[发明专利]基于OCT指纹的内部最大强度投影成像方法

说明书

本发明提出基于OCT指纹的内部最大强度投影成像方法，用于处理OCT指尖皮肤图像以优化OCT指纹的获取，所述成像方法通过使用卷积神经网络模型来检测OCT指尖皮肤图像，获取得皮肤表皮区和表皮‑真皮交界区之间的边界，通过提取边界的表面图像来对指尖表面指纹进行成像，同时寻找表皮‑真皮交界区边界的脊部位置和谷部位置并对其进行插值处理来获取确定表皮‑真皮交界区的边界内部区域，最后通过对该边界内部区域进行最大值强度投影，以进一步优化OCT指尖皮肤图像内部的指纹特征；本发明能够在外部指纹难以识别的情况下，依旧可以使用内部指纹进行识别，而且优化了人体指尖皮下组织的识别，能更准确地获取皮下指纹。

技术领域

本发明涉及光学成像及光学检测技术领域，尤其是基于OCT指纹的内部最大强度投影成像方法。

背景技术

众所周知，位于指尖表面的指纹对每个人来说都是独一无二的，是最古老的生物识别标志。特征表面指纹特征一般分为三个层次：第一级特征是指纹脊的位置和排列；第二级特征是像山脊分叉和末端这样的细节；指纹脊线的所有维度属性代表三级特征，包括脊线路径偏差、宽度、形状、孔隙、边缘轮廓、初始脊线、断裂、折痕疤痕和其他永久性细节。使用标准指纹扫描仪获取表面指纹，指纹图像质量由皮肤状态(干/湿)、损伤和失真决定。因此，需要一种鲁棒且抗损伤的指纹采集方法，而皮下指纹采集是一种很有吸引力的解决方案。幸运的是，乳头状交界处位于真皮表皮交界处(DEJ)，并具有与表面相同的形态。因而提出了基于OCT指纹图像的内部最大强度投影成像方法。

由于皮下指纹位于人体内部，因此如何优化对人体指尖皮下组织的识别来获取指纹，是一个研究方向。

发明内容

本发明提出基于OCT指纹的内部最大强度投影成像方法，能够在外部指纹难以识别的情况下，依旧可以使用内部指纹进行识别，而且优化了人体指尖皮下组织的识别，能更准确地获取皮下指纹。

本发明采用以下技术方案。

基于OCT指纹的内部最大强度投影成像方法，用于处理OCT指尖皮肤图像以优化OCT指纹的获取，所述成像方法通过使用卷积神经网络模型来检测OCT指尖皮肤图像，获取得皮肤表皮区和表皮-真皮交界区之间的边界，通过提取边界的表面图像来对指尖表面指纹进行成像，同时寻找表皮-真皮交界区边界的脊部位置和谷部位置并对其进行插值处理来获取确定表皮-真皮交界区的边界内部区域，最后通过对该边界内部区域进行最大值强度投影，以进一步优化OCT指尖皮肤图像内部的指纹特征。

所述成像方法包括以下步骤；

步骤S1、从OCT指尖皮肤图像中抽取图像样本，手动标记出表面边界与真皮层边界，形成用于卷积神经网络模型的训练数据集和测试数据集；

步骤S2、根据步骤S1所获取的训练数据集和测试数据集，对卷积神经网络模型进行训练，通过合适的超参数选择来获取最优的模型，最后使用测试数据集验证训练效果；

步骤S3、使用由步骤S2获取的卷积神经网络模型对OCT指尖皮肤图像的边界进行检测，得到皮肤表皮区和表皮-真皮交界区之间的边界；

步骤S4、根据步骤S3所获取的边界信息，提取表皮-真皮边界来获取表皮-真皮交界区边界处脊部位置和谷部位置，之后使用插值法来获取局部极大值和极小值的包络曲线，得到包络线内的图像，然后对包络线内的图像进行最大强度投影成像，获取OCT指尖皮肤图像内部的指纹。

所述的OCT指尖皮肤图像，通过OCT系统采集人类指尖的皮肤图像获得。

所述的卷积神经网络模型包含下采样和上采样两条路径，在步骤S2的训练中，下采样路径通过卷积来提升所生成的边界特征的可识别等级，上采样路径使用类掩码对所生成的边界特征进行识别解释，以实现皮肤表皮区和表皮-真皮交界区之间的边界的识别优化。

所述步骤S4包括以下步骤；