[发明专利]一种虹膜图像分割方法、装置、电子设备及存储介质

说明书

本发明公开了一种虹膜图像分割方法、装置、电子设备及存储介质，该方法包括：获取虹膜图像；对获取的虹膜图像进行预处理操作，获取预处理之后的虹膜图像；根据训练的轻量级分割模型对预处理过的虹膜图像进行分割，得到分割掩膜；通过后处理方式得到虹膜的内外圆定位及虹膜区域，为后续虹膜归一化提供了准确可靠的参数。本发明利用轻量级分割模型来实现快速准确的虹膜分割，有效地解决常规虹膜分割算法中速度慢、效率低的难题，为后续的虹膜特征分析提供快速可靠的虹膜区域特征。

技术领域

本发明属于生物识别技术领域，特别涉及一种虹膜图像分割方法、装置、电子设备及存储介质。

背景技术

目前，虹膜识别作为一种生物特征识别技术，比人脸和指纹识别更具有安全性，也是公认的最精确有效的生物特征识别方法。但是在实际应用中，仍遇到许多技术挑战，尤其在现有的常规的虹膜分割算法中，深度学习的模型参数多，所需的计算资源大，很难达到实时有效的效果。

发明内容

针对现有技术的以上缺陷或改进需求，本发明的目的在于提供了一种虹膜图像分割方法、装置、电子设备及存储介质，结合轻量级分割模型和后处理方式解决常规的分割模型存在的模型大，参数多，效率低等问题。

为了实现上述目的，

第一方面，本发明提供了一种虹膜图像分割方法，包括以下步骤：

步骤1：获取虹膜图像；

步骤2：将步骤1得到的虹膜图像进行预处理操作，得到预处理后的虹膜图像；

步骤3：将步骤2得到的预处理后的虹膜图像输入到训练好的轻量级分割模型，得到对应的分割掩膜；

步骤4：将步骤3得到的分割掩膜通过后处理方式获得虹膜的内外圆边界以及虹膜区域。

其中，步骤1中所述虹膜图像是可见光照明条件下与近红外条件下采集的混合虹膜数据集。

其中，步骤2中对获取的虹膜图像进行预处理操作包括以下子步骤：

步骤2-1：对每一幅待分割的人眼虹膜图像进行随机增强操作，以得到随机增强后的图像，构成虹膜图像的预处理数据集；

步骤2-2：对每一幅随机增强后的人眼虹膜图像进行归一化操作，以得到归一化的虹膜图像，构成虹膜图像的预处理训练数据集。

其中，所述轻量级分割模型的网络结构如下：

第一层是输入层，其输入为480*640*3像素的矩阵；

第二层为卷积层，其卷积核尺寸为3*3*32，步长为2，第二层使用SAME模式填充，其输出矩阵的大小为240*320*32；

第三层为卷积层，其卷积核尺寸为3*3*32，步长为1，该层使用SAME模式填充，其输出矩阵的大小为240*320*32；

第四层为卷积层，其卷积核尺寸为3*3*32，步长为1，第四层使用SAME模式填充，其输出矩阵的大小为240*320*32，记为output0；

与此同时，第一层输入矩阵经过池化窗口为3*3，步长为2，SAME模式填充的平均池化层，得到的输出矩阵为240*320*3，记为branch0；

第五层是拼接层，第五层将output0的通道与branch0的通道进行拼接，得到的输出矩阵为240*320*35；

第六层是下采样特征提取卷积块，输出矩阵大小为120*160*64，记为down0；

第七层与第八层均为特征提取卷积块，其输出大小均为120*160*64，第八层的输出记为output1；