CN110852280A - 一种指静脉设备镜面异物的检测算法 - Google Patents

一种指静脉设备镜面异物的检测算法 Download PDF

Info

Publication number
CN110852280A
CN110852280A CN201911104899.0A CN201911104899A CN110852280A CN 110852280 A CN110852280 A CN 110852280A CN 201911104899 A CN201911104899 A CN 201911104899A CN 110852280 A CN110852280 A CN 110852280A
Authority
CN
China
Prior art keywords
noise
finger vein
image
binary image
binary
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911104899.0A
Other languages
English (en)
Other versions
CN110852280B (zh
Inventor
张烜
赵国栋
杨爽
李学双
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Holy Point Century Technology Co Ltd
Original Assignee
Holy Point Century Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Holy Point Century Technology Co Ltd filed Critical Holy Point Century Technology Co Ltd
Priority to CN201911104899.0A priority Critical patent/CN110852280B/zh
Publication of CN110852280A publication Critical patent/CN110852280A/zh
Application granted granted Critical
Publication of CN110852280B publication Critical patent/CN110852280B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及生物特征识别及信息安全技术，具体是一种指静脉设备镜面异物的检测算法。本发明解决了指静脉设备的镜面上出现异物导致认假率提高的问题。一种指静脉设备镜面异物的检测算法，该算法是采用如下步骤实现的：步骤S1：采集指静脉图像；步骤S2：归一化处理；步骤S3：高斯滤波；步骤S4：得到噪声图像；步骤S5：得到二值图像；步骤S6：确定噪声水平；步骤S7：设定噪声阈值；步骤S8：将第一幅二值图像的噪声水平与噪声阈值进行比较；步骤S9：确定叠加得到的二值图像的噪声水平；步骤S10：将下一幅二值图像的噪声水平与噪声阈值进行比较；步骤S11：确定叠加得到的二值图像的噪声水平；步骤S12：循环执行步骤S10～步骤S11。本发明适用于安防领域。

