-
公开(公告)号：CN111898527B
公开(公告)日：2022-07-22
申请号：CN202010744983.5
申请日：2020-07-29
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 面向低质量指静脉图像的特征提取方法，在预处理环节，鉴于手指静脉图像偏移严重，而直接裁剪图像又将丢失部分信息，本发明引入更替位移法对图像进行位移。考虑到局部模式类方法与静脉网络类方法的不足，本发明提出在对图像进行MCM特征提取的基础上叠加提取PBBM特征。从而能够在保留全图信息的情况下，提取出更清晰的手指静脉特征，有效提高低质量图像的识别准确率。
-
公开(公告)号：CN111898527A
公开(公告)日：2020-11-06
申请号：CN202010744983.5
申请日：2020-07-29
Applicant: 南京邮电大学
Abstract: 面向低质量指静脉图像的特征提取方法，在预处理环节，鉴于手指静脉图像偏移严重，而直接裁剪图像又将丢失部分信息，本发明引入更替位移法对图像进行位移。考虑到局部模式类方法与静脉网络类方法的不足，本发明提出在对图像进行MCM特征提取的基础上叠加提取PBBM特征。从而能够在保留全图信息的情况下，提取出更清晰的手指静脉特征，有效提高低质量图像的识别准确率。
-
公开(公告)号：CN114913607B
公开(公告)日：2025-04-15
申请号：CN202210668731.8
申请日：2022-06-14
Applicant: 南京邮电大学
IPC: G06V40/40 , G06V40/14 , G06V10/54 , G06V10/80 , G06V10/30 , G06T5/70 , G06T5/73 , G06T5/60 , G06N3/006
Abstract: 一种基于多特征融合的指静脉仿冒检测方法，利用真伪静脉图像在成像质量上的差异，将图像的噪声特征和模糊特征进行融合，来进行仿冒攻击的检测。本方法实现简单，原始指静脉图像在实现真伪鉴别的同时，可同时用于后续的身份识别，减少了额外的计算机资源消耗；相比于仅使用单一图像纹理特征的指静脉仿冒检测方法，本方法融合静脉图像的噪声特征和模糊特征，可增加真伪静脉图像的区分度，有助于提高指静脉仿冒检测的准确度；相比于传统的直接串联或并行的多特征融合方法，本方法使用加权特征融合，考虑了各特征的重要程度，减小了特征间的相互影响，提高了分类器的泛化能力。
-
公开(公告)号：CN113269080A
公开(公告)日：2021-08-17
申请号：CN202110553089.4
申请日：2021-05-20
Applicant: 南京邮电大学
Abstract: 基于多通道卷积神经网络的掌静脉识别方法，输入手掌静脉图像，并备份原图像，保存为A图像库；ROI区域定位；直方均衡化处理；使用多通道ResNet152网络融合识别。本发明能够减小图像噪音对网络识别的影响，使用直方均衡化能解决图像在定位后灰度分布过于集中、静脉特征不明显等缺点，有效提取出不明显的细小静脉信息，从而增强静脉特征，使用了多通道ResNet152神经网络，融合了整体和局部特征进行识别。原始图像所在通道不进行预处理，更大程度上保留图像的特征信息，实现对特征图像的宏观特征识别；另一个通道采用ROI定位和直方均衡化的结合处理，更注重对特征图像的细微特征识别，有利于提取局部静脉特征。通过使用上述网络结构，可提高掌静脉识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114913564A
公开(公告)日：2022-08-16
申请号：CN202210668699.3
申请日：2022-06-14
Applicant: 南京邮电大学
