典型文献
结合Transformer与对称型编解码器的噪声虹膜图像分割方法
文献摘要：
针对少约束场景下采集的虹膜图像容易受到镜面反射、睫毛和头发遮挡、运动和离焦模糊等噪声的干扰,导致难以准确地分割有效的虹膜区域的问题,提出一种结合Transformer与对称型编解码器的噪声虹膜图像分割方法.首先,使用Swin Transformer作为编码器,将输入图像的区块序列送入分层Transformer模块中,通过自注意力机制建模像素间的长距离依赖,增强上下文信息的交互;其次,构建与编码器对称的Transformer解码器,对所提取的高阶上下文特征进行多层解码,解码过程中与编码器跳跃连接进行多尺度特征融合,减少下采样造成的空间位置信息丢失;最后,对解码器每个阶段的输出进行监督学习,提升不同尺度特征的抽取质量.基于3个公开的噪声近红外和可见光虹膜数据集NICE.I,CASIA.v4-distance和MICHE-I,与若干包括传统方法、基于卷积神经网络的方法和基于现有Transformer的方法在内的基准方法进行对比实验,实验结果表明,所提方法在E1,E2,F1和MIOU定量评价指标上均取得了比基准方法更优的分割性能,尤其是在减少噪声的干扰上具有明显的优势.此外,在CASIA.v4-distance数据集上的虹膜识别实验表明,文中方法可以有效地提升虹膜识别的性能,显示了良好的应用潜力.
文献关键词：
虹膜分割;虹膜识别;Transformer;编解码网络;语义分割
中图分类号：
作者姓名：
顾正杰;王财勇;田启川;张琪
作者机构：
北京建筑大学电气与信息工程学院 北京 100044;北京建筑大学建筑大数据智能处理方法研究北京市重点实验室 北京 100044;中国人民公安大学信息网络安全学院 北京 100038
文献出处：
引用格式：
[1]顾正杰;王财勇;田启川;张琪-.结合Transformer与对称型编解码器的噪声虹膜图像分割方法)[J].计算机辅助设计与图形学学报,2022(12):1887-1898
A类：
MICHE
B类：
Transformer,编解码器,虹膜图像,图像分割,分割方法,镜面反射,睫毛,头发,遮挡,离焦,Swin,编码器,送入,自注意力机制,像素,长距离依赖,上下文信息,上下文特征,跳跃连接,接进,多尺度特征融合,下采样,空间位置信息,信息丢失,出进,监督学习,不同尺度,近红外,可见光,NICE,CASIA,v4,distance,基准方法,E1,E2,MIOU,定量评价,比基,虹膜识别,中方,虹膜分割,编解码网络,语义分割
AB值：
0.335894
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
