[發明專利]一種基于PGGAN的指靜脈圖像生成方法

在審

• 申請號: 202211235340.3
• 申請日: 2022-10-10
• 公開（公告）號: CN115908603A
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 張燁;王博
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T7/13;G06T7/11;G06N3/0475;G06N3/0464;G06N3/048;G06N3/094;G06V40/14
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 舒良

一種基于PGGAN的指靜脈圖像生成方法，包括以下步驟：1)將由若干指靜脈圖像組成的數據集分成訓練集A和測試集B；2)設計生成器網絡結構；3)設計判別器網絡結構；4)設計生成器和判別器損失函數；5)訓練整個模型直至迭代訓練整個訓練集若干次；5)將測試集圖像輸入訓練好的生成器中，獲得指靜脈圖像。本發明使用深度學習的PGGAN網絡，訓練從生成器G和判別器D具有4×4像素的低空間分辨率開始。隨著訓練的推進，逐漸增加G和D的層數，從而增加生成圖像的空間分辨率。所有現有層在整個過程中都是可訓練的。本發明允許在高分辨率中穩定的合成，并大大加快訓練速度和減少了訓練時間。

技術領域

本發明屬于生物特征識別和計算機視覺領域，尤其是涉及一種基于改進PGGAN的指靜脈圖像生成方法。

背景技術

在眾多的生物識別技術中，指靜脈識別技術同時具有較高的唯一性、準確性、活體檢測、使用便利、難以復制、能較好地保護個人隱私等特點，成為了未來最有發展前景的生物識別技術之一。

手指靜脈識別主要經過以下流程：采集使用者的手指靜脈原始圖像，基于圖像進行手指靜脈豐富的區域(即感興趣區域)進行提取，然后對感興趣區域圖像進行預處理，對手指靜脈感興趣區域圖像進行特征提取，對提取到的手指靜脈特征進行匹配得出識別結果。

為了將手指靜脈用作高安全識別的生物特征，必須從人的手指中采集靜脈。同時為了保證數據的可用性，需要對人的手指進行重復采集指靜脈數據，而要想獲得準確的準確度指標，無疑需要盡可能多的指靜脈數據，這就導致了指靜脈采集巨大的工作量，此外，越來越多的人也開始關注到生物特征數據的隱私性和安全性，這也使得指靜脈圖像數據的獲取難度大大增加。這也影響到了指靜脈識別技術的相關研究。

發明內容

本發明的目的是為了解決指靜脈識別技術中指靜脈圖像數據缺少的問題，提供了一種基于改進PGGAN(漸進增長生成式對抗網絡)的指靜脈圖像生成方法。

為了解決上述技術問題，本發明提供的技術方案為：

本發明涉及一種基于PGGAN的指靜脈圖像生成方法，其包括以下步驟：

S1、采集或選用指靜脈圖像構建訓練數據集，并對原始指靜脈圖像進行邊緣檢測和區域分割；

采集基于一個設備的多個指靜脈圖像樣本；對樣本進行邊緣檢測和指靜脈區域分割，提取靜脈部分，獲得指靜脈區域的圖像；將由若干指靜脈圖像組成的數據集分成兩個數據集分別為A數據集和B數據集；其中A數據集為訓練數據集，B數據集為測試數據集。

S2、構建基于PGGAN的手指靜脈圖像的生成網絡模型。

S2-1、構建生成器，在網絡訓練的過程中，生成器和判別器相當于彼此的鏡像結構，兩者是同時增長的，在整個訓練過程中，生成器和判別器現有的所有結構都是可以訓練的。當有新加的層加入原本的生成器和判別器中時，除了訓練新加入的層，此前舊的層依舊是可訓練的，而不是只訓練新加入的層，每層包括2個卷積塊，每個卷積塊大小為3*3，大部分使用ReLU作為激活函數。

S2-2、構建判別器，判別器的主要任務是判斷輸入圖像是生成的清晰圖像還是真實清晰圖像，并不斷與生成器進行博弈，判別結果的準確性將直接影響生成器的性能。每層由2個3*3的卷積塊構成，并在訓練過程中逐漸增加網絡層數，在訓練過程中能更專注靜脈圖像的局部特征，從而使得生成圖像的靜脈紋理細節更清晰。

訓練過程從具有4×4像素的低空間分辨率的生成器(G)和鑒別器(D)開始。隨著訓練的推進，我們逐漸增加G和D的層數，從而增加生成圖像的空間分辨率。所有現有層在整個過程中都是可訓練的。這允許在高分辨率中穩定的合成，并大大加快訓練速度。

S3、設計構建基于PGGAN的手指靜脈圖像的生成網絡模型的損失函數