[发明专利]基于神经网络和概率图模型的手指静脉分割方法及装置

权利要求书

1.一种基于神经网络和概率图模型的手指静脉分割方法，其特征在于，包括以下步骤：

生成利于神经网络训练和测试的预处理图像；

生成利于神经网络训练的金标准；

将高斯成对势的密集条件随机场作为循环神经网络进行平均场近似推理；

将所述密集条件随机场融入至神经网络中，进行神经网络的训练处理。

2.根据权利要求1所述的基于神经网络和概率图模型的手指静脉分割方法，其特征在于，所述生成利于神经网络训练和测试的预处理图像包括：图像的预处理过程包括灰度变换处理、ROI提取处理、归一化处理、对比度受限的自适应直方图均衡处理和伽马调整处理。

3.根据权利要求1所述的基于神经网络和概率图模型的手指静脉分割方法，其特征在于，所述生成利于神经网络训练的金标准包括：通过重复线追踪、宽线检测器、Gabor滤波器、最大曲率、平均曲率和增强型最大曲率来提取六种手指静脉分割的纹路图，并将六种所述纹路图附以不同的权重来得到神经网络训练的所述金标准。

4.根据权利要求1所述的基于神经网络和概率图模型的手指静脉分割方法，其特征在于，所述将高斯成对势的密集条件随机场作为循环神经网络进行平均场近似推理包括：所述密集条件随机场的神经网络分解过程包括初始化、消息传递、加权滤波器输出、兼容性变换、增加一元势和归一化步骤。

5.一种基于神经网络和概率图模型的手指静脉分割装置，其特征在于，包括：

预处理图像生成单元，用于生成利于神经网络训练和测试的预处理图像；

金标准生成单元，用于生成利于神经网络训练的金标准；

平均场近似推理单元，用于将高斯成对势的密集条件随机场作为循环神经网络进行平均场近似推理；

训练处理单元，用于将所述密集条件随机场融入至神经网络中，进行神经网络的训练处理。

6.一种基于神经网络和概率图模型的手指静脉分割设备，其特征在于，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至4任一项所述的基于神经网络和概率图模型的手指静脉分割方法。

7.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至4任一项所述的基于神经网络和概率图模型的手指静脉分割方法。