-
公开(公告)号：CN103731271B
公开(公告)日：2017-06-30
申请号：CN201310745855.2
申请日：2013-12-30
Applicant: 北京工业大学
Abstract: 一种基于同态加密和混沌置乱的在线人脸身份认证方法，该方法面向安全、可靠的在线身份认证系统应用。本发明首先研究并提出一种有效的SIFT特征点过滤方法和有效的SIFT特征二值化方法；其次设计合理的同态加密方法在加密域实现基于局部特征点相似度的身份认证方法。在上述研究的基础上，围绕用户物理身份和数字身份统一的在线身份认证原型应用系统，设计安全可靠的在线身份认证系统方法。本发明提出的方法得到的加密后的特征具有多样性，可撤销性和安全性，同时仍能保证良好的认证性能。因此，本发明具有一定的应用价值和意义。
-
公开(公告)号：CN103500339B
公开(公告)日：2017-07-21
申请号：CN201310413168.0
申请日：2013-09-11
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 一种联合单尺度Retinex算法和归一化结构描述子的光照人脸识别方法，该方法可以实现对有光照变化的人脸进行识别。本发明经实验分析得出单尺度Retinex算法对于光照变化较大的人脸，处理结果存在阴影，而且处理后人脸的统计直方图与光照正常人脸的统计直方图存在很大差异，因此本发明对单尺度Retinex算法处理结果进一步进行均匀滤波以消除噪声，然后提取归一化结构描述子。最后利用归一化结构描述子得到去光照的人脸图像，处理结果的统计直方图与光照正常人脸的统计直方图差异明显减小。本发明提出的方法计算复杂度低，同时对于光照变化大的情况，识别性能要优于单尺度Retinex的方法，因此，本发明具有一定的应用价值和意义。
-
公开(公告)号：CN103617598B
公开(公告)日：2016-08-31
申请号：CN201310554232.7
申请日：2013-11-10
Applicant: 北京工业大学
Abstract: 本发明是一种基于轨迹的CT图像金属伪影去除方法。针对经典的NMAR金属伪影去除算法中，不可避免地在金属与高密度组织（骨头、金属）间引入新伪影的问题。该方法在NMAR算法中的金属区域插值之后，增加了对多个高密度组织投影中重叠区域进行特殊修复的方法，主要采用基于像素投影轨迹插值的方法。首先，前向投影得到每个高密度组织像素的投影轨迹；进而对轨迹上与其他高密度组织有重叠的区间进行修复，对所有高密度组织像素点重复以上修复过程，得到最终修复好的正弦图。该方法在经典NMAR算法的基础上，增加了基于轨迹的插值方法，大大减少了重建图像中新伪影的引入。大量结果显示修复后的图像金属伪影去除的效果较好。
-
公开(公告)号：CN103973311A
公开(公告)日：2014-08-06
申请号：CN201410145436.X
申请日：2014-04-11
Applicant: 北京工业大学
Abstract: 在多媒体内容描述领域里，存在很多的特征描述子。对于特征维数相对较高的特征描述子，数据量是巨大的。对特征描述子进行二值化是很多研究者的选择，但是二值化的方式种类繁多。而且，在保存二值化数据的时候往往存在很大的冗余。因此，需要一种合理的编码规则来规范二值化的表示方法。本发明提出了一种对变长二值化描述子的快速编解码算法。本发明提出的对变长二值化的编码算法，大大减少了数据冗余量，而且对各种形式的二值化方案提出了一个统一的标准。本发明相应提出了对变长二值化描述子的解码方案。对一个描述子而言，平均解码时间仅为1.90*10-4s，并没有带来额外的时间损失，计算速度很快。
-
公开(公告)号：CN103973311B
公开(公告)日：2017-08-04
申请号：CN201410145436.X
申请日：2014-04-11
Applicant: 北京工业大学
Abstract: 在多媒体内容描述领域里，存在很多的特征描述子。对于特征维数相对较高的特征描述子，数据量是巨大的。对特征描述子进行二值化是很多研究者的选择，但是二值化的方式种类繁多。而且，在保存二值化数据的时候往往存在很大的冗余。因此，需要一种合理的编码规则来规范二值化的表示方法。本发明提出了一种对变长二值化描述子的快速编解码算法。本发明提出的对变长二值化的编码算法，大大减少了数据冗余量，而且对各种形式的二值化方案提出了一个统一的标准。本发明相应提出了对变长二值化描述子的解码方案。对一个描述子而言，平均解码时间仅为1.90*10‑4s，并没有带来额外的时间损失，计算速度很快。
-
Patent Agency Ranking
公开(公告)号：CN103617598A
公开(公告)日：2014-03-05
申请号：CN201310554232.7
