-
公开(公告)号：CN115150192A
公开(公告)日：2022-10-04
申请号：CN202210928048.3
申请日：2022-08-03
Applicant: 安徽大学
Abstract: 本发明属于数据加密领域，具体涉及一种基于索引自编码的可撤销生物特征模板保护方法及其终端，以及利用该保护方法的身份验证方法和系统。可撤销生物特征模板保护方法用于对用户的生物特征模板信息进行采集、处理、保存和应用。该可撤销生物特征模板保护方法包括注册阶段和验证阶段两个部分的内容。注册阶段对用户生物特征进行索引自编码，然后结合随机的二进制密钥得到密文和可撤销模板并保存，验证阶段对用户生物特征进行索引自编码，然后依次进行密钥解码，模板生成和模板匹配；最终实现身份识别。本发明提供的技术方案克服了现有单因子和双因子的生物特征模板保护方法在便捷性和安全性上无法实现兼顾的问题。
-
公开(公告)号：CN114863130A
公开(公告)日：2022-08-05
申请号：CN202210533024.8
申请日：2022-05-11
Applicant: 安徽大学
Abstract: 本发明属于医学影像处理领域，具体涉及一种指静脉生物特征识别方法、系统及匹配和识别方法。本发明采用竞争Gabor方向二值统计特征直方图，用于提取具有鉴别力的指静脉结构特征。首先，利用多方向Gobar滤波器，获取最大滤波响应值索引作为主导方向得到旋转不变特征。其次，依据指静脉图像上每个像素点各方向滤波值，比较相邻三方向顺序差值关系，构建高鉴别性的竞争Gabor方向二值模式(CGDBP)。最后，分块提取指静脉CGDBP特征，将离散的特征编码聚合成直方图表示，构造联合特征直方图HCGDBS，克服图像的平移。在四个广泛使用的指静脉数据库上进行大量实验，结果表明，所提出的方法能够有效地提高指静脉识别性能，对光照，平移、噪声和小范围的旋转较鲁棒。
-
公开(公告)号：CN114022384A
公开(公告)日：2022-02-08
申请号：CN202111308284.7
申请日：2021-11-05
Applicant: 安徽大学
IPC: G06T5/00
Abstract: 本发明公开一种基于各向异性扩散模型的自适应边缘保持去噪方法，包括以下步骤：原始噪声图像预处理、构建去噪算法模型、原始噪声图像迭代计算和原始噪声图像去噪处理；本发明改进了基于分数阶微分算子与高斯曲率相结合的自适应图像去噪算法的扩散系数，加入双边滤波和局部方差，在扩散模型中引入正则化项，提高图像边缘保持的效果，对自适应图像去噪算法模型的扩散系数进行了修正，使得去噪和保持边缘的效果更好，提高图像的视觉效果；利用局部方差调节扩散系数，以更好地控制扩散速度；正则化项的加入提高了图像保真度，并且使用了自适应阈值，除了自然图像，在处理医学图像方面也优于传统图像处理方法。
-
公开(公告)号：CN113469862A
公开(公告)日：2021-10-01
申请号：CN202110593358.X
申请日：2021-05-28
Applicant: 安徽大学
Abstract: 本说明书提供一种用于档案扫描的防篡改数字水印嵌入方法及图像复原方法，通过对原始档案图像进行预处理，识别出有效信息区域，将有效信息区域进行分割，得到多个原始档案子图像，选取预设的原始对照图像作为数字水印，将原始数字水印图像以指定编码算法进行编码处理，得到编码处理后的第一数字水印图像，分割为多个第一数字水印子图像，通过特征提取计算出第一数字水印子图像和与其对应的原始档案子图像之间的对应关系，再以频域方法将第一数字水印图像与原始档案图像叠加，得到嵌入数字水印的第一档案图像，不仅可以通过水印提取的方式判断档案图像是否被篡改，还可通过局部的图像还原，对篡改的图像进行复原，具有较好的推广价值。
-
Patent Agency Ranking
公开(公告)号：CN108537137B
公开(公告)日：2021-08-20
申请号：CN201810225339.X
申请日：2018-03-19
Applicant: 安徽大学
