结合Transformer与对称型编解码器的噪声虹膜图像分割方法

摘要：

针对少约束场景下采集的虹膜图像容易受到镜面反射、睫毛和头发遮挡、运动和离焦模糊等噪声的干扰,导致难以准确地分割有效的虹膜区域的问题,提出一种结合Transformer与对称型编解码器的噪声虹膜图像分割方法.首先,使用Swin Transformer作为编码器,将输入图像的区块序列送入分层Transformer模块中,通过自注意力机制建模像素间的长距离依赖,增强上下文信息的交互;其次,构建与编码器对称的Transformer解码器,对所提取的高阶上下文特征进行多层解码,解码过程中与编码器跳跃连接进行多尺度特征融合,减少下采样造成的空间位置信息丢失;最后,对解码器每个阶段的输出进行监督学习,提升不同尺度特征的抽取质量.基于3个公开的噪声近红外和可见光虹膜数据集NICE.I,CASIA.v4-distance和MICHE-I,与若干包括传统方法、基于卷积神经网络的方法和基于现有Transformer的方法在内的基准方法进行对比实验,实验结果表明,所提方法在E1,E2,F1和MIOU定量评价指标上均取得了比基准方法更优的分割性能,尤其是在减少噪声的干扰上具有明显的优势.此外,在CASIA.v4-distance数据集上的虹膜识别实验表明,文中方法可以有效地提升虹膜识别的性能,显示了良好的应用潜力.

关键词：虹膜分割、虹膜识别、Transformer、编解码网络、语义分割

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：北京建筑大学青年教师科研能力提升计划;国家自然科学基金;国家自然科学基金;北京建筑大学建大英才培养工程;北京建筑大学研究生创新项目

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1887-1898