[发明专利]一种基于神经网络的智能皮纹采集分类识别方法

摘要

本发明涉及一种基于神经网络的智能皮纹采集分类识别方法，其将采集到的皮纹原始图像依次进行归一化处理、维纳滤波去噪处理、采用Sobel算子算法锐化并提取边缘、采用二值化算法处理、通过OPTA细化算法得到像素骨架化的皮纹图像；然后，采用GAN生成式对抗网络模型算法进行修补处理、增强处理；最后，引入ResNet深度学习神经网络模型算法进行皮纹分类识别处理，获取分类信息。本发明通过有利于从多维度、多特征的角度对不同皮纹特征图像进行分析，于皮纹图像信息中提取到更多的特征，在皮纹识别分类中达到较高的准确率；适合应用于儿童性格培养、特殊岗位人员选拔等多种场景，提高解读的准确率，报告解读的可参考性提升明显。

主权项

1.一种基于神经网络的智能皮纹采集分类识别方法，其特征在于，所采用的步骤包括：步骤一，利用电子设备的摄像功能，充分采集得到皮纹原始图像并存储，准备进行对皮纹图像预处理环节，所述预处理环节依次进行以下①②③④⑤五个处理步骤：①进行归一化处理：对皮纹原始图像进行适宜的裁剪以得到固定分辨率的图像，将图像分辨率设置为512×512，得到皮纹图像Ⅰ；②对皮纹图像Ⅰ对进行维纳滤波去噪处理，得到滤波平滑的皮纹图像Ⅱ；③采用Sobel算子算法对皮纹图像Ⅱ锐化并提取边缘，得到皮纹图像Ⅲ；④采用二值化算法处理皮纹图像Ⅲ，得到仅保留黑白像素纹理的皮纹图像Ⅳ；⑤将皮纹图像Ⅳ通过OPTA细化算法，使其像素骨架化，抽取像素的骨架，得到像素骨架化的皮纹图像Ⅴ；步骤二，采用GAN生成式对抗网络模型算法对像素骨架化的皮纹图像Ⅴ进行修补处理、增强处理，得到修补增强后的图像，其中的修补处理包括修补纹理的断点、残损段，其中的增强处理包括使像素骨架化的皮纹图像Ⅴ剔除掉背景、噪音，以便突出皮纹特征；步骤三，引入ResNet深度学习神经网络模型算法对修补增强后的图像进行皮纹分类识别处理，将人物性格与皮纹关系进行归纳分类，预测人物性格特征；步骤四，通过皮纹归纳分类获取的多组分类信息，形成利于解读的报告。