-
公开(公告)号：CN110765856A
公开(公告)日：2020-02-07
申请号：CN201910863733.0
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 基于卷积的低质量手指静脉图像边缘检测算法，首先利用图像的中心线把水平放置的手指分为上下两部分，分析上下两部分手指边界处像素灰度值的变化情况，设计对应的卷积矩阵，接着利用预先设计好的卷积矩阵分别对手指上下两部分进行运算，得到粗略检测出的手指边界。对于低质量指静脉图像，粗检测的手指边界往往存在缺失断裂的情况，因此，需要判断粗检测的手指边界是否存在断裂的情况，如果边界完好，则完成边缘检测，如果边界存在断裂情况，则采用多项式拟合的方法对边界进行修复。本方法可以实现手指边界与设备背景融合的低质量指静脉图像的边缘检测，具有较强的鲁棒性，能够提高指静脉识别系统的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN110751029A
公开(公告)日：2020-02-04
申请号：CN201910864346.9
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 基于最大曲率自适应静脉提取方法，首先对读入含有指静脉信息的图像进行背景自适应弱化处理，用以解决在静脉提取过程中背景噪声带来的干扰问题；接着对经过背景自适应弱化处理的图像进行多方向的曲率值计算并确定中心点位置，然后进行中心点的自适应筛选剔除伪静脉中心点；最后在经过处理的静脉中心点位置处还原灰度值从而获得多张静脉纹路图，将多张静脉纹路图进行融合、后处理操作以及二值化操作，最终获得二值化静脉纹路图。本方法用以解决采集的源图片质量低、布光不均匀、图像模糊等情况下不能提取到良好的静脉纹路问题，以提高指静脉纹路的提取质量，提高指静脉识别系统的识别率。
-
公开(公告)号：CN110569815A
公开(公告)日：2019-12-13
申请号：CN201910863738.3
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 针对低质量的指静脉图像，提出了基于改进灰度不均匀矫正的指静脉图像特征提取算法。该算法首先利用Gabor滤波调整图像整体亮度，再利用模糊C均值算法（Fuzzy C-means Clustering,FCM）聚类算法找出图像特征与背景的模糊区域，接着利用特征与背景像素的本质差异对模糊区域进行逐像素处理，然后利用滤波估计图像偏场并去除，再以计算连通域面积的方式，找出并去除部分噪声，最后根据处理后图像中的像素布局信息，获取到原图中的特征信息。本算法实现了针对手指特征与背景模糊情况下的指静脉图像的灰度不均匀矫正，具有较强的鲁棒性。
-
公开(公告)号：CN110569815B
公开(公告)日：2022-09-02
申请号：CN201910863738.3
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 针对低质量的指静脉图像，提出了基于改进灰度不均匀矫正的指静脉图像特征提取算法。该算法首先利用Gabor滤波调整图像整体亮度，再利用模糊C均值算法（Fuzzy C‑means Clustering,FCM）聚类算法找出图像特征与背景的模糊区域，接着利用特征与背景像素的本质差异对模糊区域进行逐像素处理，然后利用滤波估计图像偏场并去除，再以计算连通域面积的方式，找出并去除部分噪声，最后根据处理后图像中的像素布局信息，获取到原图中的特征信息。本算法实现了针对手指特征与背景模糊情况下的指静脉图像的灰度不均匀矫正，具有较强的鲁棒性。
-
公开(公告)号：CN110765856B
公开(公告)日：2022-08-12
申请号：CN201910863733.0
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 基于卷积的低质量手指静脉图像边缘检测算法，首先利用图像的中心线把水平放置的手指分为上下两部分，分析上下两部分手指边界处像素灰度值的变化情况，设计对应的卷积矩阵，接着利用预先设计好的卷积矩阵分别对手指上下两部分进行运算，得到粗略检测出的手指边界。对于低质量指静脉图像，粗检测的手指边界往往存在缺失断裂的情况，因此，需要判断粗检测的手指边界是否存在断裂的情况，如果边界完好，则完成边缘检测，如果边界存在断裂情况，则采用多项式拟合的方法对边界进行修复。本方法可以实现手指边界与设备背景融合的低质量指静脉图像的边缘检测，具有较强的鲁棒性，能够提高指静脉识别系统的可靠性。
-
公开(公告)号：CN110751029B
公开(公告)日：2022-08-02
申请号：CN201910864346.9
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 基于最大曲率自适应静脉提取方法，首先对读入含有指静脉信息的图像进行背景自适应弱化处理，用以解决在静脉提取过程中背景噪声带来的干扰问题；接着对经过背景自适应弱化处理的图像进行多方向的曲率值计算并确定中心点位置，然后进行中心点的自适应筛选剔除伪静脉中心点；最后在经过处理的静脉中心点位置处还原灰度值从而获得多张静脉纹路图，将多张静脉纹路图进行融合、后处理操作以及二值化操作，最终获得二值化静脉纹路图。本方法用以解决采集的源图片质量低、布光不均匀、图像模糊等情况下不能提取到良好的静脉纹路问题，以提高指静脉纹路的提取质量，提高指静脉识别系统的识别率。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
