一种基于血管分割和背景分离的眼底图像质量评价方法

    公开(公告)号:CN111489328B

    公开(公告)日:2023-06-30

    申请号:CN202010149988.3

    申请日:2020-03-06

    Abstract: 一种基于血管分割和背景分离的眼底图像质量评价方法,包括以下步骤:1)首先,通过在DRIVE公开眼底图像数据集上预训练的U‑Net模型对输入图像进行血管分割;2)将步骤1)得到的血管特征图与原始图像进行逐元素相乘,得到只含血管和背景信息的图像;3)使用提取后的特征图像分别输入卷积神经网络分支中进行训练,得到模型参数;4)将训练好的卷积神经网络模型对测试图片进行质量评价。本发明实现更高的评价准确率,并降低医生复检率,避免重复检查可能带来的治疗时机延误。本发明提出的模型具有通用性,可以嵌入到各种先进的卷积神经网络结构中并提升网络性能,同时,提供一种融合血管先验知识和神经网络端到端特征提取的方法。

    一种基于光学相干层析成像的伪造指纹自动检测方法

    公开(公告)号:CN114663924A

    公开(公告)日:2022-06-24

    申请号:CN202210320404.3

    申请日:2022-03-29

    Abstract: 一种基于光学相干层析成像的伪造指纹自动检测方法,包括以下步骤:1)通过光学相干层析成像(Optical Coherence Tomography,OCT)设备采集指纹切片序列;2)对指纹切片图进行预处理,包括图像去噪和图像尺寸调整;3)通过记忆增强的去噪自编码器网络重构,得到隐性空间特征重构误差;4)根据阈值判断指纹切片的图像块是否为真实指纹,从而实现伪造指纹的自动检测。本发明有效地解决了有监督网络模型训练方法对数据标注的依赖、人为设计防伪特征检测鲁棒性差等问题,同时提升了伪造指纹自动检测方法的精度和泛化能力。

    一种基于OCT内外部指纹匹配的防伪方法

    公开(公告)号:CN114565947A

    公开(公告)日:2022-05-31

    申请号:CN202210095583.5

    申请日:2022-01-26

    Abstract: 一种基于OCT内外部指纹匹配防伪方法,包括:1)使用OCT设备采集手指得到手指OCT数据;2)分别获取外部指纹图像和内部指纹图像:包括手指截面数据曲率自动展平,内外指纹提取区域定位,分别获取内外部指纹,图像线性拉伸,图像增强,最终得到外部指纹图像和内部指纹图像;3)分别判断是否具有外部指纹图像和内部指纹图像,即使用指纹细节点提取器自动检查外部指纹图像和内部指纹图像的细节点,若图像不存在(细节点为0)即判断为假体伪造攻击,否则进入下一步骤;4)使用指纹匹配器进行匹配,得分高于阈值则认为是真实手指,否则判断为假体攻击。本发明提供一种安全性较高、具有高防伪能力和强适应性的基于OCT内外部指纹匹配防伪方法。

    一种密集权重连接的卷积神经网络图像分类方法

    公开(公告)号:CN108664993B

    公开(公告)日:2022-01-11

    申请号:CN201810304695.0

    申请日:2018-04-08

    Abstract: 一种基于密集权重连接的卷积神经网络图像分类方法,包括以下步骤:1)模型的输入图像为经过预处理的原始图像,经过预处理的图像裁剪为一个固定尺寸;2)对图像进行较大尺寸的卷积操作和池化操作;3)将步骤2)中输出的特征送入第一个密集权重连接模块;4)加权组合处理;5)将步骤3)中密集权重连接块的输出继续送入下一个卷积层与池化层,此时的特征图像将近一步缩小;在经过多次密集权重连接块、卷积层、池化层的组合后,特征图像将不断组合并缩小为特征点;得到的特征点直接送入分类层进行分类或送入全连接层后再进行分类。本发明应用于更加复杂的图像分类任务,对多层特征的融合增加了更多的前向通道,近一步避免了梯度问题的发生。

