-
公开(公告)号：CN109919022A
公开(公告)日：2019-06-21
申请号：CN201910088552.5
申请日：2019-01-29
摘要： 一种基于OCT系统的自适应内外部指纹提取方法，包括如下步骤：1)对一组OCT图像使用一阶纵向差分并筛选得到指尖结构的初始特征点集，同时进行连通域去噪；2)使用改进聚类的相似度判断与终止条件的计算方法，自适应分离角质层和乳头层的特征点；3)通过定义了位于真皮层内部结构上其他组织的伪特征点，提出基于距离度量的方法去除伪特征点；4)对得到的两类特征点集分别进行三次样条插值拟合并拼接成完整指纹图像。本发明能够自适应不同个体的乳头层深度，以更高的普适性和鲁棒性实现从OCT三维数据中同时提取具有可识别性的、大面积和高分辨率的内外部指纹。
-
公开(公告)号：CN109919019A
公开(公告)日：2019-06-21
申请号：CN201910083635.5
申请日：2019-01-29
摘要： 一种指尖三维信息采集系统，包括OCT指尖内部信息采集模块(1000)、全反射指尖表皮信息采集模块(1100)、支持模块(1200)以及计算机(1300)；所述支持模块(1200)用于实现数据接口拓展以便计算机(1400)与各个模块的数据传输和电源输出；所述全反射指尖表皮信息采集模块(1100)用于实现指尖表皮指纹信息的采集；OCT指尖内部信息采集模块(1100)用于负责指尖OCT信息的采集；计算机(1400)用于实现对采集到的光谱信号进一步处理，得到最终所需的指尖三维信息。本发明可以得到指尖三维信息，包括指尖表皮指纹、指尖真皮指纹、指尖汗孔汗腺信息等三维结构信息。
-
公开(公告)号：CN118135616B
公开(公告)日：2024-10-01
申请号：CN202410262213.5
申请日：2024-03-07
申请人： 浙江工业大学
IPC分类号： G06V40/12 , G06T7/40 , G06N3/0464 , G06N3/088
摘要： 本发明公开了一种基于无监督低光照非接触式指纹增强方法和装置，首先构建并训练无监督低光照非接触式指纹增强网络模型，所述无监督低光照非接触式指纹增强网络模型包括图像分解模块和纹理增强模块；然后非接触式采集指纹图像，输入到图像分解模块，获取指纹图像的光照分量、反射分量和噪声分量；最后重建反射分量，并将重建后的反射分量作为纹理增强网络模块的输入，获得纹理增强后的反射分量，对光照分量进行伽马变换，然后与纹理增强后的反射分量相乘，重建指纹图像。本发明提高非接触式指纹的照度，同时更加关注指纹的纹理结构，从而使增强后的指纹图像边缘区域纹理更加明显。
-
公开(公告)号：CN118351601A
公开(公告)日：2024-07-16
申请号：CN202410513939.1
申请日：2024-04-26
申请人： 浙江工业大学
IPC分类号： G06V40/40 , G06V10/44 , G06T7/136 , G06V10/25 , G06V10/764
摘要： 本发明涉及图像处理和指纹活体防伪技术领域，特别涉及一种基于散斑方差的光学相干层析成像的手指活体防伪方法。本发明通过B‑scan扫描获取样本的时序B‑scan图像；对时序B‑scan图像进行特征区域提取，保留感兴趣区域；使用散斑方差技术去除时序B‑scan图像中静止的结构信息的干扰，提取其中的活体信息，经过阈值分割，去除残留的无效信息；将阈值分割的结果与设定的活体阈值进行比较，得出样本的活体防伪结果。本发明运行速度快，不会增加额外的计算负担，且具有高度的通用性和灵活性。
-
公开(公告)号：CN118090699A
公开(公告)日：2024-05-28
申请号：CN202410093578.X
申请日：2024-01-23
申请人： 浙江工业大学
IPC分类号： G01N21/65 , G06V10/764 , G06V10/82 , G06V10/52 , G06V10/26 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084
摘要： 本发明涉及到差分拉曼光谱技术，特别涉及一种结合差分拉曼光谱和SE‑Res2Net的黄曲霉素检测方法。测得含有黄曲霉素以及不含有黄曲霉素的待测物的差分拉曼光谱；构建模型，初始化模型参数；将黄曲霉素的差分拉曼光谱和待测物的差分拉曼光谱输入模型得到特征图X；将特征图X输入Res2Net模块，得到特征图Y5；将特征图Y5输入SE模块，得到特征图f'；通过跳跃连接的方式将特征图X连接到特征图f'上，得到特征图f；得到待测物中是否含有黄曲霉素的概率，完成模型的训练；验证模型并更新参数。本发明有效去除拉曼光谱中的荧光、环境光等干扰，增强拉曼光谱中的特征峰，提高检测准确率。
-
公开(公告)号：CN113034475B
公开(公告)日：2024-04-19
申请号：CN202110339571.8
申请日：2021-03-30
申请人： 浙江工业大学
