-
公开(公告)号：CN111222479A
公开(公告)日：2020-06-02
申请号：CN202010029072.4
申请日：2020-01-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结合等价模式的自适应半径LBP特征层融合识别方法。本发明首先利用CLAHE算法增强指纹结构突出其纹理；之后分别对单幅图像中的指纹和指静脉信息进行分离，分别提取指纹和指静脉细线特征；利用细线距离顺序统计量进行指纹和指静脉细线的匹配；其次提出结合等价模式的自适应半径LBP特征，根据图像不同区域纹理尺寸，自适应调整LBP算子的半径，并结合等价模式进行降维；最后将独立提取的指纹和指静脉特征向量进行直方图融合，形成特征层融合新特征，并利用SVM多类分类器对融合后的新特征进行训练，构成完整的单幅近红外手指图像指纹指静脉特征层融合识别模型。本发明相比于量化层在针对低质量手指具有更好的识别性能，且相比于单一模态识别算法有提升。
-
公开(公告)号：CN111507206B
公开(公告)日：2023-04-18
申请号：CN202010233233.1
申请日：2020-03-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度局部特征融合的手指静脉识别方法。本发明先用多尺度方向模板提取纹理方向响应值，通过比较得到一阶梯度上的局部静脉方向特征，再以方向响应值为基底计算MLBP算子得到二阶梯度上的局部纹理细节特征，最后通过最优权值的方式融合。这种多梯度特征融合的方式充分利用了图像信息，增强了特征的稳定性，能很好的突出手指静脉的结构性，且在多尺度模式下计算的方式还能增强特征对全局信息的把握。
-
公开(公告)号：CN111242864A
公开(公告)日：2020-06-05
申请号：CN202010029073.9
申请日：2020-01-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Gabor纹理约束的手指静脉图像修复方法。本发明首先提出垂直相位差编码方式获取指静脉图像的Gabor纹理特征矩阵，然后在修复计算时根据手指静脉图像局部纹理连贯的特点，通过Gabor纹理约束机制剔除窗口内与待修补点纹理相关性弱的已知信息，克服了传统修复算法修复时易引入无关信息干扰的问题，使修复过程严格按照手指静脉图像的纹理走向进行。本发明修复后图像纹理连贯性更佳，对破损图像的识别性能提升更多。本发明在修复过程中引入了Gabor纹理约束机制，修复后图像的静脉纹理边缘连贯性上更加地良好，因此后续得到的静脉骨架特征更加地稳定。因此，本发明是一种对破损的指静脉图像修复效果较好的指静脉图像修复算法。
-
公开(公告)号：CN111611856B
公开(公告)日：2023-05-05
申请号：CN202010311823.1
申请日：2020-04-20
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于top‑k分块的加权近邻二值模式识别方法。本发明首先采集红外指静脉图像，通过双线性插值方法将获得的红外指静脉原始图像进行尺度归一化，再将归一化后的图像等分成M×N块，图像块的大小为建立图像单位分块内的编号矩阵，然后根据得到的编号矩阵构建水平特征矩阵和竖直特征矩阵，以此对图像进行遍历编码，得到最终的WNBP特征图像；获得每块分块的特征匹配值；最后进行top‑k的分块匹配策略，筛选出最终用于比对匹配的块。本发明方法能够更好提取相邻像素之间灰度关系，能够避免将一些产生干扰的参考方向引入比对过程，从而造成不必要的性能损失，排除噪声干扰，从而提升整体识别性能。
-
公开(公告)号：CN111242864B
公开(公告)日：2023-05-05
申请号：CN202010029073.9
申请日：2020-01-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Gabor纹理约束的手指静脉图像修复方法。本发明首先提出垂直相位差编码方式获取指静脉图像的Gabor纹理特征矩阵，然后在修复计算时根据手指静脉图像局部纹理连贯的特点，通过Gabor纹理约束机制剔除窗口内与待修补点纹理相关性弱的已知信息，克服了传统修复算法修复时易引入无关信息干扰的问题，使修复过程严格按照手指静脉图像的纹理走向进行。本发明修复后图像纹理连贯性更佳，对破损图像的识别性能提升更多。本发明在修复过程中引入了Gabor纹理约束机制，修复后图像的静脉纹理边缘连贯性上更加地良好，因此后续得到的静脉骨架特征更加地稳定。因此，本发明是一种对破损的指静脉图像修复效果较好的指静脉图像修复算法。
-
Patent Agency Ranking
公开(公告)号：CN111507206A
公开(公告)日：2020-08-07
申请号：CN202010233233.1
