指纹图像特征增强方法、装置、设备及存储介质与流程

本技术涉及图像处理，尤其是一种指纹图像特征增强方法、装置、设备及存储介质。

背景技术：

1、指纹识别作为一种基于生物特征的身份认证技术得到越来越广泛的应用。

2、相关技术中，指纹识别时需要首先提取指纹特征数据，再对指纹特征数据进行初步处理得到更加清晰的指纹特征数据，进而通过将处理得到的指纹特征数据与预存的指纹模板进行特征点匹配。

3、然而，目前的指纹识别方法对特征量少以及低质量的指纹图像识别效果不佳，例如湿润的手指会导致指纹图像存在手指表面轮廓细节模糊和脊线与谷线对比度降低的缺陷，若采用小面积的指纹传感器进行指纹图像采集，在指纹特征稀缺的基础上指纹图像质量大幅度下降，使得指纹识别变得非常困难。

技术实现思路

1、本技术的目的是提供一种指纹图像特征增强方法、装置、设备及存储介质，可以增强指纹图像中的指纹特征，以提高指纹图像识别的精确度。

2、本技术实施例提供一种指纹图像特征增强方法，包括：

3、获取原始指纹图像；

4、对所述原始指纹图像进行分块，得到多个指纹图像块；

5、对所述指纹图像块进行纹理特征提取，得到纹理特征信息；

6、对所述指纹图像块进行方向特征提取，得到方向特征信息；

7、对所述指纹图像块进行纹路清晰度特征提取，得到纹路清晰度特征信息；

8、根据所述纹理特征信息、所述方向特征信息和所述纹路清晰度特征信息，将所述原始指纹图像分类为湿润图像、干燥图像或正常图像；

9、在所述原始指纹图像为湿润图像时，将所述原始指纹图像输入第一特征增强模型，对所述原始指纹图像进行脊线特征增强，得到相应的增强指纹图像；

10、在所述原始指纹图像为干燥图像时，将所述原始指纹图像输入第二特征增强模型，对所述原始指纹图像进行脊线特征增强，得到相应的增强指纹图像。

11、在一些实施例中，所述对所述指纹图像块进行纹理特征提取，得到纹理特征信息，包括：

12、计算所述指纹图像块的灰度直方图；

13、根据所述灰度直方图，生成相应的灰度级统计向量；

14、生成所述指纹图像块的灰度共生矩阵，并计算所述灰度共生矩阵归一化后的均值、方差、能量、对比度、逆差矩和熵；

15、输出所述灰度级统计向量和所述灰度共生矩阵归一化后的均值、方差、能量、对比度、逆差矩和熵，得到所述纹理特征信息。

16、在一些实施例中，所述对所述指纹图像块进行方向特征提取，得到方向特征信息，包括：

17、计算所述指纹图像块中每个像素点的梯度；

18、根据所述像素点的梯度，计算所述指纹图像块的方向显著性特征信息和方向一致性特征信息；

19、输出所述方向显著性特征信息和所述方向一致性特征信息，得到所述方向特征信息。

20、在一些实施例中，所述对所述指纹图像块进行纹路清晰度特征提取，得到纹路清晰度特征信息，包括：

21、计算所述指纹图像块的平均梯度；

22、根据所述平均梯度，计算所述指纹图像块的主方向特征信息；

23、根据所述主方向特征信息，对所述指纹图像块进行灰度投影，并根据灰度投影结果将所述指纹图像块的像素点分类为脊线像素点或谷线像素点；

24、生成所述脊线像素点和所述谷线像素点两者的灰度直方图，以计算不符合清晰度阈值条件的像素点的比例，得到脊线清晰度特征信息和谷线清晰度特征信息；

25、根据所述根据灰度投影结果，计算脊线和谷线之间的宽度比；

26、输出所述脊线清晰度特征信息、所述谷线清晰度特征信息和所述脊线和谷线之间的宽度比，得到所述纹路清晰度特征信息。

27、在一些实施例中，所述根据所述纹理特征信息、所述方向特征信息和所述纹路清晰度特征信息，将所述原始指纹图像分类为湿润图像、干燥图像或正常图像，包括：

28、对所述纹理特征信息、所述方向特征信息和所述纹路清晰度特征信息进行拼接，得到融合特征信息；

29、将所述融合特征信息输入图像分类模型，以将所述指纹图像块分类为湿润图像块、干燥图像块或正常图像块；所述图像分类模型包含三个分类子模型，所述分类子模型分别进行相应的二元分类判断操作，所述二元分类判断操作包括判断所述指纹图像块是否为湿润图像块、判断所述指纹图像块是否为干燥图像块和判断所述指纹图像块是否为正常图像块；