Description

一种指静脉设备镜面异物的检测算法
技术领域
本发明涉及生物特征识别及信息安全技术，具体是一种指静脉设备镜面异物的检测算法。
背景技术
指静脉识别技术是一种新兴的生物特征识别技术，其通过利用指静脉设备采集手指内的静脉分布图像来进行身份认证。在指静脉设备的使用过程中，由于用户长期不清洁或者不法分子蓄意攻击，指静脉设备的镜面上往往会出现异物，由此导致指静脉设备采集到的指静脉图像中包含固定噪声，从而导致指静脉设备的认假率提高，进而导致身份认证的安全风险提高。基于此，有必要发明一种指静脉设备镜面异物的检测算法，以解决指静脉设备的镜面上出现异物导致认假率提高的问题。
发明内容
本发明为了解决指静脉设备的镜面上出现异物导致认假率提高的问题，提供了一种指静脉设备镜面异物的检测算法。
本发明是采用如下技术方案实现的：
一种指静脉设备镜面异物的检测算法，该算法是采用如下步骤实现的：
步骤S1：利用指静脉设备采集用户的M幅指静脉图像；
步骤S2：对采集到的每幅指静脉图像进行归一化处理；
步骤S3：对归一化处理后的每幅指静脉图像进行多尺度的高斯滤波；
步骤S4：针对高斯滤波后的每幅指静脉图像，将相邻尺度的高斯滤波结果进行相减，由此得到每幅指静脉图像对应的N幅噪声图像，且N幅噪声图像包含的噪声尺寸各不相同；
步骤S5：对每幅噪声图像进行多方向滤波，由此得到滤除指静脉信息而保留噪声的二值图像；
步骤S6：按照噪声尺寸从小到大的顺序，对每幅指静脉图像对应的N幅二值图像进行排序，并检测每幅二值图像的白色像素点，然后根据检测结果确定每幅二值图像的噪声水平；
步骤S7：设定不同叠加图像的数量对应的噪声阈值；
步骤S8：将第一幅指静脉图像对应的第一幅二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与第一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则执行步骤S9；
步骤S9：将下一幅指静脉图像对应的第一幅二值图像叠加于上一幅指静脉图像对应的第一幅二值图像上，并检测叠加得到的二值图像的白色像素点，然后根据检测结果确定叠加得到的二值图像的噪声水平；然后，将叠加得到的二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与第一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则循环执行本步骤；当循环次数达到M次时，表明指静脉设备的镜面不存在与第一幅二值图像包含的噪声尺寸一致的异物，此时终止执行本步骤，然后执行步骤S10；
步骤S10：将第一幅指静脉图像对应的下一幅二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与下一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则执行步骤S11；
步骤S11：将下一幅指静脉图像对应的下一幅二值图像叠加于上一幅指静脉图像对应的下一幅二值图像上，并检测叠加得到的二值图像的白色像素点，然后根据检测结果确定叠加得到的二值图像的噪声水平；然后，将叠加得到的二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与下一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则循环执行本步骤；当循环次数达到M次时，表明指静脉设备的镜面不存在与下一幅二值图像包含的噪声尺寸一致的异物，此时终止执行本步骤，然后执行步骤S12；
步骤S12：循环执行步骤S10～步骤S11；当循环次数达到N次时，表明指静脉设备的镜面不存在任何异物，算法结束。
本发明所述的一种指静脉设备镜面异物的检测算法基于全新原理，实现了快速、准确地检测指静脉设备的镜面上的异物，由此有效消除了指静脉设备采集到的指静脉图像中包含的固定噪声，从而有效降低了指静脉设备的认假率，从而有效降低了身份认证的安全风险。
通过下述实验，可以有效验证本发明的有益效果：首先，设定不同叠加图像的数量对应的噪声阈值，如表1所示。然后，建立一组无异物的指静脉图像库和三组模拟不同噪声水平的指静脉图像库，如图6～图9所示，并利用MATLAB2016a进行本发明的仿真。然后，测试四组指静脉图像库在同一门限下的认假率，测试结果如表2所示，根据测试结果可知，指静脉设备的镜面上出现异物会导致认假率提高。然后，利用本发明对四组指静脉图像库进行异物检测，检测结果如表3所示，根据检测结果可知，本发明能够有效检测出指静脉设备的镜面上的异物。
表1
叠加图像的数量 噪声阈值
1 298
2 284
3 272
4 263
5 258
6 250
7 246
8 239
9 231
10 225
11 220
12 197
表2
指静脉图像库 噪声水平 FAR
E1 0 0.00
E2 1 0.000008
E3 2 0.000065
E4 3 0.0023
表3
指静脉图像库 噪声水平 异物检出率
E1 0 0.00999％
E2 1 99.6％
E3 2 99.98％
E4 3 100％
本发明有效解决了指静脉设备的镜面上出现异物导致认假率提高的问题，适用于安防领域。
附图说明
图1是本发明的算法流程图。
图2是本发明的步骤S1中指静脉设备采集到的指静脉图像。
图3是本发明的步骤S2中归一化处理后的指静脉图像。
图4是本发明的步骤S5中滤除指静脉信息而保留噪声的二值图像。
图5是本发明的步骤S9中叠加得到的二值图像。
图6是本发明的实验中一组无异物的指静脉图像库。
图7是本发明的实验中第一组模拟不同噪声水平的指静脉图像库。
图8是本发明的实验中第二组模拟不同噪声水平的指静脉图像库。
图9是本发明的实验中第三组模拟不同噪声水平的指静脉图像库。
具体实施方式
一种指静脉设备镜面异物的检测算法，该算法是采用如下步骤实现的：
步骤S1：利用指静脉设备采集用户的M幅指静脉图像；
步骤S2：对采集到的每幅指静脉图像进行归一化处理；
步骤S3：对归一化处理后的每幅指静脉图像进行多尺度的高斯滤波；
步骤S4：针对高斯滤波后的每幅指静脉图像，将相邻尺度的高斯滤波结果进行相减，由此得到每幅指静脉图像对应的N幅噪声图像，且N幅噪声图像包含的噪声尺寸各不相同；
步骤S5：对每幅噪声图像进行多方向滤波，由此得到滤除指静脉信息而保留噪声的二值图像；
步骤S6：按照噪声尺寸从小到大的顺序，对每幅指静脉图像对应的N幅二值图像进行排序，并检测每幅二值图像的白色像素点，然后根据检测结果确定每幅二值图像的噪声水平；
步骤S7：设定不同叠加图像的数量对应的噪声阈值；
步骤S8：将第一幅指静脉图像对应的第一幅二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与第一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则执行步骤S9；
步骤S9：将下一幅指静脉图像对应的第一幅二值图像叠加于上一幅指静脉图像对应的第一幅二值图像上，并检测叠加得到的二值图像的白色像素点，然后根据检测结果确定叠加得到的二值图像的噪声水平；然后，将叠加得到的二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与第一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则循环执行本步骤；当循环次数达到M次时，表明指静脉设备的镜面不存在与第一幅二值图像包含的噪声尺寸一致的异物，此时终止执行本步骤，然后执行步骤S10；
步骤S10：将第一幅指静脉图像对应的下一幅二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与下一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则执行步骤S11；
步骤S11：将下一幅指静脉图像对应的下一幅二值图像叠加于上一幅指静脉图像对应的下一幅二值图像上，并检测叠加得到的二值图像的白色像素点，然后根据检测结果确定叠加得到的二值图像的噪声水平；然后，将叠加得到的二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与下一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则循环执行本步骤；当循环次数达到M次时，表明指静脉设备的镜面不存在与下一幅二值图像包含的噪声尺寸一致的异物，此时终止执行本步骤，然后执行步骤S12；
步骤S12：循环执行步骤S10～步骤S11；当循环次数达到N次时，表明指静脉设备的镜面不存在任何异物，算法结束。
所述步骤S1中，归一化处理是利用双线性插值法实现的。
所述步骤S5中，多方向滤波包括如下步骤：
步骤S5.1：设定多方向滤波模板，并根据如下公式得到噪声图像在每个方向上滤波后的结果：
f(x,y)＝∑I(x,y)*G(x,y)；
式中：f(x,y)表示噪声图像在每个方向上滤波后的结果；I(x,y)表示原始噪声图像；G(x,y)表示多方向滤波模板；
步骤S5.2：统计噪声图像在每个方向上滤波后的结果均大的区域，由此初步确定噪声区域；
步骤S5.3：对初步确定的噪声区域进行多方向上横竖结果的比较，由此去除明显的横纹区域；
步骤S5.4：计算初步确定的噪声区域的方差，由此去除明显的边界点，从而最终确定噪声区域；
步骤S5.5：对最终确定的噪声区域进行采样，由此初步得到二值图像；
步骤S5.6：对初步得到的二值图像进行膨胀形态学处理，由此最终得到二值图像。
所述步骤S6、步骤S9中，二值图像的噪声水平是根据二值图像的白色像素点数量确定的。
所述步骤S9、步骤S11中，二值图像的叠加是指对二值图像中像素值为1的像素点进行同或运算，即保留每幅二值图像中相同位置的白色像素点，由此保留二值图像中固定位置的噪声。

