科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于深度学习的虹膜识别方法,其方法为：设计一个包含新的跳跃连接的虹膜分割网络模型,学习有GT的图像对真实虹膜区域定位的特征,并对所有的其他低质虹膜图像进行泛化,得到对应的掩码图像。设计一个不包含归一化的,有空间密集块的虹膜识别网络模型,对分割得到的掩码图像与对应的原图像进行逐像素的逻辑与和裁剪操作,将其作为识别网络的输入,识别网络通过输出得到1×1×C的类别估计概率矩阵。本发明的有益效果是：能提高低质且无GT图像的虹膜图像的分割性能和识别性能,且对不同类型低质虹膜图像的分割和识别性能均能实现有效提升。
- 单位