申请日：2013-11-10
Applicant: 北京工业大学
Abstract: 本发明是一种基于轨迹的CT图像金属伪影去除方法。针对经典的NMAR金属伪影去除算法中，不可避免地在金属与高密度组织（骨头、金属）间引入新伪影的问题。该方法在NMAR算法中的金属区域插值之后，增加了对多个高密度组织投影中重叠区域进行特殊修复的方法，主要采用基于像素投影轨迹插值的方法。首先，前向投影得到每个高密度组织像素的投影轨迹；进而对轨迹上与其他高密度组织有重叠的区间进行修复，对所有高密度组织像素点重复以上修复过程，得到最终修复好的正弦图。该方法在经典NMAR算法的基础上，增加了基于轨迹的插值方法，大大减少了重建图像中新伪影的引入。大量结果显示修复后的图像金属伪影去除的效果较好。
-
公开(公告)号：CN103617431A
公开(公告)日：2014-03-05
申请号：CN201310539961.5
申请日：2013-11-05
Applicant: 北京工业大学
Abstract: 基于最大位平均熵的SIFT描述子二值化及相似度匹配方法涉及图像匹配领域。SIFT算子匹配能力较强，但是SIFT算子带来的数据量是巨大的。所以要对SIFT算子进行二值化，如果对所有算子进行统一二值化，势必也会导致存在数据冗余或者信息丢失。本发明通过对SIFT算子进行二值化，然后对各层二值化结果进行位平均熵的计算，来自适应的选择不同的二值化层数，提取出新的二值化描述子，然后用汉明距离代替欧式距离计算两个描述子之间的距离，将其跟设定阈值进行比较。本发明保留了原始特征的信息并大大减少了数据存储量，降低了计算的复杂度，可更好实现实时性的要求。并且可以取得等同于原始SIFT描述子的匹配结果，远优于统一二值化进行匹配的结果。
-
公开(公告)号：CN103500339A
公开(公告)日：2014-01-08
申请号：CN201310413168.0
申请日：2013-09-11
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 一种联合单尺度Retinex算法和归一化结构描述子的光照人脸识别方法，该方法可以实现对有光照变化的人脸进行识别。本发明经实验分析得出单尺度Retinex算法对于光照变化较大的人脸，处理结果存在阴影，而且处理后人脸的统计直方图与光照正常人脸的统计直方图存在很大差异，因此本发明对单尺度Retinex算法处理结果进一步进行均匀滤波以消除噪声，然后提取归一化结构描述子。最后利用归一化结构描述子得到去光照的人脸图像，处理结果的统计直方图与光照正常人脸的统计直方图差异明显减小。本发明提出的方法计算复杂度低，同时对于光照变化大的情况，识别性能要优于单尺度Retinex的方法，因此，本发明具有一定的应用价值和意义。
-
公开(公告)号：CN103295002A
公开(公告)日：2013-09-11
申请号：CN201310218047.0
申请日：2013-06-03
Applicant: 北京工业大学
Abstract: 一种基于完全二值姿态仿射尺度不变特征的全姿态人脸识别方法，该方法可以实现对全姿态变化（水平向左旋转90度~水平向右旋转90度，抬头姿态，低头姿态）的人脸进行识别。本发明经实验分析得出仿射尺度不变特征对人脸平面内旋转具有不变性，对人脸25度以内的平面外旋转具有不变性，因此本发明采集多幅特定姿态的人脸图像，并提取它们的仿射尺度不变特征，将它们的特征融合产生完全二值姿态仿射尺度不变特征以实现对全姿态旋转变化具有不变性。本发明提出的方法不需要进行模型训练，因此在计算复杂度上要远远优于基于模型的方法，同时对于姿态变化大的情况，识别性能要远远优于传统的基于特征的方法，本发明具有一定的应用价值和意义。
-
公开(公告)号：CN103617431B
公开(公告)日：2017-01-18
申请号：CN201310539961.5
申请日：2013-11-05
Applicant: 北京工业大学
Abstract: 基于最大位平均熵的SIFT描述子二值化及相似度匹配方法涉及图像匹配领域。SIFT算子匹配能力较强，但是SIFT算子带来的数据量是巨大的。所以要对SIFT算子进行二值化，如果对所有算子进行统一二值化，势必也会导致存在数据冗余或者信息丢失。本发明通过对SIFT算子进行二值化，然后对各层二值化结果进行位平均熵的计算，来自适应的选择不同的二值化层数，提取出新的二值化描述子，然后用汉明距离代替欧式距离计算两个描述子之间的距离，将其跟设定阈值进行比较。本发明保留了原始特征的信息并大大减少了数据存储量，降低了计算的复杂度，可更好实现实时性的要求。并且可以取得等同于原始SIFT描述子的匹配结果，远优于统一二值化进行匹配的结果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
