-
公开(公告)号:CN113096044A
公开(公告)日:2021-07-09
申请号:CN202110400691.4
申请日:2021-04-14
申请人: 西南科技大学
摘要: 本发明提出了一种基于多尺度快速非局部平均滤波的超声图像去斑方法,包括:步骤1.利用互相关滤波,减少计算相似距离时的重复运算;步骤2,对非局部均值滤波算法中的衰减参数进行自适应设置;步骤3,使用多尺度窗口进行滤波,并对多幅去斑后的图像进行融合。本发明优点是:利用互相关滤波,减少了非局部均值滤波算法在计算图像块相似距离时的重复计算,使算法的运行时间较现有技术减少了4倍以上。能够更加灵活地设置算法中的参数,减少了经验设置参数的工作量。并且加权平均合并了多幅去斑图像,且权重的设置是以自适应方式设置的,最终的去斑后的图像保留了更多的细节,PSNR值提高了0.8dB以上,同时FSIM值也有所提高。
-
公开(公告)号:CN115050063A
公开(公告)日:2022-09-13
申请号:CN202210677527.2
申请日:2022-06-15
申请人: 西南科技大学
IPC分类号: G06V40/14 , G06V40/50 , G06V10/82 , G06V10/98 , G06V10/44 , G06V10/72 , G06V10/74 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种基于轻量化双线性卷积网络的手指静脉图像识别方法,包括以下步骤:S1:预处理公开数据集中的手指静脉图像;S2:构建一个轻量化的双线性卷积网络;S3:构造损失函数,利用S1构造的训练集训练S2构建的卷积网络;S4:建立本地注册人的手指静脉特征库;S5:提取待识别人的手指静脉特征向量;S6:求得S5提取的特征向量与S4中的特征向量之间的余弦相似度,从而判定待识别人身份。本发明的优点是:解决了传统双线性网络输出的特征维度大的缺点,进一步减少了网络中的参数量和计算量。提升了捕获手指静脉图像中细粒度差异的能力,从而提升了识别精度。减少了耗时和存储空间的损耗。
-
公开(公告)号:CN113469143A
公开(公告)日:2021-10-01
申请号:CN202110935812.5
申请日:2021-08-16
申请人: 西南科技大学
摘要: 本发明公开了一种基于神经网络学习的手指静脉图像识别方法,包括以下步骤:S1:获取及预处理手指静脉图像;S2:根据S1提取手指静脉图像特征;S3:根据S2进行特征匹配与识别;S4:根据S3进行实验并分析结果;解决了以往技术中由于对比损失以及三元组损失对训练样本的利用率不够高而导致模型效果欠佳的问题;并通过在系统中融入手指静脉图像质量的判断,解决了由于图像质量不合格而导致的识别准确率降低的问题。
-
公开(公告)号:CN113361412B
公开(公告)日:2022-03-01
申请号:CN202110634758.0
申请日:2021-06-08
申请人: 西南科技大学
摘要: 本发明公开了一种基于ULBP和SURF的特征递进的手指静脉图像精确匹配方法,包括以下步骤:S1:手指静脉图像预处理;S2:对预处理后图像进行图像增强;S3:将所提特征与数据库中特征信息进行匹配,并输出匹配结果;实现了由粗到精的手指静脉识别算法;解决了单个ULBP算法灰度范围小、识别精度不高,以及利用SURF特征点进行匹配时的耗时过长的问题。
-
公开(公告)号:CN113361412A
公开(公告)日:2021-09-07
申请号:CN202110634758.0
申请日:2021-06-08
申请人: 西南科技大学
摘要: 本发明公开了一种基于ULBP和SURF的特征递进的手指静脉图像精确匹配方法,包括以下步骤:S1:手指静脉图像预处理;S2:对预处理后图像进行图像增强;S3:将所提特征与数据库中特征信息进行匹配,并输出匹配结果;实现了由粗到精的手指静脉识别算法;解决了单个ULBP算法灰度范围小、识别精度不高,以及利用SURF特征点进行匹配时的耗时过长的问题。
-
公开(公告)号:CN216133417U
公开(公告)日:2022-03-25
申请号:CN202122873829.0
申请日:2021-11-22
申请人: 西南科技大学
摘要: 本实用新型涉及一种具有活体识别功能的手指静脉图像采集装置,包括:LED调制电路与OV5647摄像头相对设置,中间留有放手指的间距,间距的一侧设有心率传感器,LED调制电路与脉冲宽度调制连接,OV5647摄像头、心率传感器分别与ARM处理器连接。本实用新型采用光容积法采集人体脉搏频率,判断被采样的对象是否为活体,检测通过后再由上述图像采集部分的技术对手指静脉图像进行采集,保证采集到的图像样本为活体对象的样本。
-
-
-
-
-