买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江科技学院

摘要：本发明涉及一种基于生成对抗网络和卷积神经网络的指静脉识别方法，包括以下步骤：对甄别对象进行指静脉图像采集，对采集到的指静脉图像进行边缘检测；经过图像形态学处理获取不包含背景信息的指静脉前景区域；灰度变换归一化；对所获取指静脉数据集的图像数据进行扩增；搭建深度卷积生成对抗网络模型，输入扩增后的数据集，生成数量更加充足的指静脉图像；构建BP‑AdaBoost网络通过多个参数相结合判断指静脉图像的质量；对符合质量的指静脉数据集以一定比例分为训练集和测试集；搭建改进后的双通道VGG网络进行训练，可得到指静脉分类网络；测试集输出分类结果。本发明能加速网络收敛，有效提升指静脉识别的准确性。

主权项：1.一种基于生成对抗网络和卷积神经网络的指静脉识别方法，其特征在于包括下述步骤：S1：采集并建立甄别对象的指静脉图像数据库，并对数据库中的所有指静脉图像进行预处理；S2：对所获取指静脉数据库的指静脉感兴趣区域图像样本进行扩增；S3：构建深度卷积生成对抗网络，扩增后的指静脉图像来训练深度卷积生成对抗网络，生成器生成目标指静脉图像；S4：构建BP-AdaBoost网络，并通过包括对比度、信息熵、清晰度、等效视数在内的多个参数相结合判断指静脉图像的质量；S5：对符合质量要求的指静脉数据集分为训练集和测试集；S6：构建改进后的双通道VGG网络进行特征提取，使用训练集对改进后的双通道VGG网络进行训练，得到指静脉图像分类网络；改进后的双通道VGG网络通过下述方法构建：基于VGG卷积神经网络的框架，分别搭建VGG16和SimpleVGG形成双通道网络结构，并且删除原网络的全连接层，用自定义的嵌入层替代；前置的特征提取层包括卷积层和最大池化层，VGG16网络含有13个卷积层，其中每个卷积层包括卷积和ReLU激活函数，网络含有5个最大池化层，其中池化的水平和垂直步长皆为2；SimpleVGG网络含有6个卷积层，其中每个卷积层包括卷积、ReLU激活函数和批量标准化，网络含有3个最大池化层，其中池化的水平和垂直步长皆为2；将两个网络输出的特征融合后输入到自定义嵌入层；自定义嵌入层包括全局平均池化层、LeakyReLU激活函数、批量标准化、全连接层和丢弃层；分类层的维度是训练过程中考虑的被分类个数；S7：模型参数迭代优化后，输入测试集中的指静脉图像测试，输出指静脉图像分类结果。

全文数据：

权利要求：

百度查询： 浙江科技学院 一种基于生成对抗网络和卷积神经网络的指静脉识别方法