基于级联U⁃Net的手指静脉分割算法研究.docx

? ? 基于级联U?Net的手指静脉分割算法研究 ? ? 曾军英，王 璠，秦传波，甘俊英，翟懿奎，朱伯远 （五邑大学，智能制造学部，广东 江门 529020） 0 引 言 手指静脉识别作为众多生物特征识别技术中的一种，由于具有非接触式采集、活体检测、不易伪造、成本较低等优点[1]，成为当前研究的热点。手指静脉图像血管的分割是指静脉识别技术中的一个关键步骤，分割效果的优劣直接影响后续识别的精度和准确度。 基于深度学习的语义分割方法虽然已成功应用到图像分类、分割和检测等任务上，且均获得了优越的 性 能[2]，比 如FCN[3]、SegNet[4]、DeepLab[5]、RefineNet[6]、PSPNet[7]、U-Net[8]等，但应用于手指静脉分割领域的方法很少，主要问题在于公开的手指静脉数据集较小，且没有合适的用于神经网络训练静脉图像的参考标准。 文献[9]提出了一种特征块融合与深度置信网络（FBF-DBN）和卷积神经网络（CNN）相结合的手指静脉识别方法。通过深度置信网络中可见层的节点数将图像平均分成几个区域进行数据扩充，对每个区域采用基于8 个邻域的细节特征提取方法，然后依照每个区域的特征个数设置每个区域的状态，该方法在一定程度上可以弥补数据集不足的情况，但由于分的区域是平均划分，导致区域边界处会出现异常值，而且该特征提取方法在很大程度上依赖于模板的选择，选择不当便