-
公开(公告)号:CN116824003A
公开(公告)日:2023-09-29
申请号:CN202310738031.6
申请日:2023-06-21
Applicant: 浙江工业大学
Abstract: 一种基于骨架的地理地图重构方法,包括:(1)提取地理地图边界数据;(2)采用Douglas‑Peucker算法简化地图;(3)采用基于角平分线的骨架提取算法来提取地图骨架结构;(4)骨架正则化,将不规则的骨架形式转换为标准形式;(5)基于骨架的边界生长,在二维网格中,每个骨架线段以最初位于的单元格为起点,对其边界进行生长扩充;(6)上述操作之后,每个区域被转换成由矩形或直角矩形组成的区块,不同区域填充不同颜色,以便视觉区分。本发明在有效保证重建地图与原始地图在相邻关系和面积份额具有较高一致性的基础上,成功解决地图边界不规则问题,减轻视觉负担,在视觉上更美观且易于理解。
-
公开(公告)号:CN116721212A
公开(公告)日:2023-09-08
申请号:CN202310687724.7
申请日:2023-06-12
Applicant: 浙江工业大学
IPC: G06T17/00 , G06T7/80 , G06T3/40 , G06V40/13 , G06V40/12 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/094
Abstract: 一种基于无监督超分辨率的三维指纹方法,包括如下步骤:1)设计无监督超分辨率网络模型;2)使用系统采集的条纹投影指纹图像,通过无监督超分辨率神经网络模型来提高条纹投影指纹图像的分辨率,利用超分辨率后的图像进行三维重建,得到指纹的三维结构。本发明设计了一个无监督神经网络能够解决单一低分辨率条纹投影指纹的超分辨率,同时也改善结构光采集到的条纹投影指纹边缘模糊现象,从而使三维重建后的指纹图像更加清晰,精度更高。
-
公开(公告)号:CN115618573A
公开(公告)日:2023-01-17
申请号:CN202211170458.2
申请日:2022-09-23
Applicant: 浙江工业大学
IPC: G06F30/20 , G06F16/904 , G06F16/23 , G06F111/04 , G06F111/06
Abstract: 一种基于数学优化模型的渐进式时间线布局方法,包括:(1)获取某一时间数据,或者对非时间数据进行分析代入时间,得到时间演化集,对时间演化集数据进行表示;(2)在时间演化集中将原始数据固定,并插入新的数据点,通过目标函数确定新点的顺序,并尽可能和谐;(3)设计优化目标函数,对新点的坐标进行缩放并计算连续的坐标,设计约束条件对坐标的位置进行约束;(4)利用线性技术处理模型的目标函数以适应Gurobi编程接口,最后通过Gurobi求解模型。本发明解决了视觉上的负担和混乱的问题,实现了一种时间演化集的可视布局方案。
-
公开(公告)号:CN115273158A
公开(公告)日:2022-11-01
申请号:CN202210691578.0
申请日:2022-06-17
Applicant: 浙江工业大学
Abstract: 一种基于OCT体数据的手指伪造攻击检测方法,包括:检测内外部指纹的细节点数量和皮下汗腺的数量;设置细节点数量阈值num1,num2,汗腺数量阈值num3,内外指纹匹配得分阈值t,皮下汗腺位置和内指纹脊线重合率n;若内指纹细节点数量多于num1且外指纹细节点数量多于num2,则计算内外指纹匹配得分;若内指纹细节点数量少于num1,则直接判断为手指伪造攻击;若汗腺数量少于num3,则直接判断为手指伪造攻击;若汗腺数量多于num3,如果内外指纹匹配得高于t则系统直接通过检测;若汗腺数量少于num3的同时,内指纹的细节点数量少于num1,则进入下个步骤;计算皮下汗腺位置和内指纹的脊线重合率;若重合率高于设定值n,则通过检测,否则判断为手指伪造攻击。
-
公开(公告)号:CN114821411A
公开(公告)日:2022-07-29
申请号:CN202210399070.3
申请日:2022-04-15
Applicant: 浙江工业大学
IPC: G06V20/40 , G06V40/10 , G06V10/26 , G06V10/28 , G06V10/62 , G06V10/94 , G06V10/82 , G06T7/254 , G06F16/71 , G06F16/783 , G06N3/04 , G06N3/08
