摘要
针对虹膜图像采集时可能出现不完整的情况,本文提出了一种基于GAN的虹膜数据增强模型,该模型是一个端到端的图像恢复系统。本文的工作如下:选取了pix2pix GAN网络架构,生成器采用U-Net网络架构并进行改进,判别器采用patchGAN网络并进行改进。基于印度德里学院IITD虹膜图像,以原始图像左侧切割1/3、原始图像左侧切割1/2、原始图像上侧切割2/3、原始图像下侧切割2/3这4种方式进行了切割,以得到较为丰富的残缺虹膜图像数据集。基于残缺虹膜图像数据集对所设计的GAN网络进行训练并通过评价指标对图像进行评价。实验结果表明,改进GAN所生成的修复图像具有较好的视觉与客观评价效果,在Resnet-18分类器上,修复图像的准确率高达96.65%,基于PSNR和SSIM的结果高于4dB,上述结果充分说明本文算法的有效性。
- 单位