公开(公告)号：CN104166842B

公开(公告)日：2017-06-13

申请号：CN201410359335.2

申请日：2014-07-25

Applicant: 同济大学

Inventor： 张林 ,  李力达 ,  沈莹 ,  李宏宇

IPC: G06K9/00

Abstract: 本发明公开了一种基于分块统计特征与联合表示的三维掌纹识别方法，其将三维掌纹的采样图像等分为若干个子区域，针对每个子区域，首先计算掌纹的表面类型，然后使用直方图统计每个子区域内掌纹表面类型，最后将每个子区域的表面类型直方图拼接在一起，作为掌纹深度图像的特征描述算子，并使用联合表示框架进行分类，从而提高识别效率与精确度，可用于对身份识别有严格要求的场合。有效地解决了多个三维掌纹采样之间的对齐偏差问题。

公开(公告)号：CN103996192A

公开(公告)日：2014-08-20

申请号：CN201410199362.8

申请日：2014-05-12

Applicant: 同济大学

Inventor： 张林 ,  顾中一 ,  李宏宇 ,  沈莹

IPC: G06T7/00 ,  G06K9/46

Abstract: 本发明所示的基于高质量自然图像统计量学习模型的无参考图像质量评价方法：首先从高质量自然图像的第一图像块中学习多元高斯模型所对应的参数；对于测试图像，先将其分割成等大小的第二图像块，并提取每一个第二图像块的多元高斯模型；使用巴氏距离确定多元高斯模型之间的距离，从而确定失真图像质量块的质量；利用视觉显著性线性加权所有失真图像块的质量，最终得到测试图像的客观评价分数，其可较好地克服了现有评价方法泛化能力弱的问题，满足实际应用对无参考图像质量评价方法的要求。

公开(公告)号：CN102682300A

公开(公告)日：2012-09-19

申请号：CN201110066249.9

申请日：2011-03-18

Applicant: 同济大学

Inventor： 李宏宇 ,  陈雷

IPC: G06K9/62

Abstract: 本发明涉及一种基于轮廓模板匹配的误检样本去除方法，包括以下步骤：1)图像采集模块采集原始图像样本集信息，并将该原始图像样本集信息发送给处理器；2)处理器采用Haar检测算法对原始图像样本集进行检测；3)处理器采用强分类器对步骤2)的检测结果进行分类，将误检样本去除；4)显示器显示去除误检样本后的最终检测结果。与现有技术相比，本发明具有极大的降低Haar检测算法的误检率等优点。