基于Mask R-CNN卷积神经网络的虹膜分割

摘要：

针对虹膜图像中存在眼镜遮挡、模糊、角度偏差等不同噪声因素,我们设计了一种基于Mask R-CNN的卷积神经网络(convolutional neural network,CNN),命名为Mask-INet,用于虹膜分割.该网络在特征提取阶段为特征金字塔添加了一条自底向上的路径,既提高了底层到顶层特征的定位信息,增强语义信息融合,又进一步加快了底层到顶层的传播效率,有效提升对虹膜特征提取的准确性.为了进一步挖掘特征图中的特征信息,在掩模预测分支阶段,我们引入上采样和CBAM网络(convolutional block attention module),利用上采样提高特征图的空间分辨率,利用CBAM网络让特征图中的显著信息更加显著,增强对特征的判别性.该方法在NIR-ISL 2021比赛提供的虹膜数据集进行了验证.在相同实验条件下与该赛事的冠军相比,该方法的各项指标均优于其网络.与基线Mask R-CNN相比,该方法的Dice相似系数、平均交并比、召回率分别提升了8.53%、11.97%、8.88%,提升了虹膜分割效果.

关键词：虹膜分割、特征金字塔、Mask R-CNN、残差网络、CBAM、图像分割

所属期刊栏目：32

分类号：TP391.41;TP183;TN975

资助基金：国家重点研发计划;国家自然科学基金;四川省科学技术厅科技计划项目;四川省科学技术厅科技计划项目;四川省科学技术厅科技计划项目;四川省科学技术厅科技计划项目

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：83-93