(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 202210429759.6 (22)申请日 2022.04.22 (71)申请人 中电万维信息技 术有限责任公司 地址 730000 甘肃省兰州市城关区张苏 滩 553号 （电信第二枢纽B区4-7层） (72)发明人 张峻崎　焦勇　杨祺　秦涛　 (74)专利代理 机构 兰州嘉诺知识产权代理事务 所(普通合伙) 62202 专利代理师 张鹏 (51)Int.Cl. G06V 40/12(2022.01) G06V 10/30(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于Retinex-ResNet网络模型的指纹图像 增强方法 (57)摘要 本发明涉及图像处理技术领域， 特别是涉及 一种基于Retinex ‑ResNet网络模型的指纹图像 增强方法。 针对不同采集设备所获得的指纹图像 包含噪声且纹理存在缺陷和边缘模糊现象， 对指 纹图像的识别会造成严重干扰， 该 发明提供一种 基于Retinex ‑ResNet网络模型的指纹图像增强 方法， 能够有效增强低光照下指纹图像， 同时对 纹理缺陷和边缘模糊现象能够 进行有效改善。 该 发明解决了不同介质上的指纹图像存在缺陷和 边缘模糊现象， 对指纹准确识别奠定 了基础。 权利要求书2页 说明书4页 附图3页 CN 114743225 A 2022.07.12 CN 114743225 A 1.基于Retinex ‑ResNet网络模型的指纹图像增强方法， 其特征在于： 指纹图像通过3个 网络模块处理， 即分解网络模块、 调整网络模块和融合网络模块， 所述分解网络模块基于 Retinex‑Net网络架构， 引入ResNet网络模型和可变形卷积网络模型， 其中ResNet网络模型 解决梯度 弥散问题和减少指纹细节信息丢失， 可变形卷积网络模型扩大网络感受野， 对指 纹图像几何形变增强建模能力； 调整网络模块在ResNet网络模型的基础上采用并行通道注 意力和串行空间注意力机制， 对低光照图像的反射分量进行噪声抑制， 和对光照分量进行 效果改善； 所述融合模型是对降噪后的反射分量和改善的光照分量利用卷积网络恢复出增 强后的指纹图像。 2.根据权利要求1所述的基于Retinex ‑ResNet网络模型的指纹图像增强方法， 其特征 在于： 所述指纹图像分为正常指纹图像和低光照指纹图像， 正常指纹图像用于引导低光照 指纹图像增强。 3.根据权利要求1所述的基于Retinex ‑ResNet网络模型的指纹图像增强方法， 其特征 在于： 所述分解网络模块主要包括Res1、 Res2、 Res3三个阶段， 引入ResNet网络模型解 决由 于网络深度而引起的梯度弥散和减少指纹细节信息 丢失； Res1阶段包括对输入指纹图像进行3 *3Conv操作和Max  Pooling操作； Res2包含依次为1*1Co nv卷积操作、 3*3的可变形 卷积DCN操作、 1*1Co nv卷积操作； Res3包含依次为1*1Conv卷积操作、 3*3的可变形卷积DCN操作、 3*3的可变形卷积DCN操 作、 1*1Conv卷积操作和sigmoid激活函数； 在Res2、 Res3阶段将普通卷积转化为可变形卷积 核， 对不同介质上指纹图像的几何变形进行适应调整， 经过分解网络将指纹图像分解为反 射分量R和光照分量I， 正常指纹图像分解正常反射分量RH和正常光照分量IH； 低光照指纹图 像分解的低光照反射分量RL和低光照分量 IL。 4.根据权利要求1所述基于Retinex ‑ResNet网络模型的指纹图像增强方法， 其特征在 于： 对低光照指纹图像分解的低光照反射分量RL和低光照分量IL进行噪声抑制和照度增强； 所述调整网络依次为1*1Conv卷积操作、 3*3Conv+ReLu操作、 并行通道注意力模型、 3*3Conv +ReLu操作、 串行空间注意力模型、 1*1Conv卷积操作， 同时通过1*1Conv卷积操作进行通道 直连以减少特 征丢失。 5.根据权利要求1所述的基于Retinex ‑ResNet网络模型的指纹图像增强方法， 其特征 在于： 还包括注意力模型分别通过并行和串 行自动分析输入指纹图像的局部特征与图像增 强结果之间的相关性， 使神经网络自适应调整指纹图像关键特征 的权重， 关键特征为形变 特征、 边缘特征、 纹理缺陷特 征等， 提高指纹图像增强效果。 6.根据权利要求1所述的基于Retinex ‑ResNet网络模型的指纹图像增强方法， 其特征 在于： 还包括通道注意力模型采用并行结构来增加指纹关键特征 的权重系 数， 达到增强指 纹图像的纹理结构和改善边缘模糊现象的效果， 所述网络结构为对指纹特征图同时平均池 化和最大池化、 依次通过1*1Conv、 3*3Conv得到特征向量， 对特征向量进行加和操作通过 Sigmoid激活函数 得到权重系数Mt， 同时和原特 征图进行1*1Co nv操作得到改善特 征图。 7.根据权利要求1所述的基于Retinex ‑ResNet网络模型的指纹图像增强方法， 其特征 在于： 还包括空间注意力模型采用串行结构来增加指纹关键特征 的权重系 数， 达到扩大指 纹图像感受野和优化图像细节的效果， 所述网络结构为对指纹特征图依次采用最大池化和 平均池化、 再通过3*3Conv操作、 1*1Conv得到特征 向量， 特征向量通过Sigmoid激活函数得权　利　要　求　书 1/2 页 2 CN 114743225 A 2到权重系数Mk， 同时和原特 征图通过5 *5Conv操作进行乘法操作得到改善特 征图。 8.根据权利要求2所述的基于Retinex ‑ResNet网络模型的指纹图像增强方法， 其特征 在于： 融合网络对于低光照的反射分量和增强后的低光照光照分量进 行乘法融合完成指纹 图像增强输出。权　利　要　求　书 2/2 页 3 CN 114743225 A 3