本发明涉及图像识别,具体而言,涉及一种泛血管疾病虹膜特点识别方法及系统。
背景技术:
1、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
1、本发明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。
2、为了实现上述目的,本申请实施例提供了如下技术方案:
3、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:
4、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;
5、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;
6、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;
7、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;
8、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。
9、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:
10、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;
11、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;
12、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;
13、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;
14、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。
15、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。
16、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。
17、本发明的有益效果为:
18、本发明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。
1.一种泛血管疾病虹膜特点识别方法,其特征在于,包括:
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:
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:
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:
5.根据权利要求4所述的泛血管疾病虹膜特点识别方法,其特征在于,根据所述矩值信息得到第二颜色特征向量包括:
6.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二特征提取层,得到第三特征向量和第四特征向量,包括:
7.根据权利要求6所述的泛血管疾病虹膜特点识别方法,其特征在于,所述系数矩阵为第三层三个方向上高频子图的系数矩阵。
8.根据权利要求6所述的泛血管疾病虹膜特点识别方法,其特征在于,所述稠密连接网络包括多个5×5可分离卷积层和标准卷积块,其中第一层为5×5可分离卷积层,第二层为标准卷积块,第三层为全连接层,用于将第一层与第二层进行连接。
9.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,根据第一特征向量和第二特征向量之间的相似度识别虹膜图像颜色特征上的差异;根据第三特征向量和第四特征向量之间的相似度识别虹膜图像纹理特征上的差异。
10.一种泛血管疾病虹膜特点识别系统,其特征在于,包括: