虹膜图像超分辨率重建方法及计算设备技术

本发明专利技术公开了一种生成虹膜图像超分辨率重建模型的方法，包括步骤：获取多个包含虹膜的高分辨率虹膜图像及其对应的低分辨率虹膜图像和低分辨率掩膜图像；将高分辨率虹膜图像和低分辨率虹膜图像输入初始的超分辨率重建模型的生成模型中，经处理后生成虹膜分割特征图、超分辨率虹膜图像、以及超分辨率虹膜图像的编码模板和高分辨率虹膜图像的编码模板；通过计算第一损失函数、第二损失函数、第三损失函数，来更新超分辨率重建模型的生成模型的参数，直到满足预定条件时，训练结束，得到训练好的超分辨率重建模型的生成模型；利用训练好的超分辨率重建模型的生成模型，生成虹膜图像超分辨率重建模型。本发明专利技术一并公开了相应的计算设备。设备。设备。

【技术实现步骤摘要】
虹膜图像超分辨率重建方法及计算设备


[0001]本专利技术涉及图像处理
，尤其涉及一种针对虹膜图像的超分辨率重建方案。

技术介绍

[0002]传统的身份识别主要依靠特定标志物（如身份证、工作证等）和特定知识（如口令、密码等），然而这些方法存在很多缺点，如携带不便、容易遗失、密码易被破解等。因此，需要更加安全、准确、防伪的身份认证技术来代替传统的身份识别。基于生物特征的识别正是针对此需要产生的识别技术。生物特征识别是对人类固有的生理或行为特征通过计算机处理后进行个人身份鉴定的技术。这些特征还具有普遍性、唯一性、稳定性、方便性等优点，并且很难模仿，能够有效克服传统身份识别方法的不足，是未来身份认证的一个发展趋势。
[0003]在众多的生物特征里面，虹膜特征因具有稳定性、唯一性和非侵犯性的特点，使其具有非常大的优势，有着广泛的市场前景和科学研究价值。尤其是近二十年，虹膜识别技术飞速发展，同时也得到了学术界、产业界和军队的广泛关注。
[0004]然而，在诸如边检站、出入境口岸、机场、治安检查站等场所，一般需要在一个稍远的距离内采集通行人员的虹膜图像，此时，得到的虹膜区域尺寸变小，不利于虹膜检测和定位。因此，需要将采集的虹膜图像放大，但简单地缩放操作会破坏虹膜的纹理信息，这不利于虹膜特征的准确提取，从而对虹膜识别产生不利影响。
[0005]鉴于上述原因，需要一种改进虹膜图像质量的方案，以提升远距离采集的虹膜图像的质量，从而提高虹膜识别的准确率。

