[發(fā)明專利]虹膜圖像超分辨率重建方法及計(jì)算設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202110323163.3
• 申請(qǐng)日: 2021-03-26
• 公開（公告）號(hào): CN112712468B
• 公開（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 張小亮;王秀貞;戚紀(jì)綱;楊占金;其他發(fā)明人請(qǐng)求不公開姓名
• 申請(qǐng)（專利權(quán)）人: 北京萬里紅科技股份有限公司
• 主分類號(hào): G06T3/40
• 分類號(hào): G06T3/40;G06T7/11;G06K9/62;G06K9/00
• 代理公司: 北京思睿峰知識(shí)產(chǎn)權(quán)代理有限公司 11396
• 代理人: 高攀;趙愛軍

1.一種生成虹膜圖像超分辨率重建模型的方法，在計(jì)算設(shè)備中執(zhí)行，所述方法包括步驟：

獲取多個(gè)包含虹膜的高分辨率虹膜圖像及其對(duì)應(yīng)的低分辨率虹膜圖像和低分辨率掩膜圖像，包括：采集多個(gè)包含虹膜的高分辨率虹膜圖像；對(duì)各高分辨率虹膜圖像分別進(jìn)行下采樣，得到對(duì)應(yīng)的低分辨率虹膜圖像；對(duì)各低分辨率虹膜圖像分別進(jìn)行虹膜分割，得到對(duì)應(yīng)的低分辨率掩膜圖像；

將所述高分辨率虹膜圖像和所述低分辨率虹膜圖像輸入初始的超分辨率重建模型的生成模型中，經(jīng)處理后生成虹膜分割特征圖、超分辨率虹膜圖像、以及超分辨率虹膜圖像的編碼模板和高分辨率虹膜圖像的編碼模板，所述超分辨率重建模型的生成模型包括：相互耦接的特征提取模塊、基于掩膜的注意力模塊、上采樣模塊和虹膜識(shí)別模塊，其中，

將所述低分辨率虹膜圖像輸入所述特征提取模塊，生成低分辨率圖像特征；

利用所述基于掩膜的注意力模塊，對(duì)所述低分辨率圖像特征進(jìn)行處理，并生成關(guān)于所述低分辨率虹膜圖像的虹膜分割特征圖和虹膜區(qū)域注意力特征圖；

通過所述上采樣模塊，對(duì)所述虹膜區(qū)域注意力特征圖進(jìn)行上采樣處理，生成與所述高分辨率虹膜圖像尺寸一致的超分辨率虹膜圖像；

將所述超分辨率虹膜圖像與所述高分辨率虹膜圖像輸入訓(xùn)練好的虹膜識(shí)別模塊中，對(duì)應(yīng)得到超分辨率虹膜圖像的編碼模板和高分辨率虹膜圖像的編碼模板；

通過計(jì)算所述低分辨率掩膜圖像與所述虹膜分割特征圖之間的第一損失函數(shù)、所述高分辨率虹膜圖像與所述超分辨率虹膜圖像之間的第二損失函數(shù)、所述高分辨率虹膜圖像的編碼模板與所述超分辨率虹膜圖像的編碼模板之間的第三損失函數(shù)，來更新所述超分辨率重建模型的生成模型的參數(shù)，直到滿足預(yù)定條件時(shí)，訓(xùn)練結(jié)束，得到訓(xùn)練好的超分辨率重建模型的生成模型；

利用所述訓(xùn)練好的超分辨率重建模型的生成模型，生成虹膜圖像超分辨率重建模型。

2.如權(quán)利要求1所述的方法，其中，在將所述高分辨率虹膜圖像和所述低分辨率虹膜圖像輸入初始的超分辨率重建模型的生成模型之前，還包括：

利用所述高分辨率虹膜圖像訓(xùn)練所述虹膜識(shí)別模塊，以得到訓(xùn)練好的虹膜識(shí)別模塊。

3.如權(quán)利要求2所述的方法，其中，

所述第一損失函數(shù)L1_loss通過下式計(jì)算：

，

其中，K表示低分辨率掩膜圖像的像素?cái)?shù)； 表示低分辨率掩膜圖像中第i個(gè)像素的標(biāo)簽，如果像素屬于虹膜區(qū)域，則其對(duì)應(yīng)的標(biāo)簽值為1，否則為0；表示在虹膜分割特征圖中預(yù)測(cè)的第i個(gè)像素屬于虹膜區(qū)域的概率值；

所述第二損失函數(shù)L2_loss通過下式計(jì)算：

，

其中，m表示高分辨率虹膜圖像的像素?cái)?shù)，I_SR為超分辨率虹膜圖像，I_HR為高分辨率虹膜圖像；

所述第三損失函數(shù)L3_loss通過下式計(jì)算：

，或，，

其中，n表示編碼模板的長度，表示超分辨率虹膜圖像的編碼模板，表示高分辨率虹膜圖像的編碼模板。

4.如權(quán)利要求3所述的方法，其中，

所述特征提取模塊包括1個(gè)卷積層和3個(gè)空洞殘差組件；

所述基于掩膜的注意力模塊包括第一支路和第二支路，其中所述第一支路適于提取虹膜紋理特征，所述第二支路適于對(duì)低分辨率虹膜圖像進(jìn)行分割，生成虹膜分割特征圖，所述基于掩膜的注意力模塊還適于結(jié)合第一支路和第二支路，得到虹膜區(qū)域注意力特征圖；

所述上采樣模塊包括卷積層、上采樣組件和子像素卷積層，其中，所述上采樣組件適于對(duì)所述虹膜區(qū)域注意力特征圖進(jìn)行分塊、縮放和卷積處理，并與所述卷積層的結(jié)果融合，以得到特征圖，將所述特征圖輸入所述子像素卷積層，以輸出所述超分辨率虹膜圖像。

5.如權(quán)利要求4所述的方法，其中，

所述虹膜圖像超分辨率重建模型包括：訓(xùn)練好的特征提取模塊、訓(xùn)練好的基于掩膜的注意力模塊和訓(xùn)練好的上采樣模塊。