【技术实现步骤摘要】
一种基于几何位置关系损失函数的虹膜分割方法
[0001]本专利技术涉及虹膜分割
，具体涉及一种基于几何位置关系损失函数的虹膜分割方法。
技术介绍
[0002]虹膜识别是通过对虹膜图像的分析完成身份鉴别的一种生物特征识别技术。相比人脸识别、指纹识别等，虹膜不易通过手术改变，独特性高、稳定性强，具有超高的可靠性，在各个行业都具有广阔的应用前景。
[0003]虹膜分割是通过对人眼图像进行检测分析进而分割出图像中虹膜区域的一种技术。作为虹膜识别系统中重要的预处理步骤，虹膜分割的准确性严重影响到识别的准确度，因此虹膜分割方法是很重要的，是保障虹膜识别准确的关键技术之一。
[0004]近年来，随着深度学习技术的不断发展，基于深度学习的虹膜分割方法获得了普及，Liu Nianfeng在文献1中首次提出使用全卷积网络来进行虹膜分割，文献2使用了修改后的Deeplab网络用于虹膜、巩膜、瞳孔与背景区域的分割，文献3提出了基于注意力机制的改进UGNet模型用于虹膜分割。目前网络模型训练常用的Focal Loss损失...
【技术保护点】
【技术特征摘要】
1.一种基于几何位置关系损失函数的虹膜分割方法，其特征在于，包括如下步骤：(1)虹膜分割神经网络模型训练阶段：步骤1：获取虹膜训练样本集；步骤2：对步骤1中的虹膜训练样本进行三分类标注，得到真实类别样本图像，所述三分类为瞳孔、虹膜、背景三种类别，其中背景是样本图像中除去虹膜和瞳孔外的其它区域；步骤3：将步骤1中的虹膜训练样本输入预训练分割卷积神经网络，其输出为预测类别样本图像，针对预测类别样本图像与步骤2中得到的真实类别样本图像之间的误差计算损失函数Loss；步骤4：判断损失函数Loss是否达到收敛阈值，达到则结束训练，没有达到则重复步骤3直到预训练分割卷积神经网络的模型收敛，得到所需的虹膜分割神经网络模型；(2)虹膜分割阶段：步骤S01：准备需要进行虹膜区域分割的待测试虹膜图像；步骤S02：将待测试虹膜图像输入上述训练好的虹膜分割神经网络模型，得到待测试虹膜图像的三分类图像；步骤S03：根据获得的三分类图像，将代表虹膜的部分从待测试虹膜图像中分割，最终得到所需的虹膜区域。2....
【专利技术属性】
技术研发人员：刘中秋，张伟，陈高曙，
申请(专利权)人：浙江中正智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。