[发明专利]一种基于PGGAN的指静脉图像生成方法

说明书

一种基于PGGAN的指静脉图像生成方法，包括以下步骤：1)将由若干指静脉图像组成的数据集分成训练集A和测试集B；2)设计生成器网络结构；3)设计判别器网络结构；4)设计生成器和判别器损失函数；5)训练整个模型直至迭代训练整个训练集若干次；5)将测试集图像输入训练好的生成器中，获得指静脉图像。本发明使用深度学习的PGGAN网络，训练从生成器G和判别器D具有4×4像素的低空间分辨率开始。随着训练的推进，逐渐增加G和D的层数，从而增加生成图像的空间分辨率。所有现有层在整个过程中都是可训练的。本发明允许在高分辨率中稳定的合成，并大大加快训练速度和减少了训练时间。

技术领域

本发明属于生物特征识别和计算机视觉领域，尤其是涉及一种基于改进PGGAN的指静脉图像生成方法。

背景技术

在众多的生物识别技术中，指静脉识别技术同时具有较高的唯一性、准确性、活体检测、使用便利、难以复制、能较好地保护个人隐私等特点，成为了未来最有发展前景的生物识别技术之一。

手指静脉识别主要经过以下流程：采集使用者的手指静脉原始图像，基于图像进行手指静脉丰富的区域(即感兴趣区域)进行提取，然后对感兴趣区域图像进行预处理，对手指静脉感兴趣区域图像进行特征提取，对提取到的手指静脉特征进行匹配得出识别结果。

为了将手指静脉用作高安全识别的生物特征，必须从人的手指中采集静脉。同时为了保证数据的可用性，需要对人的手指进行重复采集指静脉数据，而要想获得准确的准确度指标，无疑需要尽可能多的指静脉数据，这就导致了指静脉采集巨大的工作量，此外，越来越多的人也开始关注到生物特征数据的隐私性和安全性，这也使得指静脉图像数据的获取难度大大增加。这也影响到了指静脉识别技术的相关研究。

发明内容

本发明的目的是为了解决指静脉识别技术中指静脉图像数据缺少的问题，提供了一种基于改进PGGAN(渐进增长生成式对抗网络)的指静脉图像生成方法。

为了解决上述技术问题，本发明提供的技术方案为：

本发明涉及一种基于PGGAN的指静脉图像生成方法，其包括以下步骤：

S1、采集或选用指静脉图像构建训练数据集，并对原始指静脉图像进行边缘检测和区域分割；

采集基于一个设备的多个指静脉图像样本；对样本进行边缘检测和指静脉区域分割，提取静脉部分，获得指静脉区域的图像；将由若干指静脉图像组成的数据集分成两个数据集分别为A数据集和B数据集；其中A数据集为训练数据集，B数据集为测试数据集。

S2、构建基于PGGAN的手指静脉图像的生成网络模型。

S2-1、构建生成器，在网络训练的过程中，生成器和判别器相当于彼此的镜像结构，两者是同时增长的，在整个训练过程中，生成器和判别器现有的所有结构都是可以训练的。当有新加的层加入原本的生成器和判别器中时，除了训练新加入的层，此前旧的层依旧是可训练的，而不是只训练新加入的层，每层包括2个卷积块，每个卷积块大小为3*3，大部分使用ReLU作为激活函数。

S2-2、构建判别器，判别器的主要任务是判断输入图像是生成的清晰图像还是真实清晰图像，并不断与生成器进行博弈，判别结果的准确性将直接影响生成器的性能。每层由2个3*3的卷积块构成，并在训练过程中逐渐增加网络层数，在训练过程中能更专注静脉图像的局部特征，从而使得生成图像的静脉纹理细节更清晰。

训练过程从具有4×4像素的低空间分辨率的生成器(G)和鉴别器(D)开始。随着训练的推进，我们逐渐增加G和D的层数，从而增加生成图像的空间分辨率。所有现有层在整个过程中都是可训练的。这允许在高分辨率中稳定的合成，并大大加快训练速度。

S3、设计构建基于PGGAN的手指静脉图像的生成网络模型的损失函数