-
公开(公告)号：CN116763301A
公开(公告)日：2023-09-19
申请号：CN202310835550.4
申请日：2023-07-07
Applicant: 浙江工业大学
IPC: A61B5/1172
Abstract: 基于压电陶瓷可自动对焦的FF‑OCT皮下指纹自动采集系统设计，包括如下部分：1)设计基于压电陶瓷自动调焦FF‑OCT系统，包括空间低相干光源、科勒照明模块、分束立方棱镜、样品臂模块、参考臂模块、探测臂模块、信号发生装置、控制系统、中继系统，并按照光路依次搭建。2)手指置于样品臂玻璃上，对基于压电陶瓷自动对焦的FF‑OCT系统。使用PZT压电陶瓷进行对手指皮下指纹进行自动聚焦，调节PZT压电陶瓷使物镜缓慢下移，期间不断对图像质量进行评估，当指纹图像质量出现极大值时为最佳位置，并采集不同聚焦深度断层图。
-
公开(公告)号：CN111666813B
公开(公告)日：2023-06-30
申请号：CN202010356352.6
申请日：2020-04-29
Applicant: 浙江工业大学
Abstract: 一种基于非局部信息的三维卷积神经网络的皮下汗腺提取方法，包括如下步骤：1)利用归一化算法图像增强后，通过截取局部数据和数据旋转进行数据增广；2)通过添加Non_local模块构建基于非局部信息的三维卷积神经网络模型，损失函数采用Dice损失函数；3)将步骤一获取的训练集输入神经网络进行训练；4)利用汗腺体的大小的一定规律和汗腺体上下端的位置偏差不会太大的特性从初步的三维汗腺体图像中筛选并去除伪汗腺体。本发明充分利用指纹切片之间的像素相关性，利用非局部的信息来增加信息量，增强汗腺体信息，提高了指汗腺体检测的准确率。
-
公开(公告)号：CN115619658A
公开(公告)日：2023-01-17
申请号：CN202211149964.3
申请日：2022-09-21
Applicant: 浙江工业大学
IPC: G06T5/00 , G06N3/0464 , G06N3/044 , G06N3/048 , G06N3/08
Abstract: 一种基于内容保证的循环生成式对抗网络手指OCT体数据去噪方法，包括如下步骤：1)通过人为方式制作一张高质量的干净手指B‑Scan图像；2)构建内容保证的循环生成式对抗网络模型，设定参数，进行训练；3)利用训练好的卷积神经网络模型，对OCT体数据进行去噪。本发明可以仅使用一张干净图像训练内容保证的循环生成式对抗网络模型，并对手指OCT体数据进行有效去噪。
-
公开(公告)号：CN114581962A
公开(公告)日：2022-06-03
申请号：CN202210176443.0
申请日：2022-02-25
Applicant: 浙江工业大学
Abstract: 一种基于多输入卷积神经网络的高分辨率掌纹识别的方法，包括如下步骤：1)对高分辨率掌纹ROI进行定义，包括中心ROI区域和边缘ROI区域(包括大鱼际ROI区域，小鱼际ROI区域，指间区ROI区域，简称ROI1,ROI2,ROI3)的裁剪。因此，一只手掌数据共可以裁剪出4块ROI区域图像，作为用于识别的数据；2)设计高分辨率掌纹识别的网络模型，用步骤1)裁剪的ROI样本,并对其进行数据增广以此生成更多的掌纹ROI数据来进行训练；3)运行多输入卷积神经网络模型并输出结果。本发明能够联合掌纹中心ROI区域和边缘ROI区域提取更全面的特征以达到更高的高分辨率掌纹识别率。
-
公开(公告)号：CN114581500A
公开(公告)日：2022-06-03
申请号：CN202210176451.5
申请日：2022-02-25
Applicant: 浙江工业大学
Abstract: 一种多视角三维指纹粗配准方法，包括如下步骤：1)读取两组不同视角的三维指纹数据，分别作为源指纹和目标指纹。每组数据包含一帧点云数据和对应同步拍摄的二维指纹图像。对二维指纹图像进行增强与细化，得到脊谷分明的二值化指纹图。2)对两幅二值化指纹图提取特征点，并进行特征描述。3)对两组特征点信息进行模糊匹配，获得初始模糊匹配对。4)使用不同特征点对之间的几何位置关系进行双重匹配验证，滤除错误的匹配点对。5)根据匹配的二维特征点对找到对应的源三维指纹点云数据和目标三维指纹点云数据的三维点云特征点对，进行粗配准，得到初始变换矩阵。本发明能够从非接触式二维指纹图像中提取匹配特征点对，以更高的准确性和鲁棒性实现多视角三维指纹点云粗配准。
-
Patent Agency Ranking
公开(公告)号：CN114067169A
公开(公告)日：2022-02-18
申请号：CN202111203315.2
