返回
A light spatial-frequency network for robust iris segmentation and localization
DOI:10.1016/j.asoc.2025.113009.png)
摘要
En 中文
虹膜识别是一种高精度的生物识别技术。然而,将虹膜识别应用于移动设备仍然面临重大挑战,例如计算能力受限和图像质量不可控。遮挡、运动模糊、玻璃反光、曝光过度等因素增加了虹膜分割和定位的难度。为解决这些问题,我们提出了一种基于空间-频域的轻量级网络,用于鲁棒虹膜分割和定位。Filter Meet Convolution Former模块将通道分为两部分,一部分通过空间域卷积学习细节信息,另一部分利用频域的全局滤波器学习语义信息。边界增强模块旨在改进边界预测,它分离边界特征并利用边界特征引导网络聚焦于边界部分。实验在六个数据集上进行。实验结果表明,该模型仅使用0.38M参数和5.57 GFLOPs,便超越了当前最先进的方法。该模型具有鲁棒性,即使在噪声数据下也能保持稳定的性能。代码和实验细节将在https://github.com/JINULEMON/SFNet/tree/master共享。
Keyword:
Frequency analysis
FMCFormer module
BE module
Iris segmentation
Iris localization
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
引用论文
Gland segmentation in colon histology images: The glas challenge contest结肠组织学图像中的腺体分割: gla挑战赛
MEDICAL IMAGE ANALYSIS
IF11.8
High confidence visual recognition of persons by a test of statistical independence通过统计独立性测试对人的高置信度视觉识别

