一种基于CS-TCGAN的指静脉图像去噪方法

    公开(公告)号:CN112488934A

    公开(公告)日:2021-03-12

    申请号:CN202011350788.0

    申请日:2020-11-26

    Abstract: 本发明公开了一种基于CS‑TCGAN的指静脉图像去噪方法。包括以下步骤:构造训练集;设计生成器网络结构;设计判别器网络结构;设计基于纹理损失的损失函数;训练整个模型;输入真实带噪指静脉图像生成去噪后的图像。本发明首先利用基于指静脉噪声特性构造的训练集提升去噪模型的泛化性。其次在损失函数中加入纹理损失项,解决原损失函数对于纹理模糊图像约束效果不佳的问题,并且生成器网络采用维度保持结构,解决使用反卷积带来的细节损失问题。较传统的去噪算法和经典的CGAN去噪模型,本发明的去噪模型对静脉信息保留的程度更好,去除噪声的同时更有效地恢复带噪图像的静脉信息,进一步提升了指静脉识别技术在噪声环境下的应用性能。

    一种基于top-k分块的加权近邻二值模式识别方法

    公开(公告)号:CN111611856A

    公开(公告)日:2020-09-01

    申请号:CN202010311823.1

    申请日:2020-04-20

    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。

    多用户周期长短码直扩信号的伪码盲估计方法

    公开(公告)号:CN106817326B

    公开(公告)日:2020-06-23

    申请号:CN201611206453.5

    申请日:2016-12-23

    Abstract: 本发明公开了一种多用户周期长短码直扩信号的伪码盲估计方法。本发明根据其短扩频码和长扰码的周期,将结构复杂的多用户周期长短码直扩信号建模成盲分离形式;基于Fast‑ICA算法分离各用户的混合PN序列片段,并重组成模糊序列;利用m序列的移位叠加性,采用二次延迟相乘法消除信息码和扩频码影响;结合分圆陪集理论计算信号三阶相关函数,从而确定用户的混合PN序列以及三阶相关峰值点,用矩阵斜消法完成扰码估计,解扰信号后用分段延迟互相关法完成扩频码估计。本发明充分利用Fast‑ICA算法以及m序列三阶相关特性,实现对多用户周期长短码直扩信号的两个伪随机码的盲估计。

    一种基于多特征阈值融合的手指静脉识别方法

    公开(公告)号:CN108256456B

    公开(公告)日:2020-04-07

    申请号:CN201810015658.8

    申请日:2018-01-08

    Abstract: 本发明公开了一种基于多特征阈值融合的手指静脉识别方法。本发明先用基于多标准差的二维高斯模板计算手指静脉图像曲率提取图像的背景区域曲率灰度特征,静脉区域曲率灰度特征和曲率细线特征。用相关系数法计算背景区域曲率灰度特征和静脉区域曲率灰度特征的匹配阈值,用MHD算法计算曲率细线特征的匹配阈值,再提出一种多特征阈值融合判决算法,融合以上三种特征的单独识别阈值进行验证判决。本发明提出的基于三种特征阈值融合的算法,由于结合了背景区域曲率灰度特征包含的背景区域可用信息,对模糊的手指静脉图像识别性能下降不明显,因此在低认假率下的拒真率显著低于传统的基于单独细线特征的识别算法,能够合理且高效利用的有效的识别算法。

    WCDMA信号扰码估计和信源信息盲解码方法

    公开(公告)号:CN106789789B

    公开(公告)日:2019-11-22

    申请号:CN201611245474.8

    申请日:2016-12-29

    Abstract: 本发明公开了WCDMA信号扰码估计和信源信息盲解码方法。本发明为解决WCDMA信号中信源信息和扰码盲估计问题,提出采用独立分量分析结合锁相环技术,在多用户和载波频率未知情况下估计不同用户的扰码序列和信源信息。首先利用扰码和OVSF码叠加序列的帧重复性,进行帧等间隔采样,建模成载波调制盲源分离的形式,其次利用复ICA方法分别估计出不同用户载波调制的信息码和扰码,然后将ICA所得的信息码和扰码通过锁相环以去掉频偏,通过判决可估计出原始信息码和扰码。在载波频率未知情况下,本发明可以有效识别多用户WCDMA信号扰码序列并对信源信息进行盲解码,并且比基于奇异值分解长扰码估计方法具有更好的性能。

