-
公开(公告)号：CN106712957B
公开(公告)日：2019-06-07
申请号：CN201611102220.0
申请日：2016-12-05
Applicant: 济南大学
Abstract: 本发明公开了一种基于卷积编码的双因子认证方法，包括加密过程与解密过程，加密过程包括对原始掌纹图像的掌纹特征图像进行置乱处理，得到第一掌纹特征密钥；然后随机产生原始密钥，并进行周期延拓和卷积编码处理得到中间密钥；将中间密钥和第一掌纹特征密钥进行异或处理得到加密信息；解密过程包括将加密信息与再次取得的掌纹特征密钥进行异或处理，然后进行卷积译码和投票方式处理来恢复原始密钥。本发明实现了掌纹生物特征与随机密钥的双因子认证，安全性高，并且解密过程中将加密信息与置乱后的掌纹特征相异或处理，然后进行卷积译码和投票可以完全恢复原始密钥，提高了认证精度。
-
公开(公告)号：CN106446867B
公开(公告)日：2019-03-15
申请号：CN201610892093.2
申请日：2016-10-13
Applicant: 济南大学
Abstract: 本发明公开了一种基于随机投影加密的双因子掌纹识别方法，首先采集两个原始掌纹图像，预处理后得到两个掌纹特征图像，对两个掌纹特征图像分别通过随机投影变换进行降维和归一化，然后与归一化后的两个随机投影矩阵进行数值比较后得到两个特征矩阵，作为两个原始掌纹图像的编码特征矩阵，最后采用距离匹配算法对获得的两个编码特征矩阵进行匹配，匹配合格则识别通过。本发明使用随机投影矩阵作为掌纹识别密钥，通过特定不可逆变换，融合掌纹特征，生成具有隐私保护和可重复发布能力的可撤除掌纹特征模板，进而进行掌纹识别，可实现通过密钥与生物特征相结合的双因子掌纹识别，具有复杂度低，识别精度高，安全性好等有益效果。
-
Patent Agency Ranking
公开(公告)号：CN107977582A
公开(公告)日：2018-05-01
申请号：CN201711157788.7
申请日：2017-11-20
Applicant: 济南大学
Abstract: 本发明公开了一种基于奇异值分解及混沌加密的图像安全云存储方法，将原始图像进行奇异值分解，得到左、右奇异值矩阵以及奇异值矩阵，将左、右奇异值矩阵进行混沌置乱后上传云端；由奇异值矩阵抽取奇异值序列，计算奇异值序列的均值和最大值以及原始图像认证值，使用混沌系统产生随机矩阵，并根据均值和最大值修正该矩阵，再与奇异值矩阵叠加生成新矩阵并进行二次混沌置乱加密后上传云端。当需要获取云端数据时，需要向云端提供认证值和加密过程中的密钥，云端重新计算产生新认证值并与所提供的认证值比较认证，认证通过才能下载数据，进而重构原始图像。本发明能够提高利用云技术进行图像存储和传输等的安全性。
-
公开(公告)号：CN107958210A
公开(公告)日：2018-04-24
申请号：CN201711157787.2
申请日：2017-11-20
Applicant: 济南大学
Abstract: 本发明公开了一种基于十进制映射查询表的掌纹识别方法，首先将若干原始掌纹图像转换为零一特征矩阵，并进行行向量整合或者列向量整合，然后对整合后的零一数组行或者零一数组列进行分块和十进制转换后映射到二值查询表中形成对应于原始掌纹图像的掌纹特征数组阵；识别时对待识别掌纹图像采用同样的方式形成待识别的掌纹特征数组阵，然后利用距离匹配算法将待识别的掌纹特征数组阵与原始掌纹图像的掌纹特征数组阵进行距离匹配，根据匹配分数来进行认证决策。本方法能够提高掌纹识别的安全性以及掌纹识别的识别准确性和计算识别效率或者速度。
-
公开(公告)号：CN107832786A
公开(公告)日：2018-03-23
申请号：CN201711042488.4
申请日：2017-10-31
Applicant: 济南大学
Abstract: 本发明公开了一种基于字典学习的人脸识别分类方法，构建训练集并将训练集中的样本人脸图像映射到低维空间得到训练集矩阵；建立字典学习模型，将训练集矩阵输入到字典学习模型中并对模型进行求解，得到被学习的字典以及均值系数向量；对待识别人脸图像，基于学习到的字典利用协同表示分类算法得到该图像的系数向量，将系数向量输入至分类器中进行分类识别。本发明针对字典学习模型，着重增加字典原子的不相干程度以及字典学习模型的重构能力、判别能力，并采用多条件进行后续的人脸分类识别，以提高人脸识别分类正确率。
-
公开(公告)号：CN107464216A
公开(公告)日：2017-12-12
申请号：CN201710655267.8
申请日：2017-08-03
Applicant: 济南大学
Abstract: 一种基于多层卷积神经网络的医学图像超分辨率重构方法，包括如下步骤：a)将获得的低分辨医学图像输入到卷积神经网络中；b)通进行第一次卷积操作；c)进行第一次重叠池化操作；d)进行二次卷积操作；e)进行二次重叠池化操作；f)进行非线性映射；g)进行卷积操作；h)建立连接层，重构出另一幅图像；i) 将重构的图像进行叠加，得到高分辨率图像。通过模型中的二次特征提取层对医学图像进行更细致的特征提取，通过模型中的重叠池化层减小提取的特征维度，使提取的特征更具代表性，通过模型中的连接层弥补各层卷积操作的损失，最终得到更好的超分辨率重构效果。
-
公开(公告)号：CN106599871A
公开(公告)日：2017-04-26
申请号：CN201611202349.9
申请日：2016-12-23
Applicant: 济南大学
IPC: G06K9/00
CPC classification number: G06K9/00288
Abstract: 本发明公开了一种二维人脸特征分类方法，提取各类人脸图像样本，将人脸图像样本进行分割得到子图像矩阵，求解子图像矩阵的最优投影矩阵，并利用最优投影矩阵对子图像矩阵进行特征提取，得到子图像矩阵以及人脸图像样本的子特征矩阵，将待分类人脸图像按照同样的过程进行分解和特征提取进而得到子特征矩阵，将待分类人脸图像的子特征矩阵与各类人脸图像样本的子特征矩阵进行特征匹配，并利用投票方式进行统计，待分类人脸图像属于获得票数最多的类别，从而实现了人脸特征的分类和识别。本发明具有受图像局部噪声影响小，人脸特征分类和识别效果好、效率高等有益效果。
-
-
-
-
-
-
Search Results
37
records
(took 0.024 seconds)
