基于注意力特征融合网络的手指静脉图像质量评价方法

作     者：迟云浩 杨璐 郭杰 郝凡昌 聂秀山 CHI Yunhao;YANG Lu;GUO Jie;HAO Fanchang;NIE Xiushan

作者机构：山东建筑大学计算机科学与技术学院山东济南250101 

出 版 物：《山东大学学报（工学版）》 (Journal of Shandong University（Engineering Science）)

年 卷 期：2023年第53卷第6期

页      面：56-62页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(62076151) 山东省自然科学基金资助项目(ZR2021JQ26,ZR2022MF272,ZR2021QF119) 山东省泰山学者资助项目(tsqn202211182) 

主　　题：手指静脉识别 图像质量评价 卷积神经网络 注意力特征融合 深度可分离卷积 

摘      要：为充分挖掘质量特征以提高手指静脉图像质量评价的性能,提出一种基于注意力特征融合的深度可分离卷积网络,将其用于手指静脉图像质量评价。该方法主要包括静脉纹路提取、深度质量特征提取、注意力特征融合和图像质量类别预测等四个步骤。使用深度可分离卷积代替传统卷积,减少网络参数,使网络轻量化。使用注意力特征融合代替特征串联融合,从手指静脉灰度图像和手指静脉纹路图像中挖掘更具区分性的质量特征。考虑到目前没有公开手指静脉图像质量数据库,手工标注山东大学手指静脉公开库中图像的质量标记。试验结果表明,本研究提出的方法在手工标注数据库上的图像质量分类正确率为89.67%,图像质量评价性能优于现有手指静脉图像质量评价方法。