基于SRN-UNet的低质量虹膜分割算法

摘要：

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-and-Excitation 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

所属期刊栏目：51

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;天津市科技计划

在线出版日期：2022-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：243-251