30、根据所述湿润图像块、所述干燥图像块和所述正常图像块三者的数量，将所述原始指纹图像分类为湿润图像、干燥图像或正常图像。

31、在一些实施例中，所述对所述原始指纹图像进行脊线特征增强，得到相应的增强指纹图像，包括：

32、对所述原始指纹图像进行深度可分离卷积，得到第一特征图；

33、叠加所述第一特征图和所述原始指纹图像，叠加后依次进行归一化、卷积和非线性激活，得到第二特征图；

34、叠加第三特征图和第四特征图，叠加后进行卷积，得到所述增强指纹图像；所述第三特征图由两组相同的所述原始指纹图像拼接得到，所述第四特征图由所述原始指纹图像进行反卷积得到的特征图和所述第二特征图和所述原始指纹图像相乘得到的特征图拼接得到。

35、在一些实施例中，所述指纹图像特征增强方法，还包括：

36、获取多组训练图像集；所述训练图像集包含采集在不同湿度状态的同一指纹得到的样本湿润图像、样本干燥图像和样本正常图像；

37、将所述样本湿润图像输入其一神经网络模型，将所述样本干燥图像输入另一神经网络模型，分别进行脊线特征增强，得到相应的样本增强指纹图像；

38、根据所述样本增强指纹图像和所述样本正常图像，确定模型损失信息；所述模型损失信息由图像像素损失信息、图像梯度损失信息和拉普拉斯损失信息拟合得到，所述图像像素损失信息表征所述样本增强指纹图像和所述样本正常图像两者之间的像素点偏差，所述图像梯度损失信息表征所述样本增强指纹图像和所述样本正常图像两者之间的梯度偏差，所述拉普拉斯损失信息表征所述样本增强指纹图像和所述样本正常图像两者之间的边缘信息偏差；

39、根据所述模型损失信息，分别对两所述神经网络模型进行训练，得到所述第一特征增强模型和所述第二特征增强模型。

40、本技术实施例还提供一种指纹图像特征增强装置，包括：

41、第一模块，用于获取原始指纹图像；

42、第二模块，用于对所述原始指纹图像进行分块，得到多个指纹图像块；

43、第三模块，用于对所述指纹图像块进行纹理特征提取，得到纹理特征信息；

44、第四模块，用于对所述指纹图像块进行方向特征提取，得到方向特征信息；

45、第五模块，用于对所述指纹图像块进行纹路清晰度特征提取，得到纹路清晰度特征信息；

46、第六模块，用于根据所述纹理特征信息、所述方向特征信息和所述纹路清晰度特征信息，将所述原始指纹图像分类为湿润图像、干燥图像或正常图像；

47、第七模块，用于在所述原始指纹图像为湿润图像时，将所述原始指纹图像输入第一特征增强模型，对所述原始指纹图像进行脊线特征增强，得到相应的增强指纹图像；

48、第八模块，用于在所述原始指纹图像为干燥图像时，将所述原始指纹图像输入第二特征增强模型，对所述原始指纹图像进行脊线特征增强，得到相应的增强指纹图像。

49、本技术实施例还提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的指纹图像特征增强方法。

50、本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的指纹图像特征增强方法。

51、本技术的有益效果：通过对由原始指纹图像分块得到的指纹图像块进行纹理特征、方向特征和纹路清晰度特征提取，得到指纹图像块的纹理特征信息、方向特征信息和纹路清晰度特征信息，然后根据纹理特征信息、方向特征信息和纹路清晰度特征信息，将原始指纹图像分类为湿润图像、干燥图像或正常图像，在原始指纹图像为湿润图像时，将原始指纹图像输入第一特征增强模型，对原始指纹图像进行脊线特征增强，得到相应的增强指纹图像，在原始指纹图像为干燥图像时，将原始指纹图像输入第二特征增强模型，对原始指纹图像进行脊线特征增强，得到相应的增强指纹图像。本技术实施例可以增强指纹图像中的指纹特征。由于首先根据纹理特征信息、方向特征信息和纹路清晰度特征信息对原始指纹图像进行分类，然后根据原始指纹图像的分类结果使用相应的特征增强模型对原始指纹图像进行脊线特征增强，得到相应的增强指纹图像，可以有针对性地增强指纹图像中的指纹特征，提高指纹图像识别的精确度。