一种泛血管疾病虹膜特点识别方法及系统技术方案

本发明专利技术提供了一种泛血管疾病虹膜特点识别方法及系统，所述方法包括获取待检测的虹膜图像信息和预设的虹膜图像信息；将待检测的虹膜图像信息发送和预设的虹膜图像信息发送至训练后的神经网络进行分割，得到分割后的待检测的虹膜图像信息和预设的虹膜图像信息；将分割后的待检测的虹膜图像信息和预设的虹膜图像信息均发送至第一特征提取层，得到第一特征向量和第二特征向量；将分割后的待检测的虹膜图像信息和预设的虹膜图像信息均发送至第二特征提取层，得到第三特征向量和第四特征向量；根据第一特征向量、第二特征向量、第三特征向量、第四特征向量对待检测的虹膜图像信息进行识别，实现了泛血管疾病虹膜特点的识别。实现了泛血管疾病虹膜特点的识别。实现了泛血管疾病虹膜特点的识别。

【技术实现步骤摘要】
一种泛血管疾病虹膜特点识别方法及系统


[0001]本专利技术涉及图像识别
，具体而言，涉及一种泛血管疾病虹膜特点识别方法及系统。

技术介绍

[0002]泛血管疾病包括糖尿病视网膜病变、年龄相关性黄斑变性等，这些疾病会对虹膜产生影响，其中具体为虹膜色素沉着、虹膜变薄和虹膜病变等，这些症状会影响视力和眼睛的健康，因此，通过对虹膜的病变特征进行识别可以有效的实现虹膜异常识别，从而进一步判断患者是否存在泛血管疾病，由于泛血管疾病使虹膜的纹理特征变淡难以识别，因此，亟需一种泛血管疾病虹膜特点识别方法，可以精确的实现泛血管疾病虹膜特点的识别。

