一种基于卷积稀疏表示的多源指纹图像融合方法

    公开(公告)号:CN111666807A

    公开(公告)日:2020-09-15

    申请号:CN202010309929.8

    申请日:2020-04-20

    Abstract: 一种基于卷积稀疏表示的多源指纹图像融合方法,包括如下步骤:1)获取预先配准好内部和外部指纹图像,采用基于卷积稀疏的形态成分分析模型的稀疏编码得到指纹图像的卡通与纹理分量的稀疏系数图;2)根据指纹图像质量评价指标方向确定度的值,确定权重添加方式,将其添加至两种源指纹图像的卡通与纹理分量中;3)采用基于卷积稀疏表示的融合方法对两种源指纹图像的卡通与纹理分量分别进行融合,由加权平均规则获得卡通与纹理分量的融合系数图,对两种分量的融合系数图进行重建得到融合指纹图像。本发明算法能够保留更多的指纹细节、纹理、边缘信息,保存两种源指纹图像质量较好的区域,得到质量更高的融合指纹图像。

    一种基于单幅条纹投影的多视角三维指纹获取方法

    公开(公告)号:CN111597880A

    公开(公告)日:2020-08-28

    申请号:CN202010258441.7

    申请日:2020-04-03

    Abstract: 一种基于单幅条纹投影的多视角三维指纹获取方法,通过基于条纹投影技术同时获取一幅无相位信息的二维指纹图和带有相位信息的指纹条纹图像,对带有相位信息的指纹条纹图像进行相位提取;进行相位解缠得到连续的相位,通过相位信息对单视角三维指纹完成重建;在获取多个视角的三维指纹后,在每个三维指纹对应的二维指纹图上找到端点或者分叉点作为特征点并且与下个相邻视角二维指纹进行特征点匹配,确定二维指纹的特征匹配点集,在通过特征点集的二维信息,在三维指纹上找到匹配的特征点;获得三维指纹的特征匹配点集后,进行三维指纹配准,重建出多视角的三维指纹模型。本发明测量速度快,通过多视角配准的方法采集出更加完整的三维指纹数据。

    一种基于图片相似度计算的脑纤维视角自动选择方法

    公开(公告)号:CN111242169A

    公开(公告)日:2020-06-05

    申请号:CN201911409311.2

    申请日:2019-12-31

    Abstract: 一种基于图片相似度计算的脑纤维视角自动选择方法,包括以下步骤:1)导入异常纤维样本数据和待判定纤维数据,使用ParaView软件绘制成三维图像;2)运行自动视角旋转脚本,分别绕不同方向轴、以不同角度大小来进行图像旋转,并记录每次旋转之后的一组对比图片;3)通过计算每组图片的相似度,寻找差异最大的视角;4)获取差异最大的视角之后,对图片进行降维处理和聚类分析;5)获得聚类结果之后,根据结果来对纤维数据进行抽象,对原始的纤维数据进行抽象简化,提取重要信息,从而达到分析纤维结构特征的目的。本发明可以帮助研究人员快速定位纤维异常区域并进行分析。

    一种基于FPGA和减法电路的正弦信号相位差测量方法

    公开(公告)号:CN107561360B

    公开(公告)日:2019-11-05

    申请号:CN201710727323.4

    申请日:2017-08-23

    Abstract: 一种基于FPGA和减法电路的正弦信号相位差测量方法,包括以下步骤:1)根据被测量信号的频率以及幅值,利用FPGA以及D/A转换模块生成两路相同频率相同幅值的正弦信号;2)将两路相同频率相同幅值的正弦信号经过减法电路进行相减,得到一路正弦信号;3)将相减得到的一路正弦信号进行滤波、放大以及A/D采样之后传输给FPGA的RAM中;4)将存在RAM中的波形数据传给上位机的显示控制软件,并读取其峰峰值;5)拟合出两路正弦信号之间的相位差与A/D采样峰峰值之间的线性关系式并写入到上位机程序里面,从而实现两路正弦信号之间相位差的检测。本发明提硬件电路简单以及不涉及复杂的算法,并且可以有效的提高测量的精度。

    一种基于全卷积神经网络的相位主值提取方法

    公开(公告)号:CN110163817A

    公开(公告)日:2019-08-23

    申请号:CN201910347403.6

    申请日:2019-04-28

    Abstract: 一种基于全卷积神经网络的相位主值提取方法,包括以下步骤:1)在计算机上将预先编码所需的按正弦分布的条纹图,预先编码好的条纹图投影至待测物,并使用工业相机采集待测物条纹图;2)构建全卷积神经网络模型,设定训练参数和损失函数,将1)中得到的图片输入至神经网络中,运行神经网络,获得所需的相位主值;3)使用基于质量图导向的方法对2)中得到的相位主值进行解缠,得到准确相位值。本发明提供一种图像采集的数量少、无需训练数据集以及训练过程、精度较高的基于全卷积神经网络的相位主值提取方法。

    一种基于空间路径相似性的脑纤维聚类方法

    公开(公告)号:CN106777982B

    公开(公告)日:2019-07-26

    申请号:CN201611171339.3

    申请日:2016-12-17

    Abstract: 一种基于空间路径相似性的脑纤维聚类方法,包括以下步骤:1)、导入纤维数据,跟踪出纤维路径,并计算每根纤维的相似性;2)、由于纤维数据的多样性,有部分组织的纤维比较分散,纤维数量也较少,又有一部分组织的纤维相对比较密集,纤维数量非常多;根据纤维数据的大小,分别使用两种不同的纤维聚类方法:DPC(NGK)纤维聚类方法与DPC(GK)纤维聚类方法;3)将聚类后的纤维数据映射到相应的颜色空间,进行颜色编码与可视化展示;从而达到可以明显地区分出不同类别纤维的效果。

    基于Hadoop的海量交通数据处理方法

    公开(公告)号:CN106530688B

    公开(公告)日:2019-06-14

    申请号:CN201610899062.X

    申请日:2016-10-14

    Abstract: 基于Hadoop的海量交通数据处理方法,包括以下几个步骤:(1)分布式道路匹配,具体包括搭建MapReduce框架、轨迹解析、创建扩展路网;(2)道路流量和车辆速度的计算;(3)道路分流统计。本发明可具体应用到手机导航系统,可以帮助用户来显示当前区域的实时路况,包括当前某条路段的流量以及速度情况和路口的分流信息,用户可以通过这些信息来分析道路拥堵情况,并选择合适的路线来避免经过拥堵的路段,提高导航系统的准确性和有效性。

Patent Agency Ranking