一种用于无约束场景下虹膜分割的端到端深度神经网络
图像与视频处理
2018-07-04 v1 计算机视觉与模式识别
摘要
随着当今移动设备成像与处理能力的提升，利用虹膜生物特征进行用户认证已成为可能。然而，由于采集条件愈发不受约束，且图像质量通常低于专用虹膜采集系统，对这些设备而言虹膜区域的精确分割至关重要。本工作提出一种端到端全卷积深度神经网络（FCDNN）设计，用于对较低质量虹膜图像执行虹膜分割任务。详细阐述了网络设计过程，并利用多个大型公开虹膜数据集对所得网络进行训练与调优。提供了一组从高质量公开数据库生成并增强合适低质量虹膜图像的方法。网络最初在近红外（NIR）图像上训练，随后在源自可见光图像的附加数据集上微调。给出了全面的库间比较，以及详述网络不同调优效果的一组实验结果。最后，将所提模型与 SegNet-basic 比较，并将近最优调优的网络与若干其他前沿虹膜分割算法比较。结果表明，相较于应用于相同低质量数据集的前沿技术，优化后的深度神经网络设计性能非常可观。
引用
@article{arxiv.1712.02877,
title = {An End to End Deep Neural Network for Iris Segmentation in Unconstraint Scenarios},
author = {Shabab Bazrafkan and Shejin Thavalengal and Peter Corcoran},
journal= {arXiv preprint arXiv:1712.02877},
year = {2018}
}