[發明專利]一種虹膜圖像中虹膜區域的分割方法及其裝置

有效

• 申請號: 201611242734.6
• 申請日: 2016-12-29
• 公開（公告）號: CN106778664B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 譚鐵牛;孫哲南;李海青;張曼;張琪;劉年豐
• 申請（專利權）人: 天津中科智能識別產業技術研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/02
• 代理公司: 天津市三利專利商標代理有限公司 12107
• 代理人: 閆俊芬

1.一種虹膜圖像中虹膜區域的分割方法，其特征在于，包括步驟：

第一步：建立多尺度的卷積神經網絡，所述卷積神經網絡包括依次對所輸入的圖像進行處理的卷積層和采樣層；

第二步：預先對一個預先選擇的虹膜圖像中的預設關鍵點進行標注；

第三步：將已標注預設關鍵點的所述虹膜圖像輸入到所述卷積神經網絡中，對所述卷積神經網絡進行訓練，使得卷積神經網絡的模型收斂；

第四步：將需要進行虹膜區域分割的待測試虹膜圖像，輸入到完成訓練的所述卷積神經網絡中，獲得所述待測試虹膜圖像的二值編碼圖，該二值編碼圖即為最終分割好的虹膜區域；

卷積神經網絡的網絡結構為：以現有的VGG-19 layers的模型為基礎，只由卷積層和下采樣層組合而成，然后從前至后分別將圖像輸入層，pool3、pool6、pool9、pool12、pool16這五個下采樣層的五個輸出結果，在圖像融合輸出層進行融合后輸出；

所述第二步具體為：將所述預先選擇的虹膜圖像中分別屬于虹膜的像素和非虹膜像素的預設關鍵點分別進行標注；

所述虹膜圖像中屬于虹膜的像素的預設關鍵點包括黑色瞳孔和白色鞏膜；所述非虹膜像素的預設關鍵點包括頭發，眼皮，睫毛和光斑；

所述第三步具體為：

將已標注預設關鍵點的所述虹膜圖像輸入到所述卷積神經網絡中，使用隨機梯度下降法對所述卷積神經網絡進行訓練，并通過前向傳播算法計算輸入虹膜圖像的每個像素的類別，通過計算其與所述虹膜圖像預先標注好的真實類別之間的誤差，使用反向傳播方法進行卷積層參數的更替，對所述卷積神經網絡的模型進行訓練，直至模型收斂，完成訓練過程；

卷積神經網絡的圖像融合輸出層的輸出圖像，與原輸入的圖像大小一致，在第三步中，針對所述多個下采樣層的每一個輸出圖像與已標注關鍵點的虹膜圖像進行誤差計算，其損失函數loss如下：

其中，x(p，q)為圖像中每個像素的坐標，在像素(p,q)點的損失計算為J；θ為模型的參數；1{y(p,q)＝j}表示當y(p,q)＝j的時候，該表達式等于1，否則為0。

2.如權利要求1所述的方法，其特征在于，所述虹膜的像素與非虹膜像素分別標注為二進制碼0和1。