一种基于指波变换和SVM的假指纹检测方法

    公开(公告)号:CN104268587A

    公开(公告)日:2015-01-07

    申请号:CN201410566885.1

    申请日:2014-10-22

    Applicant: 武汉大学

    CPC classification number: G06K9/00107 G06K9/0008

    Abstract: 本发明公开了一种基于指波变换和SVM的假指纹检测方法,包括以下步骤:1:采集真、假指纹图像;2:对采集的真、假指纹图像进行指波变换;3:提取采集的指纹图像的指波变换参数作为特征向量;4:对所提取的特征向量进行归一化处理;5:对归一化的特征向量进行支持向量机训练得到基于支持向量机(SVM)的分类器;步骤6:对归一化的待检测指纹的特征向量,使用步骤5中得到的SVM分类模型进行分类,得到“真”或“假”的SVM分类结果。本发明将指纹图像通过指波变换后提取特征向量,输入到支持向量机SVM中进行分类,在不改变指纹采集仪硬件的条件下,能够很好的区分真假指纹。实验结果表明本发明准确率高,拒真率和认假率低,且成本低,实用性好。

    多通道非接触式姿轨控推力矢量系统极性测试装置及方法

    公开(公告)号:CN114814635B

    公开(公告)日:2024-09-13

    申请号:CN202210203052.3

    申请日:2022-03-03

    Applicant: 武汉大学

    Abstract: 本发明涉及传感测控技术,具体涉及多通道非接触式姿轨控推力矢量系统极性测试装置及方法,通过光电位移传感器测量推力器喷管内阀体相对于喷管喉部的实时位移,根据所测得的阀体相对位移判断姿轨控推力矢量系统极性是否和控制指令一致,从而实现姿轨控推力矢量系统极性测量,本装置可以对姿轨控推力矢量系统中多个推力器喷管阀体极性进行同步测量,进而对多个推力器喷管阀体的极性分布是否和控制指令一致进行测量。该装置能同步获取多路光电位移传感器测量阀体的实时位移,进而依据阀体位移确定推力矢量系统极性状态。不仅可以验证推力矢量系统极性是否和控制指令一致,同时可以记录阀体运动过程,从而可以检测阀体运动性能。

    一种基于MXene材料的二氧化氮浓度检测方法

    公开(公告)号:CN116297712A

    公开(公告)日:2023-06-23

    申请号:CN202310286595.0

    申请日:2023-03-22

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于MXene材料的二氧化氮浓度检测方法,包括:基于MXene材料制备用于二氧化氮浓度检测的气敏电阻;将气敏电阻置于待检测环境中,并接入检测电路,以通过检测电路检测气敏电阻的阻值是否大于预设阻值,并在气敏电阻的阻值大于预设阻值时,通过检测电路输出触发信号,以便通过触发信号触发二氧化氮浓度超值预警,其中,二氧化氮浓度大于预设浓度时,气敏电阻的阻值大于预设阻值。本发明可实现二氧化氮浓度精确检测和预警。

    多通道非接触式姿轨控推力矢量系统极性测试装置及方法

    公开(公告)号:CN114814635A

    公开(公告)日:2022-07-29

    申请号:CN202210203052.3

    申请日:2022-03-03

    Applicant: 武汉大学

    Abstract: 本发明涉及传感测控技术,具体涉及多通道非接触式姿轨控推力矢量系统极性测试装置及方法,通过光电位移传感器测量推力器喷管内阀体相对于喷管喉部的实时位移,根据所测得的阀体相对位移判断姿轨控推力矢量系统极性是否和控制指令一致,从而实现姿轨控推力矢量系统极性测量,本装置可以对姿轨控推力矢量系统中多个推力器喷管阀体极性进行同步测量,进而对多个推力器喷管阀体的极性分布是否和控制指令一致进行测量。该装置能同步获取多路光电位移传感器测量阀体的实时位移,进而依据阀体位移确定推力矢量系统极性状态。不仅可以验证推力矢量系统极性是否和控制指令一致,同时可以记录阀体运动过程,从而可以检测阀体运动性能。

    一种基于指波变换和SVM的假指纹检测方法

    公开(公告)号:CN104268587B

    公开(公告)日:2017-05-24

    申请号:CN201410566885.1

    申请日:2014-10-22

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于指波变换和SVM的假指纹检测方法,包括以下步骤:1:采集真、假指纹图像;2:对采集的真、假指纹图像进行指波变换;3:提取采集的指纹图像的指波变换参数作为特征向量;4:对所提取的特征向量进行归一化处理;5:对归一化的特征向量进行支持向量机训练得到基于支持向量机(SVM)的分类器;步骤6:对归一化的待检测指纹的特征向量,使用步骤5中得到的SVM分类模型进行分类,得到“真”或“假”的SVM分类结果。本发明将指纹图像通过指波变换后提取特征向量,输入到支持向量机SVM中进行分类,在不改变指纹采集仪硬件的条件下,能够很好的区分真假指纹。实验结果表明本发明准确率高,拒真率和认假率低,且成本低,实用性好。

Patent Agency Ranking