解决上述技术问题，本发明提供的技术方案为：

本发明涉及一种基于CycleGAN的指静脉增强方法，其包括以下步骤：

1）将由若干指静脉图像组成的数据集分成A域和B域，其中，A域中为静脉模糊图片，静脉模糊图片是指由于手指重压或者静脉收缩导致的手指静脉过淡、不够清晰的图片；B域中为静脉清晰图片，静脉清晰图片是指正常手指的静脉特征明显、静脉清晰可见的图片；

2）对于A域中的静脉模糊图片，基于CycleGAN模型生成仿B域图片fake_B，再将仿B域图片进行重构，获得重构后的仿A域图片rec_A；

3）对于B域中的静脉清晰图片，基于CycleGAN模型生成仿A域图片fake_A，再将仿A域图片进行重构，获得重构后的仿B域图片rec_B；