[发明专利]一种虹膜图像美瞳生成与去除方法

摘要

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。 1

主权项

1.一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：

步骤S31：将佩戴美瞳的测试图像进行预处理；

步骤S32：将训练好的模型设置为Y→X转换方向，并将处理后的测试图像作为数据集Y输入；

步骤S33：运行模型，保存生成的图像gen‑x，则gen‑x即为去除美瞳后的图像。

2.根据权利要求1所述的虹膜图像美瞳生成与去除方法，其特征在于，步骤S12中记载的生成器G和F均包括编码器、转换器和解码器，

其中编码过程为生成器G不断的从训练数据集X中抽取图像x，采用卷积网络提取图像x的特征；生成器F不断的从训练数据集Y中抽取图像y，采用卷积网络提取图像y的特征；

转换过程为生成器G利用卷积网络将图像x的特征向量从数据集X转换至数据集Y中；生成器F利用卷积网络将图像y的特征向量从源域Y转换至目标域X中；

解码过程为利用反卷积层将已映射至目标域Y的图像x的值转换成对应图像gen‑y；同时利用反卷积层将已映射至目标域X的图像y的值转换成对应图像gen‑x。

3.根据权利要求1或2所述的虹膜图像美瞳生成与去除方法，其特征在于，生成器G和生成器F通过相同的编码‑转换‑解码方法，生成器G将图像gen‑x从域X映射至原始域Y中，转换成对应图像cyc‑y；通过生成器F将图像gen‑y从域Y映射至原始域X中，转换成对应图像cyc‑x。

4.根据权利要求1所述的虹膜图像美瞳生成与去除方法，其特征在于，所述步骤S13中记载的配置鉴别器Dx，其中鉴别器Dx的损失函数公式如下式所示：

其中鉴别器D_X的损失由两部分组成，分别命名为与

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京中科虹霸科技有限公司，未经北京中科虹霸科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201711470504.X/，转载请声明来源钻瓜专利网。