[发明专利]基于深度学习的虹膜图像分割及定位方法、系统、装置

摘要

本发明属于模式识别、计算机视觉与图像处理领域，具体涉及了一种基于深度学习的虹膜图像分割及定位方法、系统、装置，旨在解决非可控场景下虹膜识别精度不高的问题。本发明方法包括：获取待处理虹膜图像；采用多任务神经网络模型生成四个映射图，分别对应瞳孔中心、虹膜内边界、虹膜外边界和虹膜分割掩模；采用阈值分割处理虹膜分割掩模映射图，完成虹膜分割；根据瞳孔中心与虹膜掩模的几何关系预测瞳孔中心位置；利用瞳孔、虹膜、巩膜之间的几何关系对映射图去噪及计算，得到虹膜内外圆参数，完成虹膜定位。本发明可对非可控环境下采集的虹膜图像进行有效的分割定位，为后续归一化和识别打下良好的基础，提高了非可控环境下虹膜识别的精度。

主权项

1.一种基于深度学习的虹膜图像分割方法，其特征在于，包括：步骤S10，获取待处理虹膜图像，作为第一虹膜图像；步骤S20，将所述第一虹膜图像输入训练好的全卷积编解码多任务神经网络模型进行前向传播，得到第一瞳孔中心映射图、第一虹膜内边界映射图、第一虹膜外边界映射图和第一虹膜分割掩模映射图；步骤S30，采用阈值分割处理所述第一虹膜分割掩模映射图，获得二值虹膜分割掩模图，完成虹膜分割；所述训练好的全卷积编解码多任务神经网络模型，其获取方式为：步骤S21，获取虹膜图像，作为第二虹膜图像，对所述第二虹膜图像进行标记，获得第三虹膜图像；融入注意力机制，构建全卷积的编解码多任务神经网络；步骤S22，将所述第三虹膜图像输入所述全卷积的编解码多任务神经网络进行训练，获得训练好的全卷积的编解码多任务神经网络模型。