[发明专利]一种基于深度强化学习的指静脉图像修复方法

说明书

本发明公开了一种基于深度强化学习的指静脉图像修复方法，方法包括：构造不同修复任务的失真数据集，包括构造缺失了指静脉结构信息的数据集I_miss、添加了运动模糊的数据集I_blur、添加了噪声的数据集I_noise；设计并训练网络，包括使用I_miss进行训练指静脉特征引导的两阶段修复网络，使用I_blur进行训练基于DeblurGan‑v2的指静脉去运动模糊网络；最后使用I_miss、I_blur、I_noise训练一种基于深度强化学习的智能体。该智能体能够针对不同的指静脉图像问题，自适应地选择修复任务，可执行的修复任务包括图像对比度增强，图像去噪，已训练的缺失图像修复，以及去运动模糊网络。经本发明修复后的指静脉图像指静脉纹理清晰，有效地提高了指静脉图像识别的可靠性与准确性。

技术领域

本发明属于图像处理与第二代生物特征识别技术领域，尤其涉及一种基于深度强化学习的指静脉图像修复方法(Adaptive Selection of Finger Vein Image RestoreTask Based on Deep Reinforcement Learning，简称DRL-FVRestore)。

背景技术

在生物特征识别领域，识别系统的安全性与高效性是关键指标。目前，主流的生物特征识别主要有面部识别、指纹识别、语音识别、步态识别等方法，但上述方法都具有一定的缺陷，例如存在生物特征易伪造和生物特征不够稳定等问题。指静脉识别作为第二代生物识别技术的代表，因其极高的安全性、准确性而成为近年的研究热点。

手指静脉识别是一种利用手指生理特征的识别技术，通过利用近红外光(700nm-1000nm)对手指进行照射，由于静脉与其他组织对近红外光的吸收程度不同，所以在静脉图像上产生对比度，即静脉区域产生阴影，从而形成了静脉图像。与其他生物特征对比，利用手指静脉特征进行识别具有十分明显的优势：首先，指静脉特征普遍存在于手指皮肤之下，其纹路复杂，十分难于伪造，最重要的是指静脉特征只能在人类活体中获得，这赋予了指静脉十分高的安全性；其次，每个人的指静脉纹路特征是稳定的且独一无二的。因此，指静脉识别凭借以上优势，在身份认证、出入口管理、安防监控、电子政务、电子商务等领域有着重要的应用价值。并且，指静脉识别装置可以设计成无约束、无接触的方式，从而提供一种准确、安全且更容易被人们所接受的身份识别方法。

指静脉识别过程一般分为：图像采集、预处理、特征提取、匹配识别。其中，指静脉特征提取最为关键，会直接影响指静脉识别系统的识别性能。在实际的应用过程中，采集到的图像往往会存在模糊、噪声或者出现破损，例如，场景温度造成的静脉收缩、采集设备滤波镜上沾染油污与粉尘、设备光源和图像传感器的不稳定造成的过渡曝光与失焦等。这些存在破损与模糊的指静脉图像被称为低质量的指静脉图像，使用传统的预处理方法无法提高其图像质量，并且由于静脉纹理的缺失与模糊导致后续的识别精度降低。因此，对低质量的指静脉图像进行缺失修复、去运动模糊与噪声、对比度增强等修复操作是提高指静脉识别准确率与可靠性必不可少的一步。

目前，指静脉图像缺失区域的修复主要分为传统的方法与基于深度学习的方法。传统方法主要采用基于像素扩散的图像修复方法与基于像素块匹配的图像修复方法，但是这种方法需要搜索整个图像的像素值与块，占用大量的计算资源并且非常耗时，且由于需要手动设定参数与阈值，无法实现更好的泛化能力；基于深度学习的方法主要是基于卷积模块，因为卷积神经网络可以学习图像的深度特征，且具有更好的泛化能力，该方法可以对图像缺失部分进行预测，从而生成图像信息，但是该方法没有考虑指静脉的纹理信息，修复后会使含有丰富纹理信息的指静脉图像的细节丢失。