本發(fā)明涉及圖像處理，具體的說(shuō)，涉及了一種基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法。

背景技術(shù)：

1、指靜脈圖像處理是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要分支，是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究方向，旨在對(duì)指靜脈圖像進(jìn)行分析、處理和理解，使計(jì)算機(jī)能夠理解和識(shí)別指靜脈特征。

2、目前，指靜脈圖像處理領(lǐng)域面臨著一些挑戰(zhàn)和關(guān)鍵難題，主要包括：

3、(1)圖像分類(lèi)和識(shí)別：指靜脈圖像中存在大量的類(lèi)別和變化，如不同物體、不同角度和不同光照條件。因此，有效的圖像分類(lèi)和識(shí)別算法需要具備對(duì)不同類(lèi)別的魯棒性和泛化能力；

4、(2)目標(biāo)檢測(cè)和定位：在指靜脈圖像中準(zhǔn)確地檢測(cè)和定位目標(biāo)是一項(xiàng)具有挑戰(zhàn)性的任務(wù)，這涉及到對(duì)目標(biāo)的形狀、尺度、姿態(tài)和背景的變化進(jìn)行建模，以實(shí)現(xiàn)準(zhǔn)確的目標(biāo)檢測(cè)和定位；

5、(3)圖像分割：圖像分割是將圖像分成具有語(yǔ)義意義的區(qū)域的過(guò)程。自然圖像中的目標(biāo)通常具有復(fù)雜的形狀和紋理，而且它們可能重疊、遮擋或與背景相似，這增加了圖像分割的挑戰(zhàn)性；

6、(4)圖像去噪和增強(qiáng)：指靜脈圖像中常常存在噪聲和失真，這可能來(lái)自圖像采集設(shè)備、壓縮算法或其他環(huán)境因素。因此，圖像去噪和增強(qiáng)是自然圖像處理中的重要問(wèn)題，旨在提高圖像質(zhì)量和清晰度。；

7、(5)特征提取和表示：指靜脈圖像中的對(duì)象和場(chǎng)景通常具有豐富的特征和結(jié)構(gòu)。因此，有效的特征提取和表示方法對(duì)于指靜脈圖像處理至關(guān)重要。這包括局部特征提取、上下文建模和多尺度分析等技術(shù)。

8、雖然深度學(xué)習(xí)等技術(shù)已應(yīng)用在指靜脈圖像處理領(lǐng)域，但受制于過(guò)于復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，許多識(shí)別方法很難在小規(guī)模指靜脈數(shù)據(jù)集上表現(xiàn)出良好性能。因此，如何權(quán)衡速度和準(zhǔn)度之間的關(guān)系是一個(gè)值得研究的問(wèn)題。

9、為了解決以上存在的問(wèn)題，人們一直在尋求一種理想的技術(shù)解決方案。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的不足，從而提供一種基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明第一方面提供一種基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法，所述方法包括以下步驟：

3、預(yù)先構(gòu)建多尺度多階段殘差注意力網(wǎng)絡(luò)模型，所述多尺度多階段殘差注意力網(wǎng)絡(luò)模型包括預(yù)處理單元、融合殘差注意力單元和后處理單元；

4、獲取待處理指靜脈圖像，利用所述預(yù)處理單元，對(duì)所述待處理指靜脈圖像進(jìn)行線(xiàn)性特征提取及過(guò)濾，得到指靜脈的目標(biāo)特征；

5、利用所述融合殘差注意力模塊對(duì)指靜脈的目標(biāo)特征及融合，得到指靜脈融合特征；

6、利用所述后處理單元對(duì)所述指靜脈融合特征進(jìn)行處理，使特征圖映射到0至1區(qū)間，輸出權(quán)值最大的結(jié)果

7、為了實(shí)現(xiàn)上述目的，本發(fā)明第二方面提供一種基于多尺度多階段殘差注意力網(wǎng)絡(luò)的輕量化圖像處理裝置，包括：存儲(chǔ)器以及耦接至所述存儲(chǔ)器的處理器，所述處理器被配置為基于存儲(chǔ)在所述存儲(chǔ)器中的指令，執(zhí)行上述的基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法的程序。

8、為了實(shí)現(xiàn)上述目的，本發(fā)明第三方面提供一種非瞬時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法。

9、本發(fā)明的有益效果為：

10、為適應(yīng)自然圖像的低分辨率、灰度像素和線(xiàn)狀圖案的特點(diǎn)，本發(fā)明引入殘差注意力機(jī)制，提出了一種多尺度多階段殘差注意力網(wǎng)絡(luò)模型，通過(guò)融合殘差注意力單元中兩條路徑綜合了不同學(xué)習(xí)階段提取的圖像特征，能夠有效地提取各種類(lèi)型的圖像特征，將不同維度的圖像特征組合在一起，進(jìn)一步提高了提取高層抽象特征的模型性能。

技術(shù)特征：

1.一種基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法，其特征在于：所述預(yù)處理單元包括依次連接的卷積層、最大池化層和殘差塊，所述預(yù)處理單元的卷積層用于對(duì)所述待處理指靜脈圖像淺層的線(xiàn)性特征進(jìn)行提取，所述預(yù)處理單元的最大池化層對(duì)提取出的淺層線(xiàn)性特征進(jìn)行過(guò)濾，所述預(yù)處理單元的殘差塊用于將過(guò)濾后的淺層線(xiàn)性特征映射為非線(xiàn)性模式。

3.根據(jù)權(quán)利要求1所述的基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法，其特征在于：所述后處理單元包括依次連接的殘差塊ⅰ、殘差塊ⅱ、inception模塊、最大池化層、殘差塊ⅲ、平均池化層ⅰ、平均池化層ⅱ和softmax函數(shù)模塊。

4.根據(jù)權(quán)利要求1所述的基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法，其特征在于：所述融合殘差注意力單元包括主特征提取模塊mvp、引導(dǎo)注意力模塊gap和多階段殘差注意力連接模塊mrac，

5.一種基于多尺度多階段殘差注意力網(wǎng)絡(luò)的輕量化圖像處理裝置，包括：

6.一種非瞬時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-4任一項(xiàng)所述的基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法。

技術(shù)總結(jié)
本發(fā)明提供了一種基于多尺度多階段殘差注意力網(wǎng)絡(luò)的圖像處理方法，所述方法包括以下步驟：預(yù)先構(gòu)建多尺度多階段殘差注意力網(wǎng)絡(luò)模型，所述多尺度多階段殘差注意力網(wǎng)絡(luò)模型包括預(yù)處理單元、融合殘差注意力單元和后處理單元；獲取待處理指靜脈圖像，利用所述預(yù)處理單元，對(duì)所述待處理指靜脈圖像進(jìn)行線(xiàn)性特征提取及過(guò)濾，得到指靜脈的目標(biāo)特征；利用所述融合殘差注意力模塊對(duì)指靜脈的目標(biāo)特征及融合，得到指靜脈融合特征；利用所述后處理單元對(duì)所述指靜脈融合特征進(jìn)行處理，使特征圖映射到0至1區(qū)間，輸出權(quán)值最大的結(jié)果。因此，本發(fā)明能夠有效地提取各種類(lèi)型的圖像特征，兼顧準(zhǔn)確率和速度。

技術(shù)研發(fā)人員：王一凡,林承林,鐘澤熠,祁國(guó)蓮,潘晨宇,薛涵,桑鵬程,馬菘哲
受保護(hù)的技術(shù)使用者：長(zhǎng)春工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19