基于网络学习的指静脉图像质量评价方法

授权

摘要

本发明针对手指静脉识别系统性能受采集图像质量影响较大的问题，综合考虑手指静脉图像特点，提出了一种基于网络学习的指静脉图像质量评价方法。首先对采集到的手指静脉图像设计出亮度均匀性、清晰度、面积、位置偏移、信息熵、对比度、等效视数七种评价准则进行图像质量评价，并得到七个相应的质量评价分数；再将七个质量评价分数进行归一化处理，以避免数量级相差过大；最后将归一化后的图像质量评价分数作为网络输入，设计MEA‑BP‑Adaboost强分类器获得静脉图像总质量评估等级。本发明为手指静脉图像质量对识别精度影响较大的问题提出新的解决思路，对待识别图像依据图像质量评价指标进行质量评价，有利于提高不同环境下采集到的手指静脉图像的一致性，从而提高静脉识别系统后续的匹配识别准确性。

基本信息

专利标题：

基于网络学习的指静脉图像质量评价方法

专利标题（英）：

暂无

公开（公告）号：

CN112288010A

申请号：

CN202011186315.1

公开（公告）日：

2021-01-29

申请日：

2020-10-30

授权号：

CN112288010B

授权日：

2022-05-13

发明人：

马慧田文博王科俊方春鑫

申请人：

黑龙江大学

申请人地址：

黑龙江省哈尔滨市南岗区学府路74号黑龙江大学电子工程学院

代理机构：

代理人：

优先权：

CN202011186315.1

主分类号：

G06K9/62

IPC分类号：

G06K9/62 G06T7/00 G06N3/04 G06N3/08