技术实现思路

[0003]本专利技术的目的在于提供了一种泛血管疾病虹膜特点识别方法及系统，以改善上述问题。
[0004]为了实现上述目的，本申请实施例提供了如下技术方案：一方面，本申请实施例提供了一种泛血管疾病虹膜特点识别方法，所述方法包括：获取待检测的虹膜图像信息和预设的虹膜图像信息，所述预设的虹膜图像信息为无泛血管疾病的人对应的虹膜图像；将所述待检测的虹膜图像信息发送和所述预设的虹膜图像信息均发送至训练后的神经网络进行分割，得到分割后的待检测的虹膜图像信息和分割后的预设的虹膜图像信息；将所述分割后的待检测的虹膜图像信息和所述分割后的预设的虹膜图像信息均发送至第一特征提取层，得到第一特征向量和第二特征向量，所述第一特征向量包括分割后的待检测的虹膜图像信息对应的颜色特征信息，所述第二特征向量包括分割后的预设的虹膜图像信息对应的颜色特征信息；将所述分割后的待检测的虹膜图像信息和所述分割后的预设的虹膜图像信息均发送至第二特征提取层，得到第三特征向量和第四特征向量，所述第三特征向量包括分割后的待检测的虹膜图像信息对应的纹理特征信息，所述第四特征向量包括分割后的预设的虹膜图像信息对应的纹理特征信息；根据所述第一特征向量、所述第二特征向量、所述第三特征向量以及所述第四特征向量对待检测的虹膜图像信息进行识别。
[0005]第二方面，本申请实施例提供了一种泛血管疾病虹膜特点识别系统，所述系统包括：获取模块，用于获取待检测的虹膜图像信息和预设的虹膜图像信息，所述预设的虹膜图像信息为无泛血管疾病的人对应的虹膜图像；第一处理模块，用于将所述待检测的虹膜图像信息发送和所述预设的虹膜图像信
息均发送至训练后的神经网络进行分割，得到分割后的待检测的虹膜图像信息和分割后的预设的虹膜图像信息；第二处理模块，用于将所述分割后的待检测的虹膜图像信息和所述分割后的预设的虹膜图像信息均发送至第一特征提取层，得到第一特征向量和第二特征向量，所述第一特征向量包括分割后的待检测的虹膜图像信息对应的颜色特征信息，所述第二特征向量包括分割后的预设的虹膜图像信息对应的颜色特征信息；第三处理模块，用于将所述分割后的待检测的虹膜图像信息和所述分割后的预设的虹膜图像信息均发送至第二特征提取层，得到第三特征向量和第四特征向量，所述第三特征向量包括分割后的待检测的虹膜图像信息对应的纹理特征信息，所述第四特征向量包括分割后的预设的虹膜图像信息对应的纹理特征信息；第四处理模块，用于根据所述第一特征向量、所述第二特征向量、所述第三特征向量以及所述第四特征向量对待检测的虹膜图像信息进行识别。
[0006]第三方面，本申请实施例提供了一种泛血管疾病虹膜特点识别设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述泛血管疾病虹膜特点识别方法的步骤。
[0007]第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述泛血管疾病虹膜特点识别方法的步骤。
[0008]本专利技术的有益效果为：本专利技术通过对待检测的虹膜图像进行分割，去除干扰信息，只保留虹膜图像，有效的提高了虹膜识别的精度与效率，进一步，采用第一特征提取层提取分割后的虹膜图像的颜色特征以及采用第二特征提取层提取分割后的虹膜图像的纹理特征，从两个维度对泛血管疾病的虹膜特点进行识别，在提高了识别精度的同时有效的提高了识别结果的可靠性。
附图说明
[0009]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0010]图1为本专利技术实施例中所述的泛血管疾病虹膜特点识别方法流程示意图。
[0011]图2为本专利技术实施例中所述的泛血管疾病虹膜特点识别系统结构示意图。
[0012]图3为本专利技术实施例中所述的泛血管疾病虹膜特点识别方法设备结构示意图。
[0013]图4为本专利技术实施例中所述的第一虹膜图像。
[0014]图5为本专利技术实施例中所述的待检测的虹膜图像。
具体实施方式
[0015]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施
例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0016]实施例1：本实施例提供了一种泛血管疾病虹膜特点识别方法，可以理解的是，在本实施例中可以铺设一个场景，例如:采集到待检测患者的虹膜图像并对待检测患者的虹膜图像进行识别判断是否存在泛血管疾病虹膜特点的场景。
[0017]参见图1，图中示出了本方法包括步骤S1、步骤S2、步骤S3、步骤S4以及步骤S5。
[0018]步骤S1、获取待检测的虹膜图像信息和预设的虹膜图像信息，所述预设的虹膜图像信息为无泛血管疾病的人对应的虹膜图像；可以理解的是，步骤S1中包括步骤S11、步骤S12、步骤S13以及步骤S14，其中具体为：步骤S11、获取第一虹膜图像信息和第二虹膜图像信息，所述第一虹膜图像信息包括数字设备拍摄的虹膜图像信息，所述第二虹膜图像信息为高质量的虹膜图像信息；其中，第一虹膜图像信息为数字设备拍摄的患者的虹膜图像如图4所示，通过数字设备拍摄的患者的虹膜图像分辨率通常为640
×
480，由于图像的质量影响着识别的精度，因此需要对第一虹膜图像做进一步的处理，以提高第一虹膜图像信息的质量，即提高现有虹膜图像的分辨率。
[0019]步骤S12、将所述第一虹膜图像信息发送至生成器生成第三虹膜图像信息；其中，生成器将CNN框架和transformer框架结合在一起，首先将低质量图像进行特征提取得到第一特征图，将第一特征图发送至transformer编码模块捕捉第一特征图的全局信息，得到第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种泛血管疾病虹膜特点识别方法，其特征在于，包括：获取待检测的虹膜图像信息和预设的虹膜图像信息，所述预设的虹膜图像信息为无泛血管疾病的人对应的虹膜图像；将所述待检测的虹膜图像信息发送和所述预设的虹膜图像信息均发送至训练后的神经网络进行分割，得到分割后的待检测的虹膜图像信息和分割后的预设的虹膜图像信息；将所述分割后的待检测的虹膜图像信息和所述分割后的预设的虹膜图像信息均发送至第一特征提取层，得到第一特征向量和第二特征向量，所述第一特征向量包括分割后的待检测的虹膜图像信息对应的颜色特征信息，所述第二特征向量包括分割后的预设的虹膜图像信息对应的颜色特征信息；将所述分割后的待检测的虹膜图像信息和所述分割后的预设的虹膜图像信息均发送至第二特征提取层，得到第三特征向量和第四特征向量，所述第三特征向量包括分割后的待检测的虹膜图像信息对应的纹理特征信息，所述第四特征向量包括分割后的预设的虹膜图像信息对应的纹理特征信息；根据所述第一特征向量、所述第二特征向量、所述第三特征向量以及所述第四特征向量对待检测的虹膜图像信息进行识别。2.根据权利要求1所述的泛血管疾病虹膜特点识别方法，其特征在于，将所述待检测的虹膜图像信息发送和所述预设的虹膜图像信息均发送至训练后的神经网络进行分割，包括：获取样本集，所述样本集包括至少一张虹膜图像；对所述虹膜图像进行标注，得到标注后的样本信息，标注后的样本信息包括虹膜图像的虹膜区域二值掩码图和虹膜区域的外圆、内圆边界信息；将所述标注后的样本信息发送至神经网络进行训练，得到训练后的神经网络模型；将所述待检测的虹膜图像信息发送至训练后的神经网络，得到分割后的待检测的虹膜图像信息。3.根据权利要求1所述的泛血管疾病虹膜特点识别方法，其特征在于，将所述分割后的待检测的虹膜图像信息和所述分割后的预设的虹膜图像信息均发送至第一特征提取层，得到第一特征向量和第二特征向量，包括：将所述分割后的待检测的虹膜图像信息进行分块，得到分块后的虹膜图像信息，所述分块后的虹膜图像信息包括至少一块子图像信息；将所述分块后的虹膜图像信息进行切片，得到第一颜色特征向量，所述第一颜色特征向量为颜色直方向量；根据所述分块后的虹膜图像信息进行特征提取，得到第二颜色特征向量，所述第二颜色特征向量为颜色矩向量；根据所述第一颜色特征向量和所述第二颜色特征向量得到所述第一特征向量。4.根据权利要求3所述的泛血管疾病虹膜特点识别方法，其特征在于，根据所述分块后的虹膜图像信息进行特征提取，得到第二颜色特征向量，包括：根据所述分块后的虹膜图像信息，得到分块后的虹膜图像信息对应的RGB色彩信息张量；将所述RGB色彩信息张量进行切片，得到矩阵信息，所述矩阵信息包括R通道矩阵、G通
道矩阵和B通道矩阵；根据所述矩阵信息分别计算三个通道的一阶矩值、二阶矩值和三阶矩值，得到矩值...

【专利技术属性】
技术研发人员：肖璇，李莹，王发席，高翔，陈婷，谢浩，
申请(专利权)人：武汉大学人民医院湖北省人民医院，
类型：发明
国别省市：