基于Gabor变换的指纹特征提取与压缩编码的方法

    公开(公告)号:CN109598205A

    公开(公告)日:2019-04-09

    申请号:CN201811330705.4

    申请日:2018-11-09

    Abstract: 本发明涉及指纹识别技术领域,具体涉及一种基于Gabor变换的指纹特征提取与压缩编码的方法,包括以下步骤:(1)、读入一幅原始指纹图像;(2)、基于Gabor变换对指纹特征进行提取,得到指纹图像的Gabor幅值响应特征图;(3)、将每幅指纹图像的Gabor幅值响应特征图划分为W×W的小块,并将Gabor幅值响应特征图分块处理;(4)、在每一个小块内,对每个像素点的Gabor幅值响应值进行编码操作,得到整幅图像的特征向量F总=[F1F2.......FW×W];(5)、将F总=[F1F2.......FW×W]作为一幅指纹图像的最终特征,存储到数据库中,并在指纹识别中用于数据匹配;本发明采用Gabor幅值响应编码的方法,在保留有效特征的同时,能够较大程度上降低指纹特征的数据规模,便于数据存储和匹配运算。

    文档编号自动识别方法
    4.
    发明公开

    公开(公告)号:CN109446997A

    公开(公告)日:2019-03-08

    申请号:CN201811282479.7

    申请日:2018-10-31

    Abstract: 本发明涉及涉密载体管理技术领域,具体涉及一种文档编号自动识别方法,通过图像采集装置扫描文档编号,并区分文档编号书写形式,分为采用基于特征匹配的机打编号识别方法和基于稀疏自动编码器的手写编号识别方法,本发明针对当前涉密文档信息化建设中的文档编号自动识别方法开展研究,通过提出融合欧拉数和模板匹配的机打编号自动识别算法,有效改善了传统模板匹配算法在相似字符识别中错误率较高的不足,而且较大幅度的提升了自动识别的速率。另外,针对不同人手写编号差距较大,难以采用传统识别方法实现编号识别的困难,本发明构建了大规模数据集,训练了深度稀疏自动编码器网络模型,实现了手写编号的高准确度自动识别。

Patent Agency Ranking