IPC分类号： G06T7/00 , G06T5/70 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T5/60
摘要： 一种基于轻量级三维卷积神经网络的手指OCT体数据去噪方法，包括如下步骤：1)构建轻量级三维卷积模块；2)构建轻量级三维卷积神经网络模型，设定参数，进行训练；3)利用训练好的轻量级三维卷积神经网络，对OCT体数据进行去噪。本发明可以对手指体数据整体进行去噪，并且将网络轻量化，减少网络训练参数，加快去噪速度。
-
公开(公告)号：CN117541794A
公开(公告)日：2024-02-09
申请号：CN202311687525.2
申请日：2023-12-08
申请人： 浙江工业大学
IPC分类号： G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N5/04
摘要： 一种基于做尺度注意力的轻量化声呐图像语义分割方法和装置，其方法包括：S1、利用前视声呐设备获取水下声呐图像数据；S2、对前视声呐图像进行像素级标注；S3、将标注好的声呐图像语义分割数据集；S4、构建基于多尺度注意力的轻量化声呐图像语义分割模型；S5、用训练集训练基于多尺度注意力的轻量化声呐图像语义分割模型，并保存测试集上最优的模型权重参数和模型结构；S6、将声呐图像语义分割模型进行等价转换，转换为推理阶段的模型；S7、将模型权重和模型部署到昇腾Atlas200I AI计算平台上；S8、将新采集到的前视声呐图像数据进行预处理，输入声呐图像语义分割模型，并对模型输出进行后处理，得到的渔船、水下阶梯、桥墩的语义分割结果。
-
公开(公告)号：CN117017274A
公开(公告)日：2023-11-10
申请号：CN202310687725.1
申请日：2023-06-12
申请人： 浙江工业大学
IPC分类号： A61B5/11 , A61B5/0205 , G06F18/2433 , G06F18/213 , G06F18/15 , G06F18/27 , A61B5/145
摘要： 一种山地越野跑运动状态异常检测方法，包括通过运动手环硬件设备获取历史运动轨迹、海拔、血氧饱和度、心率变化；建立运动轨迹模型、海拔高度变化模型、血氧饱和度变化模型、心率变化模型；通过定位设备获取当前运动轨迹、海拔高度、血氧饱和度、心率；采用行进距离、海拔变化、血氧饱和度和心率模型对当前运动状态进行异常检测；运动手环硬件将作出反应，当输出的预测结果显示运动状态异常时，设备将根据异常类型提示救援人员。本发明解决了仅考虑运动轨迹相似度等单一变量难以对山地越野跑运动员运动状况异常作出正确决策的问题；对山地越野跑运动员的异常检测更准确高效，能够快速准确对运动员的运动状态异常进行分析并实施救援。
-
公开(公告)号：CN116721212A
公开(公告)日：2023-09-08
申请号：CN202310687724.7
申请日：2023-06-12
申请人： 浙江工业大学
IPC分类号： G06T17/00 , G06T7/80 , G06T3/40 , G06V40/13 , G06V40/12 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/094
摘要： 一种基于无监督超分辨率的三维指纹方法，包括如下步骤：1)设计无监督超分辨率网络模型；2)使用系统采集的条纹投影指纹图像，通过无监督超分辨率神经网络模型来提高条纹投影指纹图像的分辨率，利用超分辨率后的图像进行三维重建，得到指纹的三维结构。本发明设计了一个无监督神经网络能够解决单一低分辨率条纹投影指纹的超分辨率，同时也改善结构光采集到的条纹投影指纹边缘模糊现象，从而使三维重建后的指纹图像更加清晰，精度更高。
-
公开(公告)号：CN116703857A
公开(公告)日：2023-09-05
申请号：CN202310656613.X
申请日：2023-06-05
申请人： 浙江工业大学
IPC分类号： G06T7/00 , G06T7/246 , G06V20/40 , G06V10/82 , G06V10/766 , G06V10/80 , G06N3/0464 , G06N3/08
摘要： 一种基于稀疏融合的在线碳语义地图构建方法，所述方法包括以下步骤：1)对输入视频进行时空分片处理，分成视频片段集合p和关键帧片段集合x；2)提取视频片段集合p的多速率运动特征，然后通过快特征与慢特征的插值对齐模块得到时域运动特征；3)提取关键帧片段集合x的多尺度空间特征，然后通过多尺度特征对齐模块得到对齐后的空域特征；4)融合对齐后的时域运动特征与空域特征得到一个具有时空感知特性的视频动作质量特征，然后进入质量回归模块得到视频动作质量评价分数。本发明利用非常稀疏的图片帧来提取空间特征和具有非常低空间分辨率的密集视频帧来提取运动特征，在提高精度的同时降低了计算复杂度，更适合边缘设备的部署应用。
-
-
-
-
-
-
-
-
-
搜索结果
232 条记录 (耗时 0.092 秒)
