-
公开(公告)号：CN102194111A
公开(公告)日：2011-09-21
申请号：CN201110167331.0
申请日：2011-06-21
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明的目的在于提供非接触握拳式手背静脉样本ROI区域自适应提取方法，包括以下步骤：采用阈值分割将手部目标图像从原始静脉样本中分离出来；利用手背轮廓用四边形近似的特点求取有效轮廓点集及距离基准线，基于有效轮廓点到距离基准线的距离值分布形态获得有效轮廓关键点，并判断所获得的关键点是否符合要求，如符合要求则进行下一步骤；如不符合要求，则需进一步采用关键点修正构建方法获得最后的关键点；基于得到的关键点从手背目标图像中提取出最大稳定区域，即为ROI区域。本发明利用近似四边形和关键点来求取ROI，能够准确地提取手背静脉样本的ROI，并且具有很强的抗旋转性。
-
公开(公告)号：CN101567081B
公开(公告)日：2011-04-20
申请号：CN200910072173.3
申请日：2009-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种手部静脉图像增强方法。包括全局对比度增强和局部细节增强，第一步利用双参数关系函数将手部静脉模式样本从空间域变换到模糊域，并增强样本的全局对比度；第二步在模糊域中利用多尺度Retinex算法对手部静脉模式的细节进行增强；第三步将手部静脉模式从模糊域变换到空间域，形成结果图像。本发明解决了手部静脉样本对比度低、灰度值窄、灰度值分布不均匀等问题，且经过改进之后使得方法的效率符合模式识别系统的要求。
-
公开(公告)号：CN101866486A
公开(公告)日：2010-10-20
申请号：CN201010197533.5
申请日：2010-06-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种手指静脉图像质量判断方法。第一步，读入手指静脉图像；第二步，分别获取手指静脉图像的对比度质量分数、位置偏移质量分数、有效区域质量分数、方向模糊度质量分数；第三步，将第二步得到的质量分数按权值累加起来进行综合评价，建立手指静脉图像最终的质量评价函数。本发明首次综合考虑了影响手指静脉图像质量的各种客观因素，并根据手指静脉图像特性提出了一种手指静脉图像质量的分辨方法。
-
公开(公告)号：CN101794376A
公开(公告)日：2010-08-04
申请号：CN201010100960.7
申请日：2010-01-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种三维手形和掌纹的多模态生物图像采集装置。它包括外壳，外壳的上表面为一层透明材料，透明材料的上面固定有3个小中空立柱，中间的中空立柱内安装一个数字温度传感器，左右两个中空立柱为导电材料并安装有电极，在外壳上表面的两侧各安装一个反射镜片，反射镜片向内倾斜45°角，外壳内设置有光源、摄像头和图像采集与处理电路。本发明可以同时获取正面手形、侧面手形和掌纹的图像，不仅采集速度快，而且与相关识别算法构成的多模态生物特征识别系统，其识别性能好于仅基于手形、或掌纹的单模态生物特征识别系统。
-
公开(公告)号：CN101667137A
公开(公告)日：2010-03-10
申请号：CN200910073045.0
申请日：2009-10-12
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种使用方向滤波技术的手指静脉纹路提取方法。包括手指区域定位、滤波增强、手指静脉模式提取；对读入的静脉图像先采用Kapur熵阈值法分割出手指区域，然后采用数学形态学中的开操作对手指区域去除毛刺；再结合静脉纹路特点求取手指静脉区域的方向图并设计滤波器，结合所得的方向图及方向滤波器对图像进行滤波增强；最后采用NiBlack方法进行二值化操作提取手指静脉模式。本发明所提供的方法提取手指静脉纹路连通性与光滑性好、噪声少。
-
Patent Agency Ranking
公开(公告)号：CN101567081A
公开(公告)日：2009-10-28
申请号：CN200910072173.3
申请日：2009-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种手部静脉图像增强方法。包括全局对比度增强和局部细节增强，第一步利用双参数关系函数将手部静脉模式样本从空间域变换到模糊域，并增强样本的全局对比度；第二步在模糊域中利用多尺度Retinex算法对手部静脉模式的细节进行增强；第三步将手部静脉模式从模糊域变换到空间域，形成结果图像。本发明解决了手部静脉样本对比度低、灰度值窄、灰度值分布不均匀等问题，且经过改进之后使得方法的效率符合模式识别系统的要求。
-
公开(公告)号：CN101564300A
公开(公告)日：2009-10-28
申请号：CN200910072171.4
申请日：2009-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于区域特征分析的步态周期检测方法。包括行人目标轮廓的获取和步态周期检测；所述的行人目标轮廓的获取的方法为，首先从视频中提取单帧图像进行灰度变换，然后计算各像素点在逐帧中的中值，作为整个序列的背景图像，最后采用背景减除法提取人体目标，用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影，使人体居中，将图像的大小统一为64＊64像素；所述的步态周期检测是将步态周期分析问题转化为单帧的图形区域特征分析问题，即根据每帧中图形区域的特征变化情况来分析步态的周期。本发明不但计算量小，而且已经达到人主观判断步态周期的精度，为实时的步态识别提供了可能。
-
公开(公告)号：CN101093539A
公开(公告)日：2007-12-26
申请号：CN200710072580.5
申请日：2007-07-27
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种手指静脉特征提取与匹配识别方法。(1)图像采集装置进行手指静脉图像的采集；(2)对采集的静脉图像进行预处理，预处理包括：采用加权平均值法来进行灰度化、采用迭代的方法求取最佳阈值来对图像进行分割、采用组合滤波器来滤除噪声、采用局部动态阈值法进行图像分割、采取面积消除法进行分割后的去噪处理、对分割后的静脉图像进行高度标准化处理；(3)通过将静脉图像分割成特定大小的图像块，采用小波分解算法对子图像进行小波分解及小波矩的提取，进行PCA及LDA变换步骤提取特征；(4)采用模糊化的阈值方法进行匹配与识别。本发明的方法的误识率和拒识率都很低，识别速度快。
-
公开(公告)号：CN101002682A
公开(公告)日：2007-07-25
申请号：CN200710071660.9
申请日：2007-01-19
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及用于外部数据处理的计算机程序，是使用生物特征进行身份识别的技术。通过静脉采集专用装置获得清晰的静脉图像，然后对图像进行预处理，包括静脉图像的尺寸和灰度的归一化、静脉图像的增强、基于阈值的图像分割、图像的去噪、图像的细化处理，最终得到满足要求的静脉血管纹路。在此基础上，分别提出基于静脉几何结构、特征矩及K－L压缩变换的特征提取方法。最后分别针对这三种提取得到的特征设计了分类器并采用基于决策级融合的匹配方法来进行身份识别。
-
公开(公告)号：CN118379799B
公开(公告)日：2024-10-22
申请号：CN202410804149.9
申请日：2024-06-21
Abstract: 本发明涉及一种基于解耦和鉴别联合学习的跨视角步态识别方法及系统，属于深度学习和模式识别技术领域。本发明创新的提出了通过信息瓶颈理论对行人步态特征进行解耦。相较于此前的人为设计损失函数的解耦方法，本发明基于信息瓶颈理论的指导，具有合理的可解释性；此外，采用密度比技巧和对抗训练的方式，使得模型可以自适应地学习如何有效地解耦身份特征和风格特征，而无需手动调整损失函数的权重或设计复杂的解耦规则。综合而言，这种基于信息瓶颈理论的解耦方法通过结合深度学习和信息论，提供了一种更为理论完备和自适应的方式来处理行人步态特征的解耦问题。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.027 seconds)