Abstract: 本发明公开了一种基于标签鉴别相关分析的多模态生物特征层融合识别方法。首先将特征集与类别标签信息进行融合，为其建立准则函数，利用拉格朗日函数得出最优的投影向量，获取带有类别信息的特征集；其次针对带有类别信息的特征集，最小化其类内散度矩阵的同时，最大化两个模态特征集间协方差矩阵的相关性，抽取出具有更高鉴别能力的特征向量；最后，将所提出的融合方法应用到多模态特征中进行融合，实验结果验证了本申请所提出方法的有效性以及两种算法结合的合理性。
-
公开(公告)号：CN107018419B
公开(公告)日：2019-07-05
申请号：CN201710280070.0
申请日：2017-04-26
Applicant: 安徽大学
IPC: H04N19/42 , H04N19/52 , H04N19/567
Abstract: 本发明公开一种基于AMBTC的图像压缩编码方法，包括编码和解码两个步骤，具体为：将原始图像以v×v大小的块为单位进行AMBTC压缩；发送方将每个块的量化值再次进行压缩编码；接收方进行解码得到AMBTC压缩图像。本发明对原始图像进行AMBTC压缩后，对其各个量化值求得预测误差，结合霍夫曼编码将预测误差进行分类编码，最终传输及存储的则为图像的预测误差编码及分区信息编码，使得图像冗余性减少，压缩比例进一步提高，同时也大大减少了图像在传输及存储的过程中所占用的资源，节省网络带宽及存储内存。
-
公开(公告)号：CN109712165A
公开(公告)日：2019-05-03
申请号：CN201811634200.7
申请日：2018-12-29
Applicant: 安徽大学
Abstract: 本发明公开了一种基于卷积神经网络的同类前景图像集分割方法，包括了以下步骤：步骤1，生成样本分割掩码；步骤2，构建训练数据集；步骤3，学习分割网络模型；步骤4，基于分割网络模型分割同类图像集中的其余图像；步骤5，再分割。通过上述方式，本发明能够利用待分割图像集所包含的图像之间强相关性，仅需要少量交互就可以将同类图像集中的前景分割出来。
-
公开(公告)号：CN105426843B
公开(公告)日：2019-02-22
申请号：CN201510801840.2
申请日：2015-11-19
Applicant: 安徽大学
Abstract: 本发明公开了一种能够同时采集手掌静脉和掌纹图像的装置，并采用上述装置获得手掌静脉和掌纹图像进行增强和分割方法。装置包括：壳体、镜头、近红外LED光源组、可见白光LED光源组、环状均光材料、可见光CCD传感器、近红外CCD传感器、第一半透半反镜片和第二半透半反镜片。本发明使用一个镜头同时采集掌静脉和掌纹图片，保障了掌静脉图片和掌纹图片的区域一致性；使用半透半反镜片，对同一个镜头下不同波长的光线进行分离，再利用近红外CCD传感器和可见光CCD传感器分别采集到掌静脉和掌纹的图片，保障了掌静脉和掌纹图片的清晰度；并且采集的掌静脉和掌纹图像进行增强和分割能够克服手掌区域的灰度值不均现象，准确的区分出掌静脉，掌纹以及皮肤区域。
-
公开(公告)号：CN109035196A
公开(公告)日：2018-12-18
申请号：CN201810498275.0
申请日：2018-05-22
Applicant: 安徽大学
CPC classification number: G06T7/0002 , G06N3/0454 , G06N3/084 , G06T7/11 , G06T2207/20028 , G06T2207/20081
Abstract: 针对清晰的纹理平坦区域由于缺乏高频信息，而容易被误检成模糊区域的问题，本发明提出了一基于显著性的图像局部模糊检测方法：将代表图像变换域特征的奇异值向量，反映图像高频信息的局部极值点与熵加权的池化DCT高频系数(HiFST系数)相结合，这两种类型的特征值相互补充，得到更好的特征向量，将得到的混合特征向量输入到BP神经网络进行训练得到模型后，通过预测得到初步结果，再与图像显著性检测相结合，通过图像的显著性约束得到进一步的检测结果，并通过双边滤波优化边缘信息得到最终的结果。在一个公开的大型数据集上进行的定性定量实验结果表明，本方法具有很好的模糊检测效果。
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.035 seconds)
