公开(公告)号：CN118196843A

公开(公告)日：2024-06-14

申请号：CN202410255382.6

申请日：2024-03-06

Applicant: 浙江工业大学

Inventor： 张怡龙 ,  朱源 ,  王海霞 ,  陈朋 ,  梁荣华

IPC: G06V40/12 ,  G06N3/042 ,  G06V10/25 ,  G06V10/26 ,  G06V10/46 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及指纹图像匹配技术应用领域，特别涉及一种基于图神经网络的OCT指纹匹配方法。本发明包括采集OCT指纹三维体数据并得到表皮指纹图像和映射汗孔位置；将表皮指纹图像进行组合，得到真对和假对；以每个映射汗孔位置为中心裁剪ROI区域，为每个ROI区域构建一个局部特征；根据ROI区域的局部特征，为每张表皮指纹图像构建一张特征表示图；构建孪生图神经网络嵌入匹配模型并进行训练，利用损失函数更新模型参数；利用训练好的孪生图神经网络嵌入匹配模型得到匹配分数。本发明在不忽略手指表皮信息的同时，结合OCT指纹中蕴含的丰富的皮下信息完成指纹匹配工作，有助于抵抗外部指纹的磨损以及测量时手指形变带来的影响。

公开(公告)号：CN118135616A

公开(公告)日：2024-06-04

申请号：CN202410262213.5

申请日：2024-03-07

Applicant: 浙江工业大学

Inventor： 姚永波 ,  王海霞 ,  杨阳 ,  张怡龙 ,  孙昊浩 ,  梁荣华 ,  陈朋

IPC: G06V40/12 ,  G06T7/40 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了一种基于无监督低光照非接触式指纹增强方法和装置，首先构建并训练无监督低光照非接触式指纹增强网络模型，所述无监督低光照非接触式指纹增强网络模型包括图像分解模块和纹理增强模块；然后非接触式采集指纹图像，输入到图像分解模块，获取指纹图像的光照分量、反射分量和噪声分量；最后重建反射分量，并将重建后的反射分量作为纹理增强网络模块的输入，获得纹理增强后的反射分量，对光照分量进行伽马变换，然后与纹理增强后的反射分量相乘，重建指纹图像。本发明提高非接触式指纹的照度，同时更加关注指纹的纹理结构，从而使增强后的指纹图像边缘区域纹理更加明显。

公开(公告)号：CN114581963A

公开(公告)日：2022-06-03

申请号：CN202210191133.6

申请日：2022-02-25

Applicant: 浙江工业大学

Inventor： 王海霞 ,  朱成芳 ,  张怡龙 ,  陈朋 ,  梁荣华

IPC: G06V40/12 ,  G06N3/08

Abstract: 一种基于重构差异的OCT指纹切面图像真伪检测方法，包括：S1、构建全卷积神经网络模型，包括编码器、生成器、特征提取器；S2、收集OCT系统采集的图像，预处理完成后，随机选取70％的正样本图像作为训练数据；选取另外30％的正样本图像和负样本图像，数量均衡后作为测试数据；步骤S3、训练网络模型；选用划分好的训练图像作为输入数据，设定损失函数，用于优化编码器、生成器；设定对比损失，用于优化特征提取器；对所建网络模型进行多轮次训练，通过反向传播，对模型权重参数进行更新优化直到损失函数趋向收敛时，停止训练；步骤S4、测试网络模型；应用训练好的网络模型，选用测试数据输入模型进行测试，根据设定阈值对输入图像进行真伪判别。

公开(公告)号：CN113008869A

公开(公告)日：2021-06-22

申请号：CN202110306823.7

申请日：2021-03-23

Applicant: 浙江工业大学

Inventor： 陈朋 ,  陈思逾 ,  张怡龙 ,  王海霞 ,  梁荣华

IPC: G01N21/65

Abstract: 一种基于拉曼光谱的便携式微量毒品和爆炸物检测仪，包括光路、制冷模块、控制模块、显示交互模块、电源模块和表面增强基底，所述光路通过近红外光源装置产生785nm近红外光，通过激发收集光路实现拉曼散射光的激发和采集，通过改良的交叉式Czerny‑Turner光路结构作为分光光路得到拉曼光谱，并结合表面增强拉曼基底辅助对微量毒品和爆炸物进行拉曼光谱增强，使用线阵CCD图像传感器记录拉曼光谱数据，采用以ZYNQ模块作为控制核心的控制模块对整个仪器进行控制，对拉曼光谱进行滤波和基线校正，然后通过HDMI高清多媒体接口进行拉曼光谱图和检测结果的显示，并通过USB串行通信接口连接触摸屏实现用户的交互，本发明装置简单便携，使用拉曼光谱技术满足现场实时检测的需要，适合在公共安全领域推广使用，维护社会稳定。

公开(公告)号：CN110309699B

公开(公告)日：2021-06-18

申请号：CN201910219874.9

申请日：2019-03-22

Applicant: 浙江工业大学

Inventor： 梁荣华 ,  丁宝进 ,  陈朋 ,  王海霞 ,  张怡龙 ,  刘义鹏 ,  蒋莉 ,  潘栋

IPC: G06K9/00

Abstract: 一种基于OCT的皮下汗孔图提取方法，包括如下步骤：1)对每张OCT图像的每个像素进行灰度值差分运算，并选择结果大于阈值的点作为初始特征点集；2)应用霍夫变换，将角质层特征点集从初始特征点集中分离出来，并对其进行二次多项式拟合得到角质层轮廓，同时去除位于角质轮廓周围附近以及上方的特征点；3)由远及近地去除乳头层轮廓外的特征点，得到准确的乳头层特征点集，并对其进行三次插值拟合得到乳头层轮廓；4)据两条轮廓的位置获得汗腺切线，然后将所有OCT图像中获得的汗腺切线拼接成大小为W×N皮下汗孔图，再经过图像增强获得最后结果。本发明能够得到正确的汗腺切线，最后获得清晰的皮下汗孔图。

公开(公告)号：CN110334566A

公开(公告)日：2019-10-15

申请号：CN201910219860.7

申请日：2019-03-22

Applicant: 浙江工业大学

Inventor： 梁荣华 ,  丁宝进 ,  陈朋 ,  王海霞 ,  张怡龙 ,  刘义鹏 ,  蒋莉 ,  崔静静

IPC: G06K9/00 ,  G06K9/62

Abstract: 一种基于三维全卷积神经网络的OCT内外指纹提取方法，包括如下步骤：1)对每幅指纹OCT图像中的角质层区域位置和乳头层区域位置进行手工标注，得到与OCT图像对应的标注图片，进行ROI提取和数据增强，构成标注数据集；2)构建三维全卷积神经网络模型，设定训练参数和损失函数，使用标注好的数据集训练模型；3)通过训练好的全卷积神经网络模型预测未标注的OCT图像的角质层、乳头层；4)根据所有OCT图像的角质层和乳头层，按照相对深度以及OCT图像空间顺序，经过拼接，分别得到OCT指纹的外指纹和内指纹。本发明通过三维全卷积神经网络来学习提取OCT图像的角质层和乳头层特征，从而生成准确的内外指纹。