买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津中科智能识别产业技术研究院有限公司

摘要：本发明公开了一种人眼虹膜图像中虹膜区域自动分割方法和系统，方法包括以下步骤：获取数据集，对获取的数据集进行预处理操作，以得到预处理数据集，将得到的预处理数据集输入训练好的深度卷积神经网络中，一方面通过从训练好的网络中提取的特征上采样到训练好的解码器中得到每幅人眼虹膜图像中虹膜外圆区域的位置，另一方面通过融合多个特征提取层的特征预测得到基于梯度向量流的主动轮廓模型的参数，由此拟合得到虹膜的内圆位置。本发明通过采用端到端的编码器‑解码器结构混合基于梯度向量流的主动轮廓模型实现端到端的虹膜分割，有利于虹膜区域内外边界的拟合与定位，为后续的虹膜归一化提供准确的输入参数。

主权项：1.一种人眼虹膜图像中虹膜区域自动分割方法，其特征在于，包括以下步骤：步骤一：获取人眼虹膜图像数据集；步骤二：对步骤一中获取的数据集进行预处理操作，以得到预处理数据集；步骤三：将步骤二得到的预处理数据集输入训练好的深度卷积神经网络中；步骤四：将从步骤三中训练好的网络中提取骨干网卷积层的特征上采样到训练好的解码器中，得到每幅人眼虹膜图像中虹膜外圆区域的位置；步骤五：将从步骤三中训练好的网络中提取到的多个特征提取层的特征融合，然后输入到训练好的扩展版多层感知机中；步骤六：利用步骤五中训练好的扩展版多层感知机中预测得到的基于梯度向量流的主动轮廓模型的参数，由此拟合得到虹膜的内圆位置；所述深度卷积神经网络包括顺次连接的简版的VGGNet和上采样的解码器及扩展版的多层感知器；所述简版的VGGNet，网络结构如下：第一部分是输入层，其输入为300*400*3像素的矩阵；第二部分是特征抽取模块，共四个不同尺度的特征抽取层，每个特征抽取层包含有两个级联的卷积层，除去最后一个特征抽取层以外，其他每一层在最后均有最大池化层，取最后一层的输出矩阵作为提取的特征C1、C2、C3、C4，其大小分别是150*200*64、75*100*128、38*50*256和38*50*512；所述上采样的解码器对简版的VGGNet输出的特征C1、C2、C3、C4进行特征融合，上采样的解码器的网络结构如下：第一层是在特征C4输出上的两层卷积层，其卷积核尺寸均为3*3*256，步长均为1，均使用SAME模式填充，第一层输出经过上采样后得到的输出矩阵为76*100*256，记为upsample_1；第二层是通道融合层，其将裁剪过的输出矩阵upsample_1和输出矩阵C3通过通道数融合，输出矩阵大小为75*100*512；第三层同样是两层卷积层，其卷积核尺寸分别为3*3*256和3*3*128，步长均为1，均使用SAME模式填充，该层输出经过上采样后得到的输出矩阵为150*200*128，记为upsample_2；第四层是通道融合层，其将输出矩阵upsample_2和输出矩阵C2通过通道数融合，输出矩阵大小为150*200*256；第五层同样是两层卷积层，其卷积核尺寸分别为3*3*128和3*3*64，步长均为1，均使用SAME模式填充，第五层输出经过上采样后得到的输出矩阵为300*400*64，记为upsample_3；第六层是通道融合层，其将输出矩阵upsample_3和输出矩阵C1通过通道数融合，输出矩阵大小为300*400*128；第七层同样是两层卷积层，其卷积核尺寸分别为3*3*64和3*3*32，步长均为1，均使用SAME模式填充，其输出矩阵300*400*32；第八层是卷积层，其卷积核尺寸为3*3*1，步长为1，第八层使用SAME模式填充，其输出矩阵的大小为300*400*1；所述扩展版的多层感知器将简版的VGGNet输出的特征C1、C2、C3、C4通过通道数融合然后输入到网络中，扩展版的多层感知器的网络结构如下：整个扩展版的多层感知器共五层卷积层，步长均为1且均采用SAME模型填充，卷积核尺寸分别是1*1*512，1*1*256，1*1*128，1*1*64，1*1*32，最后的输出层是五个分支，每个分支包含一个步长为1且采用SAME模型填充，卷积核尺寸分别是1*1*1的卷积层，最终的输出为300*400*1。

全文数据：

权利要求：

百度查询： 天津中科智能识别产业技术研究院有限公司 一种人眼虹膜图像中虹膜区域自动分割方法和系统