    一种基于元学习的少样本行为识别方法

    公开(公告)号:CN113052073A

    公开(公告)日:2021-06-29

    申请号:CN202110319209.4

    申请日:2021-03-25

    Abstract: 一种基于元学习的少样本行为识别方法,包括以下步骤:1)视频数据集分为元训练集和元测试集,从元训练集中抽取多组支持集和询问集用于训练模型,从元测试集中抽取多组支持集和询问集用于测试模型;2)使用浅层三维卷积神经网络提取支持集和询问集的视频特征;3)构建一种元学习网络,用于对支持集进行建模,生成步骤2)中浅层三维卷积神经网络参数;4)对步骤2)提取到的视频特征进行二阶变换和归一化处理;5)将处理后的支持集和询问集视频特征进行拼接,采用多层二维卷积神经网络提取询问集和支持集视频特征之间的非线性距离关系,对训练集视频进行分类。本发明具有较好的任务间泛化能力以及对新视频行为的识别准确率。

    一种基于多任务卷积神经网络的掌纹ROI提取与增强的方法

    公开(公告)号:CN112149521A

    公开(公告)日:2020-12-29

    申请号:CN202010916060.3

    申请日:2020-09-03

    Abstract: 一种基于多任务卷积神经网络的掌纹ROI提取与增强的方法,包括如下步骤:1)对样本进行训练前的准备工作,先将样本复制成两份,分别为A和B,对样本A进行BM3D去噪和Gabor小波滤波,以此来对样本进行图像增强处理;对样本B进行标记,分别标记训练样本的两个指间谷点和掌纹ROI区域;最后对标记后的训练样本进行数据扩充;2)用步骤1)生成的训练样本来训练多任务卷积神经网络,得到用于掌纹ROI提取与增强的网络模型;3)通过验证集验证训练好的多任务卷积神经网络模型并输出结果,并对结果进行矫正。本发明能够以更高的准确性和鲁棒性实现从一般掌纹中提取到具备图像增强的掌纹感兴趣区域。

    一种折射率测量方法及系统

    公开(公告)号:CN111812061A

    公开(公告)日:2020-10-23

    申请号:CN202010603294.2

    申请日:2020-06-29

    Abstract: 一种折射率测量方法,包括以下步骤:1)全反射光束在不同相位角的图像采集;2)不同偏振态光束信号采集;3)光强信息计算和光斑质心坐标计算数据处理。一种折射率测量系统,所述高度稳定激光光源SLD是光源发生器;840nm单模光纤传用于输光信号;消色差准直透镜对入射光束进行准直;直角棱镜和溶液流道用于放置待测样本;前选/后选偏振器实现对光偏振态的选择;二分之一波片组调整光的相位;CCD模块负责采集光斑信息;计算机用于实现光强信号的光强及质心坐标分析,对比不同溶液得到折射率的变化。本发明利用简单的光路结构和未镀膜的普通光学棱镜进行测量,并通过测量NaCl溶液折射率证明了其可行性。

    一种基于散射卷积网络的手指静脉特征提取方法

    公开(公告)号:CN107122710B

    公开(公告)日:2020-06-30

    申请号:CN201710164634.4

    申请日:2017-03-20

    Abstract: 一种基于散射卷积网络的手指静脉特征提取方法,包括以下步骤:1)采集到手指静脉;2)对采集到的图像做基于最大内切矩阵感兴趣区域提取;3)对获得的ROI图像进行基于散射卷积网络的手指静脉特征提取,过程如下:先得到多分辨率小波函数,然后对ROI图像进行小波变换得到第一层的散射系数,再对第一层的散射结果进行第二次散射,得到第二次的散射系数,最后将每一个散射能量块的能量均值和方差组成图像的特征向量;4)通过支持向量机SVM进行分类。本发明提供一种信息丰富、安全性很高的基于散射卷积网络的手指静脉特征提取方法。

Patent Agency Ranking