科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统的手指静脉分割算法无法达到良好的分割效果,公开手指静脉数据集较小,没有合适的参考标准用于神经网络训练,数据集未进行ROI处理导致包含背景过多等问题,提出一种基于级联U-Net的手指静脉分割算法。从UNet网络结构出发,针对所使用的指静脉数据集简化网络、减少参数,并以此作为所提方法的网络组成部分。针对山东大学公开数据集SDU-FV采用一种基于最小二乘的旋转校正算法提取ROI区域,该方法可以克服手指轴向旋转引起的成像区域不一致等问题,进而突出静脉丰富区域。在神经网络训练过程中,一方面在每张图像中随机选择其中心获得子块进行数据扩充;另一方面将检测静脉图像横截面局部最大曲率方法提取到的纹路作为标准。实验结果表明,基于级联U-Net的手指静脉分割算法取得了比其他方法更加优异的分割性能,在3个手指静脉公开数据集SDU-FV、MMCBNU6000和THU-FVFDT2上分别获得了91.56%,92.91%和93.08%的AUC以及92.44%,93.93%和94.86%的准确率。
- 单位
