1.一种基于度量学习的指静脉图像质量评估方法，其特征在于，包括以下步骤：基于已知质量的指静脉图像合成不同程度的低质量图像；根据具有对比关系的分级的图像训练孪生网络，让网络学习图像对的排序关系；取孪生网络的一分支在少量数据集上进行fine‑turning，得到可以评估单张图像的卷积网络。

2.如权利要求1所述的一种基于度量学习的指静脉图像质量评估方法，其特征在于：基于已知质量的指静脉图像合成不同程度的低质量图像包括以下步骤，挑选匹配正确的高质量图像，作为原始图像，然后根据不同的强度生成不同类型的失真图像，并保证失真图像与原始图像的相似度小于判别阈值。

3.如权利要求1所述的一种基于度量学习的指静脉图像质量评估方法，其特征在于：根据具有对比关系的分级的图像训练孪生网络，让网络学习图像对的排序关系；取孪生网络的一分支在少量数据集上进行fine‑turning，得到可以评估单张图像的卷积网络的具体步骤为：提出了一种学习图像质量间相对关系的孪生网络，首先，通过sigmoid函数建模图像质量高低的对比关系，然后，结合交叉熵损失设计网络的优化目标，最后，基于梯度下降算法对孪生网络进行参数优化，取网络的一分支进行fine‑turning，得到指静脉图像质量评估网络。