[发明专利]掌静脉图像评估方法、装置、计算机设备及存储介质

权利要求书

1.一种掌静脉图像评估方法，其特征在于，包括：

获取掌静脉感兴趣区域图像，并将所述掌静脉感兴趣区域图像输入至预先训练的分割模型中，获取所述分割模型输出的目标掌静脉点集合和背景点集合；

获取所述目标掌静脉点集合中像素的信息和所述背景点集合中像素的信息，并确定所述目标掌静脉点集合和所述背景点集合之间的差异数据；

根据所述差异数据，计算所述掌静脉感兴趣区域图像的质量评估结果。

2.根据权利要求1所述的方法，其特征在于，所述差异数据包括掌静脉有效面积占比和掌静脉清晰度值；

所述获取所述目标掌静脉点集合中像素的信息和所述背景点集合中像素的信息，并确定所述目标掌静脉点集合和所述背景点集合之间的差异数据，包括：

获取所述目标掌静脉点集合包括的像素数量和所述背景点集合包括的像素数量，并计算所述掌静脉感兴趣区域图像包括的像素数量；

计算所述目标掌静脉点集合包括的像素数量之和与所述掌静脉感兴趣区域点集合包括的像素数量之间的比值，确定为掌静脉有效面积占比；

获取所述目标掌静脉点集合中各像素的灰度值，计算目标掌静脉点集合的灰度均值；

计算所述背景点集合包括的各像素的像素值分别与所述目标掌静脉点集合的灰度均值之间的差值；

计算各所述差值之和，并计算与所述背景点集合包括的像素数量之间的比值，确定为掌静脉清晰度值。

3.根据权利要求2所述的方法，其特征在于，所述根据所述差异数据，计算所述掌静脉感兴趣区域图像的质量评估结果，包括：

基于如下公式计算所述掌静脉感兴趣区域图像的质量评估结果Q：

其中，w1和w2是权重因子，w1和w2之和为1，X和Y为预设值，A为所述掌静脉清晰度值，B为所述掌静脉有效面积占比。

4.根据权利要求1所述的方法，其特征在于，在将所述掌静脉感兴趣区域图像输入至预先训练的分割模型中之前，还包括：

获取亮度均匀度值小于等于均匀度阈值的掌静脉感兴趣区域图像；

采用至少一个分割算法对所述掌静脉感兴趣区域图像进行处理，得到对应的多个二值图，并形成所述掌静脉感兴趣区域图像对应的二值图组；

对所述掌静脉感兴趣区域图像对应的二值图组进行融合处理，生成所述掌静脉感兴趣区域图像对应的标签图，并确定训练样本，所述训练样本包括掌静脉感兴趣区域图像与对应的标签图，所述标签图包括两个像素值，第一像素值与背景点集合对应，第二像素值与掌静脉点集合对应；

将所述训练样本输入至生成对抗网络模型中，对所述生成对抗网络模型进行训练；

在所述生成对抗网络模型训练完成时，将当前生成对抗网络模型确定为分割模型。

5.根据权利要求1所述的方法，其特征在于，获取掌静脉感兴趣区域图像，还包括：

采集掌静脉图像，并获取所述掌静脉图像的感兴趣区域；

将所述感兴趣区域划分为至少两个相同尺寸的区域；

获取各所述区域的灰度均值，并计算所述感兴趣区域的亮度均匀度值；

如果确定所述亮度均匀度值小于等于均匀度阈值，将所述感兴趣区域确定为掌静脉感兴趣区域图像；

如果确定所述亮度均匀度值大于所述均匀度阈值，则生成掌静脉重采集的提示信息，并显示给用户，以使所述用户调整手掌，重新获取掌静脉图像。

6.根据权利要求5所述的方法，其特征在于，所述计算所述感兴趣区域的亮度均匀度值，包括：

根据各所述区域的灰度均值，计算所述感兴趣区域的灰度均值；

计算各所述区域的灰度均值与所述感兴趣区域的灰度均值之间的差值；

将各所述区域对应的差值进行求和平均，得到所述感兴趣区域的亮度均匀度值。

7.根据权利要求1所述的方法，其特征在于，在计算所述掌静脉感兴趣区域图像的质量评估结果之后，还包括：

如果确定所述质量评估结果小于设定质量评估阈值，则生成掌静脉重采集的提示信息，并显示给用户，以使所述用户调整手掌，重新获取掌静脉图像。