Abstract: 一种基于昇腾处理器的边端监控视频结构化存储方法,包括:搭建基于国产昇腾处理器的边端硬件系统;根据监控摄像头视频流实时更新背景图像;根据上一步得到的二值化矩阵Bi进行椒盐去噪,找出其像素点值为1的总点数c,设置阈值Tc,若c>Tc则表示存在运动目标,使用YOLOV3算法进行目标检测,将框选出来的行人图像分割出来,并且送入到行人外观提取网络提取外观标签;对于目标检测网络,如果提取到了行人目标则将该帧合并入H264文件,生成关于关键视频段和行人目标的标签信息;将H264放在SD卡中,当缓存的数据达到SD卡存储上限后会定期向服务器进行备份。本发明加快了监控视频突发事件处理的实时性和响应速度,减少了服务器的计算压力。
-
公开(公告)号:CN113126069B
公开(公告)日:2022-07-26
申请号:CN202110306807.8
申请日:2021-03-23
Applicant: 浙江工业大学
IPC: G01S7/539
Abstract: 一种基于ZYNQ的前视声呐信号处理硬件系统,涉及海洋声学装备技术领域,包括ZYNQ模块、Spartan‑6模块、高速AD模块、模拟前端模块、电源模块、DDR3模块、千兆网模块、PWM模块、DA模块、SD卡模块以及串口通信模块。本发明抗干扰能力较好、功耗较低、实时性良好。本发明提供了一种能对多路模拟通道同步采集、大量数据高速处理、成像速度快的基于ZYNQ的前视声呐信号处理硬件系统。
-
公开(公告)号:CN108735269B
公开(公告)日:2021-12-17
申请号:CN201810485744.5
申请日:2018-05-21
Applicant: 浙江工业大学
Abstract: 一种基于连续聚类框架的脑纤维快速聚类算法,包括以下步骤:1)建立纤维集群参数模型,包含纤维集群中心、密度、群内距离和纤维数量4个参数;2)读入一定数量的纤维,通过密度峰值搜索算法初始化参数模型;3)读入新的纤维,与由参数模型表示的纤维集群进行相似度距离计算,根据相似度距离大小将新纤维分配到集群或者置于缓存容器中;4)重复步骤2),同时通过缓存容器阈值判断是否更新参数模型,直至所有纤维都经过分类处理;5)最后对所有参数模型进行密度峰值搜索聚类,结束脑纤维聚类过程。本发明通过参数模型表示纤维集群,以参数模型的形式代表集群中的所有纤维进行纤维相似度计算,最终对所有参数模型进行聚类。
-
公开(公告)号:CN108764317B
公开(公告)日:2021-11-23
申请号:CN201810485738.X
申请日:2018-05-21
Applicant: 浙江工业大学
Abstract: 一种基于多路特征加权的残差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多路特征加权残差模块;4)将步骤3)中多路特征加权残差模块的输出继续送入下一个多路特征加权残差模块,在经过多个多路特征加权残差模块后,输出的特征图像尺寸会逐渐缩小直至变为较小尺寸,最后经过一个平均池化层缩小为特征点;所得特征点直接送入分类层进行分类或经过全连接层后再进行分类。本发明应用于复杂的图像分类任务,丰富了特征表达,避免了因神经网络深度增加导致的梯度消失问题。
-
公开(公告)号:CN110334566B
公开(公告)日:2021-08-03
申请号:CN201910219860.7
申请日:2019-03-22
Applicant: 浙江工业大学
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。
-
公开(公告)号:CN113052072A
公开(公告)日:2021-06-29
申请号:CN202110318506.7
申请日:2021-03-25
Applicant: 浙江工业大学
Abstract: 一种基于昇腾处理器的指节纹和指静脉身份识别装置,包括昇腾处理器图像处理子系统以及指节纹和指静脉图像采集子系统,系统以搭载昇腾310处理器的Atlas200模块为核心设计嵌入式平台,构建了昇腾处理器图像处理子系统;以650nm和850nm光波长的LED阵列和摄像头为核心搭建指节纹和指静脉图像采集子系统,光强可调;同时,在图像采集过程中通过预处理和图像评估获得最佳质量图像,并使用Triplet Loss函数神经网络进行高效的特征匹配,实现身份识别。本发明有效地解决不同环境下指节纹和指静脉图像差异明显、手指图像识别算法难以实时实现以及低功耗和小型化条件下系统开发的难题。
-
-
-
-
-
-
-
-
-