基于RAA-UNet的虹膜块状特征分割

来源：电子测量技术杂志2025年第7期北京时间：

作者：陈宇，唐云祁

单位：中国人民公安大学侦查学院 北京 100038

摘要：目前虹膜识别结果尚不能应用到司法审判当中，法庭科学领域开始关注以虹膜可解释特征统计规律为基础的量化鉴定方法，为此需要实现虹膜纹理特征的自动分割提取。针对近红外虹膜图像中块状特征的提取问题，提出一种结合残差网络、注意力机制和空洞空间金字塔池化的虹膜块状特征分割网络。为此，首先构建了虹膜块状特征标注数据集，用于模型的训练、验证和测试。其次，以UNet为基础框架进行改进，将UNet的卷积模块替换为残差模块，促进梯度的传播并提高特征的保留和传递能力；在跳跃连接中加入注意力门模块以提高模型对块状特征的感知能力；在模型中部和末端采用空洞空间金字塔池化模块，扩大感受野并进行多尺度特征提取和融合。最后，提出了结合交叉熵和Dice系数的混合损失函数,并采用归一化和直方图均衡化等预处理技术以突出虹膜块状特征。实验结果表明，RAA-UNet在测试集上的表现优于其他对比模型，F1分数、mIoU和Dice系数分别达到了82.64%、84.21%、81.66%，较UNet提升4.42%、3.37%和3.87%。损失函数实验确定了最佳权重因子，直方图均衡化处理显著提升了分割效果，消融实验验证了模型改进的有效性。提出的RAA-UNet语义分割模型能够实现虹膜块状特征的准确分割，可为虹膜鉴定的研究提供技术支撑。

关键词：虹膜块状特征;UNet;虹膜鉴定;残差网络;金字塔池化;注意力机制

基金资助：中国人民公安大学刑事科学技术双一流创新研究专项（2023SYL06）项目资助