一种基于深度神经网络的高效虹膜图像质量评价新方法技术

本发明专利技术公开了一种基于深度神经网络的高效虹膜图像质量评价新方法，使用特征提取模型提取输入图像中的虹膜图像的特征图，然后使用重建模型由虹膜图像的特征图估计虹膜有效区域热力图，最后质量预测模型将虹膜有效区域作为感兴趣区域，由特征图计算虹膜图像整体质量分数。本发明专利技术方法不需要对采集得到的眼部图像进行其他预处理或经过分割定位等流程，可以直接使用深度神经网络对眼部图像进行全局特征提取，并根据提取到的特征自动估计虹膜有效区域热力图，将虹膜全局特征和有效区域热力图使用视觉注意力机制进行结合，对虹膜图像进行质量评价。本发明专利技术提出的虹膜图像质量评价方法流程简捷，计算速度快，鲁棒性和适应性强。

A new method of iris image quality evaluation based on depth neural network

【技术实现步骤摘要】
一种基于深度神经网络的高效虹膜图像质量评价新方法
本专利技术涉及虹膜图像质量评价
，尤其涉及一种基于深度神经网络的高效虹膜图像质量评价新方法。
技术介绍
虹膜识别作为一种高效且稳定的生物特征识别方法，相较于人脸、指纹等其他生物特征识别手段，具有高度安全性，高度稳定性，防伪性能好等优势，已经广泛的应用于通关、安防、考勤、金融、社保等多种需要精准身份认证的场景中。虹膜识别的流程一般包括图像获取、虹膜分割定位、归一化、特征提取、匹配等环节。虹膜图像质量评价是虹膜图像预处理的重要步骤，一般是指计算采集到图像包括且不限于图像模糊度、虹膜区域有效面积、瞳孔-虹膜直径比等虹膜图像质量因数，并由质量因数计算总体虹膜图像质量分数。现有的虹膜图像质量评价方法在虹膜识别的不同阶段计算不同的虹膜图像质量因数，最后将这些质量因数融合得到整体的虹膜图像质量分数。其中图像模糊度计算中使用的基于频谱方向分析计算速度慢，对整个系统的性能有较大影响。以及如虹膜区域有效面积、瞳孔-虹膜直径比等质量因数的计算依赖于虹膜定位与分割的结果，而现有的虹膜定位与分割方法在低质量本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的高效虹膜图像质量评价新方法，其特征在于，/n输入的眼部图像表示为I

【技术特征摘要】
1.一种基于深度神经网络的高效虹膜图像质量评价新方法，其特征在于，
输入的眼部图像表示为Ieyes，Ieyes图像经过预训练的深度神经网络等特征提取模型E(x)得到1280张眼部图像的特征图Feyes，其计算方式如下：
Feyes＝E(Ieyes)(1)
Feyes的尺寸为原始图像的其值在-1到1之间，具体的，特征提取模型E(x)结构，包括2个卷积层、7个逆残差模块，每个逆残差模块中包括2个卷积核大小为1的卷积层、1个卷积核大小为3的深度可分离卷积层和2个ReLu6激活层，Shortcut为短路连接，即直接将输入于卷积结果逐像素相加；
然后，将1280张特征图Feyes输入经过预训练的深度神经网络重建模型R(x)到虹膜有效区域热力图Hiris...

【专利技术属性】
技术研发人员：孙哲南，王乐源，张堃博，王云龙，
申请(专利权)人：天津中科智能识别产业技术研究院有限公司，
类型：发明
国别省市：天津;12