Abstract: 基于ResNet和DenseNet的指静脉识别方法，采用ResNet和DenseNet两种网络分别处理同一静脉图片在不同模态下的静脉图像。其中，ResNet处理原始静脉图像；DenseNet处理ROI（Region Of Interest，ROI）区域定位后的静脉图像。两个网络相互独立，并分别进行特征提取。最后，本发明使用一种自适应阈值融合方法，对两个网络的输出结果进行特征融合，得到最终的识别结果。本方法能够得到更为丰富的特征信息，有利于提升识别准确率；可以对两个网络发挥的效用进行准确的评估，并在此基础上进行综合，有利于提升最终结果的准确性；可以使用相对更少的训练数据，就能达到较好的识别性能。
-
公开(公告)号：CN113269080B
公开(公告)日：2022-07-12
申请号：CN202110553089.4
申请日：2021-05-20
Applicant: 南京邮电大学
Abstract: 基于多通道卷积神经网络的掌静脉识别方法，输入手掌静脉图像，并备份原图像，保存为A图像库；ROI区域定位；直方均衡化处理；使用多通道ResNet152网络融合识别。本发明能够减小图像噪音对网络识别的影响，使用直方均衡化能解决图像在定位后灰度分布过于集中、静脉特征不明显等缺点，有效提取出不明显的细小静脉信息，从而增强静脉特征，使用了多通道ResNet152神经网络，融合了整体和局部特征进行识别。原始图像所在通道不进行预处理，更大程度上保留图像的特征信息，实现对特征图像的宏观特征识别；另一个通道采用ROI定位和直方均衡化的结合处理，更注重对特征图像的细微特征识别，有利于提取局部静脉特征。通过使用上述网络结构，可提高掌静脉识别的准确率。
-
公开(公告)号：CN117333953A
公开(公告)日：2024-01-02
申请号：CN202311396073.2
申请日：2023-10-26
Applicant: 南京邮电大学
Abstract: 本发明属于图像识别技术领域，具体公开了一种基于分数加权融合的指静脉仿冒检测模型及方法，所述模型的训练步骤包括：伪造图像在打印或二次采集后会产生额外的噪声信息，因此采用双边滤波去噪算法和均值滤波去噪算法提取出伪造图像和真实图像的噪声特征，然后采用基于局部二值模式LBP提取的两类噪声特征和原始纹理特征，最后使用支持向量机SVM对提取的两类噪声特征和原始纹理特征分别进行分类，再将分类结果进行分数加权融合，就能得到最终的分类结果模型，然后采用分类结果模型对待识别图像进行识别。
-
公开(公告)号：CN116246355A
公开(公告)日：2023-06-09
申请号：CN202310056814.6
申请日：2023-01-18
Applicant: 南京邮电大学
IPC: G06V40/40 , G06V40/14 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 基于胶囊网络的指静脉仿冒攻击检测方法，引入了胶囊网络，胶囊网络不仅适用于小样本的指静脉数据集，而且在CNN基础上用向量表示的胶囊代替神经元，可以更好地处理相对位置、角度等空间信息，增强网络对于手指偏移和旋转场景下的适应性；提出了一种贝叶斯路由算法，增加了胶囊的微分熵作为计算激活值的考量，最终分类时选择激活概率较高且集中程度较大的特征胶囊，有助于提高真伪静脉分类的准确率；通过模拟胶囊参数的不确定性，可减少训练误差，提升识别准确率。
-
公开(公告)号：CN114913607A
公开(公告)日：2022-08-16
申请号：CN202210668731.8
申请日：2022-06-14
Applicant: 南京邮电大学
Abstract: 一种基于多特征融合的指静脉仿冒检测方法，利用真伪静脉图像在成像质量上的差异，将图像的噪声特征和模糊特征进行融合，来进行仿冒攻击的检测。本方法实现简单，原始指静脉图像在实现真伪鉴别的同时，可同时用于后续的身份识别，减少了额外的计算机资源消耗；相比于仅使用单一图像纹理特征的指静脉仿冒检测方法，本方法融合静脉图像的噪声特征和模糊特征，可增加真伪静脉图像的区分度，有助于提高指静脉仿冒检测的准确度；相比于传统的直接串联或并行的多特征融合方法，本方法使用加权特征融合，考虑了各特征的重要程度，减小了特征间的相互影响，提高了分类器的泛化能力。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