申请日：2020-03-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度局部特征融合的手指静脉识别方法。本发明先用多尺度方向模板提取纹理方向响应值，通过比较得到一阶梯度上的局部静脉方向特征，再以方向响应值为基底计算MLBP算子得到二阶梯度上的局部纹理细节特征，最后通过最优权值的方式融合。这种多梯度特征融合的方式充分利用了图像信息，增强了特征的稳定性，能很好的突出手指静脉的结构性，且在多尺度模式下计算的方式还能增强特征对全局信息的把握。
-
公开(公告)号：CN111223063A
公开(公告)日：2020-06-02
申请号：CN202010029074.3
申请日：2020-01-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于纹理特征和双核函数的手指静脉图像NLM去噪方法。本发明首先使用平滑系数较小的NLM算法针对背景区域噪声作粗去噪处理；然后编码获得GTFM对传统NLM算法的图像块权重值进行修正，使用Gabor纹理相似度与灰度值欧式距离共同判断图像块之间的相似性；其次提出巴特沃兹余弦双核函数针对图像的静脉纹理结构区域作精去噪处理；本发明采用的去噪算法相比传统NLM算法以及改进的NLM算法去噪后的图像质量更高，尤其是对静脉纹理边缘信息的保护能力得到了提高，并且后续图像的静脉骨架特征提取更加稳定。因此，基于Gabor纹理特征和BC双核函数的手指静脉图像NLM去噪算法是一种对手指静脉图像去噪效果较好的指静脉去噪算法。
-
公开(公告)号：CN112488935B
公开(公告)日：2024-02-06
申请号：CN202011350798.4
申请日：2020-11-26
Applicant: 杭州电子科技大学
IPC: G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06T7/11 , G06T7/41
Abstract: 本发明公开了一种基于纹理约束和泊松融合的生成对抗指静脉图像修复方法。本发明步骤如下：S1、利用初步修复卷积网络对受损指静脉图像进行初步修复，得到模糊指静脉图像；S2、基于泊松融合的图像重建，在重建中对指静脉受损区域与周围实际像素边界进行融合获得指静脉图像Ⅰ；S3、基于注意力机制的精确修复卷积网络对步骤S2获取的指静脉图像Ⅰ进行精确修复得到指静脉图像Ⅱ；S4、对步骤S3获取的指静脉图像Ⅱ再次进行图像重建，获得重建后指静脉图像Ⅲ；S5、计算指静脉图像Ⅲ的生成损失；S6、对步骤S5得到的损失进行结合，得到最终的损失函数；S7、判别器网络对重建后指静脉图像Ⅲ进行判决。本发明图像质量和识别率均有提升。
-
公开(公告)号：CN111223063B
公开(公告)日：2023-05-02
申请号：CN202010029074.3
申请日：2020-01-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于纹理特征和双核函数的手指静脉图像NLM去噪方法。本发明首先使用平滑系数较小的NLM算法针对背景区域噪声作粗去噪处理；然后编码获得GTFM对传统NLM算法的图像块权重值进行修正，使用Gabor纹理相似度与灰度值欧式距离共同判断图像块之间的相似性；其次提出巴特沃兹余弦双核函数针对图像的静脉纹理结构区域作精去噪处理；本发明采用的去噪算法相比传统NLM算法以及改进的NLM算法去噪后的图像质量更高，尤其是对静脉纹理边缘信息的保护能力得到了提高，并且后续图像的静脉骨架特征提取更加稳定。因此，基于Gabor纹理特征和BC双核函数的手指静脉图像NLM去噪算法是一种对手指静脉图像去噪效果较好的指静脉去噪算法。
-
公开(公告)号：CN111222479B
公开(公告)日：2022-02-18
申请号：CN202010029072.4
申请日：2020-01-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结合等价模式的自适应半径LBP特征层融合识别方法。本发明首先利用CLAHE算法增强指纹结构突出其纹理；之后分别对单幅图像中的指纹和指静脉信息进行分离，分别提取指纹和指静脉细线特征；利用细线距离顺序统计量进行指纹和指静脉细线的匹配；其次提出结合等价模式的自适应半径LBP特征，根据图像不同区域纹理尺寸，自适应调整LBP算子的半径，并结合等价模式进行降维；最后将独立提取的指纹和指静脉特征向量进行直方图融合，形成特征层融合新特征，并利用SVM多类分类器对融合后的新特征进行训练，构成完整的单幅近红外手指图像指纹指静脉特征层融合识别模型。本发明相比于量化层在针对低质量手指具有更好的识别性能，且相比于单一模态识别算法有提升。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
