-
题名基于SRN-UNet的低质量虹膜分割算法
被引量：10
- 1
-
-
作者
田会娟
翟佳豪
柳建新
刘嘉伟
邓琳琳
-
机构
天津工业大学电气与电子工程学院天津市光电检测技术与系统重点实验室
大功率半导体照明应用系统教育部工程研究中心
天津成科传动机电技术股份有限公司
-
出处
《光子学报》
EI
CAS
CSCD
北大核心
2022年第2期241-249,共9页
-
基金
国家自然科学基金(No.61504095)
天津市科技计划(No.18ZXCLGX00090)。
-
文摘
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。
-
关键词
图像分割
虹膜图像
低质量
U-Net
深度学习
-
Keywords
Image segmentation
Iris image
Low-quality
U-Net
Deep learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
