(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210567763.9 (22)申请日 2022.05.24 (71)申请人 电子科技大 学中山学院 地址 528402 广东省中山市石岐区学院路1 号 (72)发明人 李文生　戴坤龙　姚琼　宋丹　 李长燕　姚淮锐　 (74)专利代理 机构 中山市粤捷信知识产权代理 事务所(普通 合伙) 44583 专利代理师 张谦 (51)Int.Cl. G06V 40/12(2022.01) G06V 40/14(2022.01) G06V 10/82(2022.01) G06V 10/75(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/74(2022.01) (54)发明名称 一种基于度量学习的指静脉图像质量评估 方法 (57)摘要 本发明提供一种基于度量学习的指静脉图 像质量评估方法， 包括以下步骤： 基于已知质量 的指静脉图像合成不同程度的低质量图像； 根据 具有对比关系的分级的 图像训练孪生网络， 让网 络学习图像对的排序关系； 取孪生网络的一分支 在少量数据集上进行fine ‑turning， 得到可以评 估单张图像的卷积网络， 与现有技术相比， 本发 明具有如下的有益效果： 以较低的学习率， 让分 支网络在少量的真实数据集上进行训练， 得到一 个能对单个图像评估的网络模型， 从而进行图像 评估。 权利要求书1页 说明书6页 附图4页 CN 114998940 A 2022.09.02 CN 114998940 A 1.一种基于度量学习的指静脉图像质量评估方法， 其特征在于， 包括以下步骤： 基于已 知质量的指静脉图像合成不同程度的低质量图像； 根据具有对比关系的分级的图像训练孪 生网络， 让网络学习图像对的排序关系； 取孪生网络的一分支在少量数据集上进行fine ‑ turning， 得到可以评估单张图像的卷积网络 。 2.如权利要求1所述的一种基于度量学习的指静脉图像质量评估方法， 其特征在于： 基 于已知质量的指静脉图像合成不同程度的低质量图像包括以下步骤， 挑选匹配正确的高质 量图像， 作为原始图像， 然后根据不同的强度生成不同类型的失真图像， 并保证失真图像与 原始图像的相似度小于判别阈值。 3.如权利要求1所述的一种基于度量学习的指静脉图像质量评估方法， 其特征在于： 根 据具有对比关系的分级的图像训练孪生网络， 让网络学习图像对的排序关系； 取孪生网络 的一分支在少量数据集上进行fine ‑turning， 得到可以评估 单张图像的卷积网络的具体步 骤为： 提出了一种学习图像质量间相 对关系的孪生网络， 首先， 通过sigmoid函数建模图像 质量高低的对比关系， 然后， 结合交叉熵损失设计网络的优化 目标， 最后， 基于梯度下降算 法对孪生网络进行参数优化， 取网络的一分支进行fine ‑turning， 得到指静脉图像质量评 估网络。权　利　要　求　书 1/1 页 2 CN 114998940 A 2一种基于度量学习的指静脉图像质量评估方 法 技术领域 [0001]本发明属于指静脉图像处理领域， 特别涉及一种基于度量学习的指静脉图像质量 评估方法。 背景技术 [0002]图像质量评估是对采集的指静脉图像进行检查， 确认是否有进行后续处理的必 要。 由于指静脉采集设备存在 装置结构、 照明方式等差异， 并且采集过程中容易受到外界环 境因素干扰， 造成手指静脉成像质量会存在一些问题， 例如曝光过度、 曝光不足、 或由于光 强变化而导 致边缘模糊以及来自捕获系统的传感器噪声。 [0003]这些低质量的指静脉图像会影响静脉特征提取与匹配。 一般来说， 高质量图像包 含更多的特征信息， 静脉纹理更清晰， 结构更完整， 细节更丰富， 从而更容易被计算机提取 特征， 也更容易被人眼感知。 而低质量的图像可能由于模糊、 对比度低， 导致指静脉图像特 征不显著， 易被计算机错误识别。 指静脉的图像质量评估没有统一的标准， 但大多都与其特 征提取和匹配的方法有关。 关于这方面的研究， 实际上都可以看作一个二分类任务， 即将图 像区分为高质量图像和低质量图像。 因此， 质量评估的核心目标就是过滤低质量图像， 保证 指静脉验证系统的可靠性与准确性。 [0004]传统的指静脉 图像质量评估， 目标是建立一个与人 眼感知一致的图像评估模型。 通过选取不同的图像特征参数(如： 对比度、 清晰度、 有效区域、 信息熵 等)来衡量图像质量。 这些方法需要复杂的分析与设计， 缺少鲁棒性， 适用性不 强。 基于深度学习的指静脉图像质 量评估研究很少， 并且大多都是通过在人类标注数据集上训练， 算法的效果取决于标注数 据的质量。 由人对图像的质量打分， 不免会受到一些主观因素的干扰， 基于这样的数据集， 难以拟合真实的图像质量分布。 发明内容 [0005]针对现有技术存在的不足， 本发明目的是提供一种基于度量学习的指静脉图像质 量评估方法， 解决上述背景技 术中提出的问题。 [0006]本发明通过以下的技术方案实现： 一种基于度量学习的指静脉图像质量评估方 法， 包括以下步骤： 基于已知质量的指静脉图像合成不同程度的低质量图像； 根据具有对比 关系的分级的图像训练孪生网络， 让网络学习图像对的排序关系； 取孪生网络的一分支在 少量数据集上进行fi ne‑turning， 得到可以评估单张图像的卷积网络 。 [0007]作为一优选的实施方式， 基于已知质量的指静脉图像合成不同程度的低质量图像 包括以下步骤， 挑选匹配正确的高质量图像， 作为原始图像， 然后根据不同的强度生成不同 类型的失真图像， 并保证失真图像与原 始图像的相似度小于判别阈值。 [0008]作为一优选 的实施方式， 根据具有对比关系的分级的图像训练孪生网络， 让网络 学习图像对的排序关系； 取孪生网络的一分支在少量数据集上进行fine ‑turning， 得到可 以评估单张图像的卷积网络的具体步骤为： 提出了一种学习图像质量间相对关系的孪生网说　明　书 1/6 页 3 CN 114998940 A 3