-
公开(公告)号：CN113689344A
公开(公告)日：2021-11-23
申请号：CN202110745105.X
申请日：2021-06-30
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于特征解耦学习的低曝光图像增强方法，使用正常曝光静脉图像和低曝光静脉图像训练特征解耦网络，迫使编码得到低曝光静脉图像的背景特征，再利用训练好的特征解耦网络和低曝光静脉图像训练图像增强网络，提取低曝光静脉图像的纹理特征，实现低曝光静脉图像的纹理特征和背景特征分离，并单独使用低曝光静脉图像的纹理特征重建增强的静脉图像。本发明提出一种基于特征解耦学习的低曝光图像增强方法，从两种图像的特点出发，引入对抗损失，将低曝光静脉图像纹理特征和背景分离，操纵特定的特征重建正常曝光的图像，对低曝光静脉图像实现有效增强。
-
公开(公告)号：CN113269702A
公开(公告)日：2021-08-17
申请号：CN202110559336.1
申请日：2021-05-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于跨尺度特征融合的低曝光静脉图像增强方法，制作低曝光静脉图像数据集，构建跨尺度特征融合模块，基于通道注意力机制，采用残差结构构建静脉跨尺度融合残差块，若干个残差块首尾连接堆叠成静脉图像跨尺度融合模型，构建测试集，将测试集中的低曝光静脉图像输入到静脉图像跨尺度融合模型，得到增强后的静脉图像。本发明提出一种多尺度分支的跨尺度特征信息融合方法，充分利用了静脉图像不同尺度之间空间结构信息，增强了网络模型对于静脉纹络等细节信息的表征学习能力，提升了低曝光静脉图像的增强效果。
-
Patent Agency Ranking
公开(公告)号：CN113269698A
公开(公告)日：2021-08-17
申请号：CN202110560691.0
申请日：2021-05-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于Actor‑Critic模型的低曝光静脉图像增强方法，设计对比度，饱和度，白平衡，曝光和色调曲线函数滤波器，通过Actor‑Critic模型选取最优的一组图像滤波顺序和参数，并利用其对低曝光静脉图像进行滤波操作，输出每个滤波操作对应图像并提取细节信息，叠加到最后一层滤波器处理后的图像中，最终输出增强的静脉图像。本发明公开的基于Actor‑Critic的低曝光静脉图像增强模型，可以自动选择图像编辑滤波顺序和参数，实现低曝光静脉图像光照信息的恢复和对比度的增强，并且通过提取滤波处理过程中各滤波器输出图像的互补静脉细节信息，解决了全局图像处理造成的静脉细节丢失的问题，达到低曝光静脉图像增强的效果。
-
公开(公告)号：CN112214746A
公开(公告)日：2021-01-12
申请号：CN202010962618.1
申请日：2020-09-14
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多模态静脉图像性别信息异构分离的身份识别方法，依赖于双层无监督稀疏特征学习模型和改进的最大类间方差二进制特征编码模型。本发明涉及计算机视觉领域，包括自行构建静脉图像库，无监督稀疏特征学习对人体手背静脉图像进行性别信息异构分离，在性别属性判断的基础上进行特征提取，分别计算图像二进制特征编码值和编码权值，再进行特征向量相似度判断，身份识别等步骤。本发明公开的基于多模态静脉图像性别信息异构分离的身份认证方法，通过对静脉图像进行性别信息分离，用性别标签引导不同特征提取策略来进行身份认证，提高了身份识别的准确性，能很好地满足准确性要求较高的各类身份识别应用需求。
-
公开(公告)号：CN113269698B
公开(公告)日：2022-01-04
申请号：CN202110560691.0
申请日：2021-05-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于Actor‑Critic模型的低曝光静脉图像增强方法，设计对比度，饱和度，白平衡，曝光和色调曲线函数滤波器，通过Actor‑Critic模型选取最优的一组图像滤波顺序和参数，并利用其对低曝光静脉图像进行滤波操作，输出每个滤波操作对应图像并提取细节信息，叠加到最后一层滤波器处理后的图像中，最终输出增强的静脉图像。本发明公开的基于Actor‑Critic的低曝光静脉图像增强模型，可以自动选择图像编辑滤波顺序和参数，实现低曝光静脉图像光照信息的恢复和对比度的增强，并且通过提取滤波处理过程中各滤波器输出图像的互补静脉细节信息，解决了全局图像处理造成的静脉细节丢失的问题，达到低曝光静脉图像增强的效果。
-
公开(公告)号：CN112214746B
公开(公告)日：2021-07-13
申请号：CN202010962618.1
申请日：2020-09-14
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多模态静脉图像性别信息异构分离的身份识别方法，依赖于双层无监督稀疏特征学习模型和改进的最大类间方差二进制特征编码模型。本发明涉及计算机视觉领域，包括自行构建静脉图像库，无监督稀疏特征学习对人体手背静脉图像进行性别信息异构分离，在性别属性判断的基础上进行特征提取，分别计算图像二进制特征编码值和编码权值，再进行特征向量相似度判断，身份识别等步骤。本发明公开的基于多模态静脉图像性别信息异构分离的身份认证方法，通过对静脉图像进行性别信息分离，用性别标签引导不同特征提取策略来进行身份认证，提高了身份识别的准确性，能很好地满足准确性要求较高的各类身份识别应用需求。
-
公开(公告)号：CN113689344B
公开(公告)日：2022-05-27
申请号：CN202110745105.X
申请日：2021-06-30
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于特征解耦学习的低曝光图像增强方法，使用正常曝光静脉图像和低曝光静脉图像训练特征解耦网络，迫使编码得到低曝光静脉图像的背景特征，再利用训练好的特征解耦网络和低曝光静脉图像训练图像增强网络，提取低曝光静脉图像的纹理特征，实现低曝光静脉图像的纹理特征和背景特征分离，并单独使用低曝光静脉图像的纹理特征重建增强的静脉图像。本发明提出一种基于特征解耦学习的低曝光图像增强方法，从两种图像的特点出发，引入对抗损失，将低曝光静脉图像纹理特征和背景分离，操纵特定的特征重建正常曝光的图像，对低曝光静脉图像实现有效增强。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
