基于深度学习的指静脉残缺信息复原方法研究
发布时间：2020-10-20 00:30
近年来,由于手指静脉特征具有不易丢失、不易伪造的独特优势,其在人体身份鉴别方面获得了广泛的应用。在手指静脉图像采集以及静脉网络提取过程中,手指静脉图像和静脉网络的完整性不是很理想,影响识别精度。本文所做的指静脉残缺信息复原工作包括两个方面,一方面是实际采集手指静脉图像过程中要面临的手指受污染情况下信息复原;另一方面,由于静脉成像的客观原因,在提取静脉网络过程中针对手指静脉图像预处理时血管网络缺损区域修复。本文研究了受污染的指静脉图像以及血管网络缺损问题,旨在建立深度学习框架下的手指静脉图像复原模型。论文的主要研究内容如下:1)针对受污染的手指静脉图像,建立了手指静脉图像受污染区域复原网络模型。采用了两种污染区域检测方法,分别为基于滑窗检测和基于自适应阈值检测,并对比分析了两种检测方法的优势;构建了轻量级的编码器-解码器网络模型以及U-Net网络模型,设计了指静脉图像受污染区域修复机制。2)针对指静脉血管网络缺损现象,建立了指静脉血管网络修复网络模型。采用了两种指静脉血管网络缺损区域检测方法,分别为基于KMeans聚类检测和基于自适应阈值检测;构建了轻量级编码器-解码器网络模型以修复缺损的指静脉血管网络。3)本文进行了一系列实验来验证所提出复原方法的有效性。实验结果表明,所提出基于深度学习的指静脉残缺信息复原方法能够有效改善手指静脉图像以及静脉网络的完整性,并且提升了识别精度。
【学位单位】：中国民航大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP18
【部分图文】：
toencoder）[51-54]是一种有监督的学习算法，通出图像越来越接近输入图像。它的网络结构分解码器的架构是基于 CNN 构建的。训练一个网络模型训练需要设计以下三部分工作：设计个合适的损失函数。自编码器的输入数据和输架构源自于 Alex-Net 框架，它是下采样的过程维，解码器通过编码器提取的隐藏特征重建输习，通过损失函数约束重建数据，使重建数据参数权重和偏置。自编码器网络模型在图像修果，它在图像修复和图像复原方面也存在一定区域信息，但复原后的图像使原来清晰区域的
主要介绍手指静脉特征识别系统设计的三方面内容：手指静脉图像预处理以及识别性能系统的评价指标。在手指静脉图像采集过内部传播时会产生严重的衰减作用，这导致所获得的手指静脉图像和非静脉区域很难区分开，不利于提取静脉网络特征。为了满足取出有效的静脉网络特征，获取较高识别精度的要求，需要对其进静脉图像的采集获得手指静脉图像，本实验室自主研制并设计了手指静脉图像采集计不容忽视直接影响着所获得的手指静脉图像质量，进而牵连到征提取以及静脉识别精度。手指静脉图像的采集原理以及本实验图像采集装置如图 2-1 所示，采集装置主要包括近红外成像装置、供电电路。
一部分近红外光可以穿过这些生物组织，但还有一部分近组织内部会产生严重的衰减，采集得到的手指静脉图像同时包括静脉信，以上的原因会导致采集到的手指静脉图像对比度低，静脉和背景的分化成像问题。文研究对象为手指静脉图像，采用实验室手指静脉图像采集装置自动采图像样本，并制作成手指静脉图像数据库。本文用于训练模型的数据库制数据库，数据库样本通常用于识别。数据库一共包含来自于585根手指静脉图像，每类 10 幅，一共 585 类。由于每个人手指宽度、厚度不同以影响，凭借采集装置获取的手指静脉图像除了包含感兴趣区域（Ret，ROI）外，在图像的边缘还包含很多噪声。在静脉识别的过程中，原像最有效的区域是静脉网络，为此需要对采集的原始手指静脉图像去除声信息，进行 ROI 定位和提取[67]，从而获得手指静脉 ROI 图像，然后OI 图像统一归一化为 91×200，部分图像归一化结果如图 2-2 所示。
【相似文献】
本文编号：2847931
