[发明专利]一种基于深度神经网络的高效虹膜图像质量评价新方法

权利要求书

1.一种基于深度神经网络的高效虹膜图像质量评价新方法，其特征在于，

输入的眼部图像表示为I_eyes，I_eyes图像经过预训练的深度神经网络特征提取模型E(x)得到1280张眼部图像的特征图F_eyes，其计算方式如下：

F_eyes＝E(I_eyes)    (1)

F_eyes的尺寸为原始图像的其值在-1到1之间，具体的，特征提取模型E(x)结构，包括2个卷积层、7个逆残差模块，每个逆残差模块中包括2个卷积核大小为1的卷积层、1个卷积核大小为3的深度可分离卷积层和2个ReLu6激活层、短路连接，短路连接为直接将输入与卷积结果逐像素相加；

然后，将1280张特征图F_eyes输入经过预训练的深度神经网络重建模型R(x)到虹膜有效区域热力图H_iris，其计算方式如下：

H_iris＝R(F_eyes)    (2)

H_iris的尺寸为原始图像的其值在0到1之间，代表该像素属于虹膜区域的概率，具体的，重建模型R(x)包括3个卷积层，1个全局平均池化层，1个批归一化层，2个非线性层和1个双线性插值层；

由F_eyes和H_iris计算输入图像的质量分数向量v_iris，v_iris为1280维实数向量，其值在-1到1之间；

最后，将质量分数向量v_iris输入预训练的非线性回归模型L(x)，计算得到虹膜图像整体质量分数Score；

Score＝L(v_iris)

质量分数Score是单个实数，其值在0到1之间，表示图像的质量高低；分数越高，虹膜图像的质量越好。