[发明专利]虹膜图像超分辨率重建方法及计算设备

说明书

本发明公开了一种生成虹膜图像超分辨率重建模型的方法，包括步骤：获取多个包含虹膜的高分辨率虹膜图像及其对应的低分辨率虹膜图像和低分辨率掩膜图像；将高分辨率虹膜图像和低分辨率虹膜图像输入初始的超分辨率重建模型的生成模型中，经处理后生成虹膜分割特征图、超分辨率虹膜图像、以及超分辨率虹膜图像的编码模板和高分辨率虹膜图像的编码模板；通过计算第一损失函数、第二损失函数、第三损失函数，来更新超分辨率重建模型的生成模型的参数，直到满足预定条件时，训练结束，得到训练好的超分辨率重建模型的生成模型；利用训练好的超分辨率重建模型的生成模型，生成虹膜图像超分辨率重建模型。本发明一并公开了相应的计算设备。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种针对虹膜图像的超分辨率重建方案。

背景技术

传统的身份识别主要依靠特定标志物（如身份证、工作证等）和特定知识（如口令、密码等），然而这些方法存在很多缺点，如携带不便、容易遗失、密码易被破解等。因此，需要更加安全、准确、防伪的身份认证技术来代替传统的身份识别。基于生物特征的识别正是针对此需要产生的识别技术。生物特征识别是对人类固有的生理或行为特征通过计算机处理后进行个人身份鉴定的技术。这些特征还具有普遍性、唯一性、稳定性、方便性等优点，并且很难模仿，能够有效克服传统身份识别方法的不足，是未来身份认证的一个发展趋势。

在众多的生物特征里面，虹膜特征因具有稳定性、唯一性和非侵犯性的特点，使其具有非常大的优势，有着广泛的市场前景和科学研究价值。尤其是近二十年，虹膜识别技术飞速发展，同时也得到了学术界、产业界和军队的广泛关注。

然而，在诸如边检站、出入境口岸、机场、治安检查站等场所，一般需要在一个稍远的距离内采集通行人员的虹膜图像，此时，得到的虹膜区域尺寸变小，不利于虹膜检测和定位。因此，需要将采集的虹膜图像放大，但简单地缩放操作会破坏虹膜的纹理信息，这不利于虹膜特征的准确提取，从而对虹膜识别产生不利影响。

鉴于上述原因，需要一种改进虹膜图像质量的方案，以提升远距离采集的虹膜图像的质量，从而提高虹膜识别的准确率。

发明内容

为此，本发明提供了一种虹膜图像超分辨率重建方法及计算设备，以力图解决或至少缓解上面存在的问题。

根据本发明的第一个方面，提供了一种生成虹膜图像超分辨率重建模型的方法，在计算设备中执行，包括步骤：获取多个包含虹膜的高分辨率虹膜图像及其对应的低分辨率虹膜图像和低分辨率掩膜图像；将高分辨率虹膜图像和低分辨率虹膜图像输入初始的超分辨率重建模型的生成模型中，经处理后生成虹膜分割特征图、超分辨率虹膜图像、以及超分辨率虹膜图像的编码模板和高分辨率虹膜图像的编码模板；通过计算低分辨率掩膜图像与虹膜分割特征图之间的第一损失函数、高分辨率虹膜图像与超分辨率虹膜图像之间的第二损失函数、高分辨率虹膜图像的编码模板与超分辨率虹膜图像的编码模板之间的第三损失函数，来更新超分辨率重建模型的生成模型的参数，直到满足预定条件时，训练结束，得到训练好的超分辨率重建模型的生成模型；利用训练好的超分辨率重建模型的生成模型，生成虹膜图像超分辨率重建模型。

可选地，在根据本发明的方法中，获取多个包含虹膜的高分辨率虹膜图像及其对应的低分辨率虹膜图像和低分辨率掩膜图像的步骤包括：采集多个包含虹膜的高分辨率虹膜图像，作为训练样本；对各高分辨率虹膜图像分别进行下采样，得到对应的低分辨率虹膜图像；对各低分辨率虹膜图像分别进行虹膜分割，得到对应的低分辨率掩膜图像。

可选地，在根据本发明的方法中，超分辨率重建模型的生成模型包括：相互耦接的特征提取模块、基于掩膜的注意力模块、上采样模块和虹膜识别模块。