    一种基于全数字接收机的调制方式识别方法

    公开(公告)号:CN110113278A

    公开(公告)日:2019-08-09

    申请号:CN201910362765.2

    申请日:2019-04-30

    Inventor: 沈雷 周盼 赵永宽

    Abstract: 本发明公开了一种基于全数字接收机的调制方式识别方法。本发明包括以下步骤:步骤1、对接受设备收到的测控信号做FFT变换,估计载频以及3dB带宽;步骤2、利用估计得到的载频完成下变频、滤波和重采样;步骤3、对正交分解后的低频信号通过锁相环路跟踪频偏,利用频率跟踪曲线区分出FSK信号和AM_FM、MTONE_FM信号;步骤4、通过对包含有调制信息的频率跟踪曲线做FFT变换识别出AM_FM、MTONE_FM信号。本发明具有运算量简单,在硬件上容易实现。本发明能够对FSK信号以及复合调制的窄带FM信号在全数字接收机中进行准确地判断,识别正确率要比基于传统的信号瞬时频谱识别方法好。

    基于细化图像和方向场图的指静脉快速识别方法

    公开(公告)号:CN106611168B

    公开(公告)日:2019-06-18

    申请号:CN201611243975.2

    申请日:2016-12-29

    Abstract: 本发明公开了一种基于细化图像和方向场图的指静脉快速识别方法。本发明针对目前的指静脉识别算法在低质量图像下识别率低,在大规模用户下识别速度慢等问题,首先利用静脉细化图像的纵向延伸特性和拓扑结构的不变性,初步区分静脉图像是否来自相同手指,然后提取静脉图像的方向场图,利用静脉图像方向场图稳定性精确识别。方向场图识别方法的识别率明显高于传统识别方法,而且在大规模用户数下1:N匹配识别,本发明提出的分步识别所用时间远小于一步识别所用时间。因此,本发明提出的方法不但可以实现大规模用户下的快速识别,而且识别率高,是一种高速有效的识别方法,在实际中可推广使用。

    一种基于侦察接收机的调制模式识别方法

    公开(公告)号:CN108650203A

    公开(公告)日:2018-10-12

    申请号:CN201810813318.X

    申请日:2018-07-23

    CPC classification number: H04L27/0012

    Abstract: 本发明公开了一种基于侦察接收机的调制模式识别方法。本发明包括以下步骤:1、将输入信号通过自动增益控制处理,将不同能量的信号幅值统一;2、通过FFT对AGC处理后的信号做频率粗估计,估计频率与输入信号下变频;3、对下变频之后信号做位同步处理,消除收发端时钟偏移;4、通过载波同步跟踪剩余频偏,解调出基带信号;5、利用频率跟踪曲线区分出PSK和FSK信号,利用基带信号区分BPSK和QPSK信号。本发明能够消除信号能量和载波频率对调制模式识别的影响,提高了低能量低信噪比的信号的识别率。本发明能够对BPSK、QPSK以及FSK信号在接收机同步系统中进行准确地判断,识别率高于传统识别方法。

    一种结合细节点和细线结构的指纹识别方法

    公开(公告)号:CN108416342A

    公开(公告)日:2018-08-17

    申请号:CN201810524261.1

    申请日:2018-05-28

    Abstract: 本发明公开了一种结合细节点和细线结构的指纹识别方法。本发明包括以下步骤:步骤1、采集所有注册用户的手指指纹图像,并分别对指纹图像进行预处理和特征提取,得到细节点和细线结构特征,并分别保存到数据库中,建立手指指纹数据库;步骤2、采集待识别用户的手指指纹图像,并对指纹图像进行预处理和特征提取,得到待识用户的手指指纹图像的细节点特征和细线结构特征;步骤3、对待识用户的手指指纹图像进行匹配。本发明充分利用细节点周围的方向场信息,使得细节点有较强的鉴别能力,降低了虚假细节点对匹配的影响;并且细节点特征可以快速的提取出两指纹的匹配参考点,减少快指纹匹配的时间。

    基于最大熵二值化时频图和ABF-YOLOv5s的跳频信号参数估计方法

    公开(公告)号:CN119093966A

    公开(公告)日:2024-12-06

    申请号:CN202411147771.3

    申请日:2024-08-21

    Abstract: 本发明属于跳频信号参数估计领域,提供基于最大熵二值化时频图和ABF‑YOLOv5s的跳频信号参数估计方法,包括以下步骤:先获取跳频信号,分别进行短时傅里叶变换和最大熵二值化处理,得到最大熵二值化时频图;再将最大熵二值化时频图输入到ABF‑Yolov5s模型中,得到跳频信号位置信息:最后根据跳频信号位置信息和时频参数的对照关系,进行跳频信号的周期估计和频率估计。本发明在ABF‑Backbone部分引入ASPP模块和BOT3模块,在ABF‑Neck部分引入BiFPN模块,能在低信噪比下提高跳频信号周期估计和频率估计的精度,具有较好的鲁棒性。

Patent Agency Ranking