[发明专利]一种自动获取虹膜内外圆边界坐标的方法

说明书

本发明公开了一种自动获取虹膜内外圆边界坐标的方法，其包括步骤：步骤S1，将原始人眼虹膜图像输入到卷积神经网络中，获得对应的特征图；步骤S2，将每个卷积层所输出的特征图，分别上采样到与原始人眼虹膜图像相同的尺寸大小，然后拼接获得拼接后的特征图；步骤S3，将拼接后的特征图分别输入到第一多层感知机和第二多层感知机中，预测获得虹膜外圆和虹膜内圆的参数化主动轮廓模型所需的参数；步骤S4，将预测得到的参数分别输入到对应的参数化主动轮廓模型中，得到虹膜外圆和虹膜内圆的边界坐标。本发明提能够自动地从人眼虹膜图像中获取到虹膜内外圆的边界坐标，准确定位虹膜的内外圆边界，为后续虹膜归一化提供准确的输入参数。

技术领域

本发明涉及图像识别技术领域，特别是涉及一种自动获取虹膜内外圆边界坐标的方法。

背景技术

目前，虹膜识别作为一种生物特征识别技术，比人脸和指纹识别更具有安全性，也是公认的最精确有效的生物特征识别方法。

但是，在实际应用中，仍遇到许多技术挑战，尤其在某些复杂不可控的场景下采集到的人们的虹膜图像，因为存在光照、距离、遮挡等诸多变化，导致传统分割算法在精确地分割出虹膜区域时有些困难。

而现有的基于深度学习的虹膜分割的方法中，大部分方法是通过对图像像素的分类实现虹膜区域的分割，这些方法存在的问题是：常常会出现过分割和欠分割的问题，无法明确地定位虹膜的内外圆边界。而定位虹膜内外圆边界是虹膜分割的重要步骤，是后续虹膜归一化算法的重要输入参数。因此准确定位虹膜的内外圆边界，对保证虹膜识别的整体准确性，具有十分重要的意义。

但是，目前还没有一种技术，能够准确定位虹膜的内外圆边界，从而保证虹膜识别的整体准确性。

发明内容

本发明的目的是针对现有技术存在的技术缺陷，提供一种自动获取虹膜内外圆边界坐标的方法。

为此，本发明提供了一种自动获取虹膜内外圆边界坐标的方法，包括以下步骤：

步骤S1，将原始人眼虹膜图像输入到卷积神经网络中，通过卷积神经网络提取获得所述原始人眼虹膜图像对应的特征图；

其中，所述原始人眼虹膜图像对应的特征图，是由卷积神经网络中每个卷积层所输出的特征图；

步骤S2，通过卷积神经网络，将每个卷积层所输出的特征图，分别上采样到与原始人眼虹膜图像相同的尺寸大小，然后将上采样过的全部卷积层所输出的特征图按通道进行拼接，获得拼接后的特征图；

步骤S3，将步骤S2获得的拼接后的特征图，分别输入到结构相同的第一多层感知机和第二多层感知机中，通过第一多层感知机和第二多层感知机分别预测获得虹膜外圆的参数化主动轮廓模型所需的参数和虹膜内圆的参数化主动轮廓模型所需的参数；

步骤S4，训练获得虹膜外圆的参数化主动轮廓模型和虹膜内圆的参数化主动轮廓模型，然后将通过步骤S3获得的虹膜外圆的参数化主动轮廓模型所需的参数和虹膜外圆初始的轮廓点坐标，输入到相对应的虹膜外圆参数化主动轮廓模型中，以及将通过步骤S3获得的虹膜内圆的参数化主动轮廓模型所需的参数和虹膜内圆初始的轮廓点坐标，输入到相对应的虹膜内圆参数化主动轮廓模型中，分别得到虹膜外圆的边界坐标和虹膜内圆的边界坐标。

优选地，步骤S1具体包括以下步骤：

步骤S11，卷积神经网络对输入的原始人眼虹膜图像进行数据增广处理，得到数据增广处理后的人眼虹膜图像；

步骤S12，对步骤S11得到的数据增广处理后的人眼虹膜图像，进行归一化处理，得到归一化的人眼虹膜图像；

步骤S13，将步骤S12得到的归一化的人眼虹膜图像，输入到卷积神经网络中，提取获得所述原始人眼虹膜图像对应的特征图。

优选地，在步骤S3中，第一层多层感知机和第二多层感知机是通过以下步骤训练得到的：