【学位单位】：中国民航大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP18
【部分图文】：
toencoder）[51-54]是一种有监督的学习算法，通出图像越来越接近输入图像。它的网络结构分解码器的架构是基于 CNN 构建的。训练一个网络模型训练需要设计以下三部分工作：设计个合适的损失函数。自编码器的输入数据和输架构源自于 Alex-Net 框架，它是下采样的过程维，解码器通过编码器提取的隐藏特征重建输习，通过损失函数约束重建数据，使重建数据参数权重和偏置。自编码器网络模型在图像修果，它在图像修复和图像复原方面也存在一定区域信息，但复原后的图像使原来清晰区域的
主要介绍手指静脉特征识别系统设计的三方面内容：手指静脉图像预处理以及识别性能系统的评价指标。在手指静脉图像采集过内部传播时会产生严重的衰减作用，这导致所获得的手指静脉图像和非静脉区域很难区分开，不利于提取静脉网络特征。为了满足取出有效的静脉网络特征，获取较高识别精度的要求，需要对其进静脉图像的采集获得手指静脉图像，本实验室自主研制并设计了手指静脉图像采集计不容忽视直接影响着所获得的手指静脉图像质量，进而牵连到征提取以及静脉识别精度。手指静脉图像的采集原理以及本实验图像采集装置如图 2-1 所示，采集装置主要包括近红外成像装置、供电电路。
一部分近红外光可以穿过这些生物组织，但还有一部分近组织内部会产生严重的衰减，采集得到的手指静脉图像同时包括静脉信，以上的原因会导致采集到的手指静脉图像对比度低，静脉和背景的分化成像问题。文研究对象为手指静脉图像，采用实验室手指静脉图像采集装置自动采图像样本，并制作成手指静脉图像数据库。本文用于训练模型的数据库制数据库，数据库样本通常用于识别。数据库一共包含来自于585根手指静脉图像，每类 10 幅，一共 585 类。由于每个人手指宽度、厚度不同以影响，凭借采集装置获取的手指静脉图像除了包含感兴趣区域（Ret，ROI）外，在图像的边缘还包含很多噪声。在静脉识别的过程中，原像最有效的区域是静脉网络，为此需要对采集的原始手指静脉图像去除声信息，进行 ROI 定位和提取[67]，从而获得手指静脉 ROI 图像，然后OI 图像统一归一化为 91×200，部分图像归一化结果如图 2-2 所示。
【相似文献】
相关期刊论文 前10条
1 张喜春;张文才;戚长安;;马蹄静脉构型的研究[J];沈阳农业大学学报;1987年04期
2 林申加;1例通过静脉网引起静脉化疗药外渗的护理[J];上海护理;2002年04期
3 ;鸭子耐寒之谜[J];中国禽业导刊;1999年02期
4 田青业,陆光庭,谭允西,韩洵;肘关节的静脉回流及其临床意义[J];中国临床解剖学杂志;1993年01期
5 彭福荣,刘宗礼,高聿同;静脉网动脉化足背皮瓣游离移植一期修复手背皮肤缺损[J];中国修复重建外科杂志;1992年04期
6 钟继荣;;触电肢体腐败延缓[J];法医学杂志;1993年01期
7 罗远国;覃万安;吴家昌;林舟丹;杨华;;复合组织瓣修复静脉功能障碍患者组织缺损的研究进展[J];中国医药导报;2018年07期
8 迟翠玉;;静脉网动脉化足背皮瓣游离移植一期修复手背皮肤缺损的护理体会[J];河北医学;2010年08期
9 郑雪清,刁乃杰,王立慧;小儿头皮静脉穿刺的应用解剖[J];中国局解手术学杂志;2002年02期
10 ;505──亿万人的健康卫士[J];中国党政干部论坛;1995年07期
相关硕士学位论文 前2条
1 李丹;基于深度学习的指静脉残缺信息复原方法研究[D];中国民航大学;2019年
2 魏鑫;手指静脉图像识别的技术研究[D];北京邮电大学;2019年
本文编号：2847931
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2847931.html
