结合Transformer与对称型编解码器的噪声虹膜图像分割方法

作     者：顾正杰 王财勇 田启川 张琪 Gu Zhengjie;Wang Caiyong;Tian Qichuan;Zhang Qi

作者机构：北京建筑大学电气与信息工程学院北京100044 北京建筑大学建筑大数据智能处理方法研究北京市重点实验室北京100044 中国人民公安大学信息网络安全学院北京100038 

基　　金：北京建筑大学青年教师科研能力提升计划(X21079) 北京建筑大学“建大英才”培养工程(JDYC20220819) 北京建筑大学研究生创新项目(PG2022079) 国家自然科学基金(62106015,61906199) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2022年第34卷第12期

页      码：1887-1898页

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E_(1),E_(2),F_(1)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.

主 题 词：虹膜分割 虹膜识别 Transformer 编解码网络 语义分割 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2022.19235

馆 藏 号：203117860...