申请日：2021-10-15
Applicant: 浙江工业大学
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于卷积神经网络的拉曼光谱识别的方法，包括以下步骤：1)通过拉曼光谱仪采集原始拉曼光谱,同时划分为训练集和验证集；2)建立神经网络模型,包括设定卷积层数，卷积核尺寸，训练参数和损失函数，将步骤1)中得到的图片输入至神经网络中，运行神经网络，获得最终识别结果。本发明使用卷积神经网络，能够从原始的拉曼光谱图像中直接辨别待测物质的种类，不需要对拉曼光谱进行复杂的预处理，从而降低了对硬件的要求，提高了效率并且降低了成本；利用GPU强大的计算能力和大量采集的原始拉曼光谱图,对卷积神经网络的训练，确定识别模型的各个参数，能够实现拉曼光谱图像的快速地自动识别待测物质的种类。
-
公开(公告)号：CN113034475A
公开(公告)日：2021-06-25
申请号：CN202110339571.8
申请日：2021-03-30
Applicant: 浙江工业大学
Abstract: 一种基于轻量级三维卷积神经网络的手指OCT体数据去噪方法，包括如下步骤：1)构建轻量级三维卷积模块；2)构建轻量级三维卷积神经网络模型，设定参数，进行训练；3)利用训练好的轻量级三维卷积神经网络，对OCT体数据进行去噪。本发明可以对手指体数据整体进行去噪，并且将网络轻量化，减少网络训练参数，加快去噪速度。
-
公开(公告)号：CN109247911B
公开(公告)日：2021-04-06
申请号：CN201810824891.0
申请日：2018-07-25
Applicant: 浙江工业大学
IPC: A61B5/00 , A61B5/026 , A61B5/1172
Abstract: 一种手指多模态特征同步采集系统，包括手指表皮指纹采集模块(1000)、手指OCT信息采集模块(1100)、支持模块(1200)、手指OAG信息处理模块(1300)和计算机(1400)；支持模块(1200)用于实现数据接口拓展以便计算机与各个模块的数据传输和电源输出；手指表皮指纹采集模块(1000)用于实现手指表皮指纹信息的采集；手指OCT信息采集模块(1100)用于负责手指OCT信息的采集；手指OAG信息处理模块(1300)用于实现将OCT信息转换成OAG信息；计算机(1400)用于实现对采集到的信息进一步处理。本发明可以得到手指表皮指纹、手指真皮层指纹与汗腺、手指皮下血液流速信息。
-
公开(公告)号：CN111597895A
公开(公告)日：2020-08-28
申请号：CN202010293470.7
申请日：2020-04-15
Applicant: 浙江工业大学
Abstract: 一种基于resnet50神经网络的OCT指纹防伪方法，包括如下步骤：第一步：制取多种类型的指纹样本，采集与之对应的OCT体数据；第二步：对采集得到的数据做数据预处理；第三步：对采集得到的OCT体数据中取切片图进行一阶纵向差分运算，求取出每一列特征点所在位置，连通域去噪拟合之后得到角质层，选择角质层位置上的某一特征点，取局部小块，作为网络训练样本；第四步：构建resnet50网络模型；第五步：随机在鉴别OCT体数据中，将局部小块输入到训练好的resnet50网络模型，确定其所属类别，对此进行防伪。本发明通过网络学习到的手指深层次的信息，对测试数据进行一个数据分类，从而达到指纹防伪。
-
公开(公告)号：CN109247911A
公开(公告)日：2019-01-22
申请号：CN201810824891.0
申请日：2018-07-25
Applicant: 浙江工业大学
IPC: A61B5/00 , A61B5/026 , A61B5/1172
Abstract: 一种手指多模态特征同步采集系统，包括手指表皮指纹采集模块(1000)、手指OCT信息采集模块(1100)、支持模块(1200)、手指OAG信息处理模块(1300)和计算机(1400)；支持模块(1200)用于实现数据接口拓展以便计算机与各个模块的数据传输和电源输出；手指表皮指纹采集模块(1000)用于实现手指表皮指纹信息的采集；手指OCT信息采集模块(1100)用于负责手指OCT信息的采集；手指OAG信息处理模块(1300)用于实现将OCT信息转换成OAG信息；计算机(1400)用于实现对采集到的信息进一步处理。本发明可以得到手指表皮指纹、手指真皮层指纹与汗腺、手指皮下血液流速信息。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.022 seconds)