技术实现思路

[0006]为此，本专利技术提供了一种虹膜图像超分辨率重建方法及计算设备，以力图解决或至少缓解上面存在的问题。
[0007]根据本专利技术的第一个方面，提供了一种生成虹膜图像超分辨率重建模型的方法，在计算设备中执行，包括步骤：获取多个包含虹膜的高分辨率虹膜图像及其对应的低分辨率虹膜图像和低分辨率掩膜图像；将高分辨率虹膜图像和低分辨率虹膜图像输入初始的超分辨率重建模型的生成模型中，经处理后生成虹膜分割特征图、超分辨率虹膜图像、以及超分辨率虹膜图像的编码模板和高分辨率虹膜图像的编码模板；通过计算低分辨率掩膜图像与虹膜分割特征图之间的第一损失函数、高分辨率虹膜图像与超分辨率虹膜图像之间的第二损失函数、高分辨率虹膜图像的编码模板与超分辨率虹膜图像的编码模板之间的第三损失函数，来更新超分辨率重建模型的生成模型的参数，直到满足预定条件时，训练结束，得到训练好的超分辨率重建模型的生成模型；利用训练好的超分辨率重建模型的生成模型，生成虹膜图像超分辨率重建模型。
[0008]可选地，在根据本专利技术的方法中，获取多个包含虹膜的高分辨率虹膜图像及其对应的低分辨率虹膜图像和低分辨率掩膜图像的步骤包括：采集多个包含虹膜的高分辨率虹
膜图像，作为训练样本；对各高分辨率虹膜图像分别进行下采样，得到对应的低分辨率虹膜图像；对各低分辨率虹膜图像分别进行虹膜分割，得到对应的低分辨率掩膜图像。
[0009]可选地，在根据本专利技术的方法中，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块、基于掩膜的注意力模块、上采样模块和虹膜识别模块。
[0010]可选地，根据本专利技术的方法还包括步骤：将低分辨率虹膜图像输入特征提取模块，生成低分辨率图像特征；利用基于掩膜的注意力模块，对低分辨率图像特征进行处理，并生成关于低分辨率虹膜图像的虹膜分割特征图和虹膜区域注意力特征图；通过上采样模块，对虹膜区域注意力特征图进行上采样处理，生成与高分辨率虹膜图像尺寸一致的超分辨率虹膜图像；将超分辨率虹膜图像与高分辨率虹膜图像输入训练好的虹膜识别模块中，对应得到超分辨率虹膜图像的编码模板和高分辨率虹膜图像的编码模板。
[0011]可选地，根据本专利技术的方法还包括步骤：利用高分辨率虹膜图像训练虹膜识别模块，以得到训练好的虹膜识别模块。
[0012]可选地，在根据本专利技术的方法中，特征提取模块包括1个卷积层和3个空洞残差组件；基于掩膜的注意力模块包括第一支路和第二支路，其中第一支路适于提取虹膜纹理特征，第二支路适于对低分辨率虹膜图像进行分割，生成虹膜分割特征图，基于掩膜的注意力模块还适于结合第一支路和第二支路，得到虹膜区域注意力特征图；上采样模块包括卷积层、上采样组件和子像素卷积层，其中，上采样组件适于对虹膜区域注意力特征图进行分块、缩放和卷积处理，并与卷积层的结果融合，以得到特征图，将特征图输入所述子像素卷积层，以输出超分辨率虹膜图像。
[0013]可选地，在根据本专利技术的方法中，虹膜图像超分辨率重建模型包括：训练好的特征提取模块、训练好的基于掩膜的注意力模块和训练好的上采样模块。
[0014]根据本专利技术的第二个方面，提供了一种虹膜图像超分辨率重建方法，在计算设备中执行，包括步骤：获取包含虹膜的低分辨率虹膜图像；将低分辨率虹膜图像输入虹膜图像超分辨率重建模型，经处理后输出对应的超分辨率虹膜图像，其中，虹膜图像超分辨率重建模型通过执行如上所述的方法来生成。
[0015]根据本专利技术的第三个方面，提供了一种计算设备，包括：至少一个处理器和存储有程序指令的存储器，当程序指令被处理器读取并执行时，使得计算设备执行上述方法。
[0016]根据本专利技术的第四个方面，提供一种存储有程序指令的可读存储介质，当程序指令被计算设备读取并执行时，使得计算设备执行上述方法。
[0017]根据本专利技术的技术方案，针对远距离采集虹膜图像时，虹膜区域尺寸过小，不利于虹膜检测的问题，构造了虹膜图像超分辨率重建模型的生成模型，并通过训练该生成模型，得到了虹膜图像超分辨率重建模型，能够对虹膜图像进行超分辨率重建，减少了单纯放大低分辨率虹膜图像时，所带来的纹理信息损失问题，提高了远距离虹膜识别的准确率。
[0018]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0019]为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方
面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
[0020]图1示出了根据本专利技术一个实施例的虹膜图像超分辨率重建系统100的示意图；图2示出了根据本专利技术一个实施例的计算设备200的示意图；图3示出了根据本专利技术一个实施例的生成虹膜图像超分辨率重建模型的方法300的流程图；图4示出了根据本专利技术一个实施例的超分辨率重建模型的生成模型400的结构示意图；图5A示出了根据本专利技术一个实施例的特征提取模块410的结构示意图；图5B示出了根据本专利技术一个实施例的空洞残差组件520的结构示意图；图6A示出了根据本专利技术一个实施例的基于掩膜的注意力模块420的结构示意图；图6B和图6C分别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种生成虹膜图像超分辨率重建模型的方法，在计算设备中执行，所述方法包括步骤：获取多个包含虹膜的高分辨率虹膜图像及其对应的低分辨率虹膜图像和低分辨率掩膜图像；将所述高分辨率虹膜图像和所述低分辨率虹膜图像输入初始的超分辨率重建模型的生成模型中，经处理后生成虹膜分割特征图、超分辨率虹膜图像、以及超分辨率虹膜图像的编码模板和高分辨率虹膜图像的编码模板；通过计算所述低分辨率掩膜图像与所述虹膜分割特征图之间的第一损失函数、所述高分辨率虹膜图像与所述超分辨率虹膜图像之间的第二损失函数、所述高分辨率虹膜图像的编码模板与所述超分辨率虹膜图像的编码模板之间的第三损失函数，来更新所述超分辨率重建模型的生成模型的参数，直到满足预定条件时，训练结束，得到训练好的超分辨率重建模型的生成模型；利用所述训练好的超分辨率重建模型的生成模型，生成虹膜图像超分辨率重建模型。2.如权利要求1所述的方法，其中，所述获取多个包含虹膜的高分辨率虹膜图像及其对应的低分辨率虹膜图像和低分辨率掩膜图像的步骤包括：采集多个包含虹膜的高分辨率虹膜图像，作为训练样本；对各高分辨率虹膜图像分别进行下采样，得到对应的低分辨率虹膜图像；对各低分辨率虹膜图像分别进行虹膜分割，得到对应的低分辨率掩膜图像。3.如权利要求2所述的方法，其中，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块、基于掩膜的注意力模块、上采样模块和虹膜识别模块。4.如权利要求3所述的方法，其中，所述将高分辨率虹膜图像和低分辨率虹膜图像输入初始的超分辨率重建模型的生成模型中，经处理后生成虹膜分割特征图、超分辨率虹膜图像、以及超分辨率虹膜图像的编码模板和高分辨率虹膜图像的编码模板的步骤包括：将所述低分辨率虹膜图像输入所述特征提取模块，生成低分辨率图像特征；利用所述基于掩膜的注意力模块，对所述低分辨率图像特征进行处理，并生成关于所述低分辨率虹膜图像的虹膜分割特征图和虹膜区域注意力特征图；通过所述上采样模块，对所述虹膜区域注意力特征图进行上采样处理，生成与所述高分辨率虹膜图像尺寸一致的超分辨率虹膜图像；将所述超分辨率虹膜图像与所述高分辨率虹膜图像输入训练好的虹膜识别模块中，对应得到超分辨率虹膜图像的编码模板和高分辨率虹膜图像的编码模板。5.如权利要求4所述的方法，其中，在将所述高分辨率虹膜图像和所述低分辨率虹膜图像输入初始的超分辨率重建模型的生成模型之...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：北京万里红科技股份有限公司，
类型：发明
国别省市：