[发明专利]一种虹膜图像美瞳生成与去除方法

说明书

本发明公开了一种虹膜图像美瞳生成与去除方法，所述方法包括模型训练过程S1,虹膜美瞳生成过程S2和虹膜美瞳去除过程S3，其中：Cycle‑GAN的特性为几乎不会影响图像形状特征，利用这个特性可以进行图像之间的风格迁移。在本发明中，Cycle‑GAN的这一特性使得其可以将佩戴美瞳虹膜与未佩戴美瞳虹膜作为两类图像风格进行切换，从而做到改变了图像的颜色特征但不影响其形状。

技术领域

本发明涉及图像生成与去除领域，具体的涉及一种虹膜图像美瞳生成与去除方法。

背景技术

传统的虹膜识别技术中，在应用中若用户佩戴美瞳则会影响识别效果，因此用户在虹膜识别过程中，需要将佩戴的美瞳摘掉，但是这样的操作，对佩戴美瞳的用户，是特别的不方便，针对这一问题，本发明提供一种可将佩戴美瞳的人眼图片在尽量不影响虹膜特征的前提下去掉美瞳，辅助识别佩戴美瞳的虹膜，支持身份认知系统对佩戴美瞳用户的进一步分析，从而提高虹膜识别的准确度和抗干扰能力的虹膜图像美瞳生成与去除的方法。

发明内容

本发明提供一种虹膜图像美瞳生成与去除方法，提高虹膜识别的准确度和抗干扰能力。

本发明的技术方案：一种虹膜图像美瞳生成与去除方法，所述方法包括模型训练过程S1,虹膜美瞳生成过程S2和虹膜美瞳去除过程S3:

其中模型训练过程S1具体的包括以下步骤：

步骤S11：对训练库中的图像进行预处理，通过质量评价选择未佩戴美瞳图像与佩戴美瞳图像作训练集，未佩戴美瞳的图像训练数据集标记为X，佩戴美瞳的图像训练数据集标记为Y；

步骤S12：配置生成器G和F，生成器G和生成器F，包括编码器、转换器和解码器，其中将数据集X中的图像x转换到数据集Y中，记为gen-y，再转换到数据集X中，记为cyc-x；将数据集Y中的图像y转换到数据集X中，记为gen-x，再转换到数据集Y中，记为cyc-y；

步骤S13：构建损失函数模型，根据所述x、y、gen-x、gen-y，配置鉴别器Dx和Dy及其损失函数，根据x、y、cyc-x、cyc-y设置循环损失函数；

其中模型损失公式为：

其中λ为控制循环损失占整体损失中的比重；为鉴别器D_X的损失值，为鉴别器Dy的损失值，L_cyc(G,F)为循环损失值；

步骤S14：训练生成器和鉴别器，生成器G和F与鉴别器Dx和Dy通过学习和修正参数，得到G*、F*；其中G*，F*如公式(2)所示：

公式(2)的含义为在训练过程中，生成器G和F通过学习和修正参数，最小化的值；与之相对抗的为鉴别器D_X和D_Y通过学习和修正参数，最大化的值，G^*,F^*表示每轮学习的结果，将作为新的参数更新；

步骤S15：当损失值无限接近于0时，生成器G和F和鉴别器D_X和D_Y之间实现纳什均衡，训练过程完成，保存模型G^*,F^*；

虹膜美瞳生成过程S2具体的包括以下步骤：

步骤S21：未佩戴美瞳的测试图像进行预处理；

步骤S22：将训练好的模型设置为X→Y转换方向，并将处理后的测试图像作为数据集X输入；

步骤S23：运行模型，保存生成的图像gen-y，则gen-y即为生成美瞳后的图像；

虹膜美瞳去除过程S3具体的包括以下步骤：