基于SRN-UNet的低质量虹膜分割算法

作者：田会娟; 翟佳豪; 柳建新; 刘嘉伟; 邓琳琳

来源：光子学报, 2022, 51(02): 251-259.

• 图像分割
• 虹膜图像
• 低质量
• U-Net
• 深度学习

针对低质量虹膜图像分割精度低问题，提出一种基于SRN-UNet(SEResNext-UNet)的虹膜分割算法。在编码阶段增加SE-ResNext模块，该模块在RexNext模块后级联SENet(Squeeze-andExcitation Network)模块，以聚焦目标特征，在不增加网络参数的情况下提升分割精度和网络性能。在解码阶段的上采样层降低模型参数量，以提升训练速度。为解决图像类别不均衡问题，结合两种损失函数Dice Loss和Focal Loss训练SRN-UNet网络。基于CASIA-Iris数据集和自建的低质量虹膜图像数据集的实验结果表明，与其它算法相比，所提算法在视觉效果和客观评价指标上均有较好分割效果。与U-Net算法相比，所提算法的平均交并比、F1分数与精确率分别提升了4.20%、2.27%、5.38%，且运行速度高于U-Net。

• 单位
  电子工程学院; 天津工业大学