Claims (5)

1.一种指静脉设备镜面异物的检测算法，其特征在于：该算法是采用如下步骤实现的：
步骤S1：利用指静脉设备采集用户的M幅指静脉图像；
步骤S2：对采集到的每幅指静脉图像进行归一化处理；
步骤S3：对归一化处理后的每幅指静脉图像进行多尺度的高斯滤波；
步骤S4：针对高斯滤波后的每幅指静脉图像，将相邻尺度的高斯滤波结果进行相减，由此得到每幅指静脉图像对应的N幅噪声图像，且N幅噪声图像包含的噪声尺寸各不相同；
步骤S5：对每幅噪声图像进行多方向滤波，由此得到滤除指静脉信息而保留噪声的二值图像；
步骤S6：按照噪声尺寸从小到大的顺序，对每幅指静脉图像对应的N幅二值图像进行排序，并检测每幅二值图像的白色像素点，然后根据检测结果确定每幅二值图像的噪声水平；
步骤S7：设定不同叠加图像的数量对应的噪声阈值；
步骤S8：将第一幅指静脉图像对应的第一幅二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与第一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则执行步骤S9；
步骤S9：将下一幅指静脉图像对应的第一幅二值图像叠加于上一幅指静脉图像对应的第一幅二值图像上，并检测叠加得到的二值图像的白色像素点，然后根据检测结果确定叠加得到的二值图像的噪声水平；然后，将叠加得到的二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与第一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则循环执行本步骤；当循环次数达到M次时，表明指静脉设备的镜面不存在与第一幅二值图像包含的噪声尺寸一致的异物，此时终止执行本步骤，然后执行步骤S10；
步骤S10：将第一幅指静脉图像对应的下一幅二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与下一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则执行步骤S11；
步骤S11：将下一幅指静脉图像对应的下一幅二值图像叠加于上一幅指静脉图像对应的下一幅二值图像上，并检测叠加得到的二值图像的白色像素点，然后根据检测结果确定叠加得到的二值图像的噪声水平；然后，将叠加得到的二值图像的噪声水平与当前叠加图像的数量对应的噪声阈值进行比较；若噪声水平大于噪声阈值，则表明指静脉设备的镜面存在与下一幅二值图像包含的噪声尺寸一致的异物，算法结束；若噪声水平小于噪声阈值，则循环执行本步骤；当循环次数达到M次时，表明指静脉设备的镜面不存在与下一幅二值图像包含的噪声尺寸一致的异物，此时终止执行本步骤，然后执行步骤S12；
步骤S12：循环执行步骤S10～步骤S11；当循环次数达到N次时，表明指静脉设备的镜面不存在任何异物，算法结束。
2.根据权利要求1所述的一种指静脉设备镜面异物的检测算法，其特征在于：所述步骤S1中，归一化处理是利用双线性插值法实现的。
3.根据权利要求1所述的一种指静脉设备镜面异物的检测算法，其特征在于：所述步骤S5中，多方向滤波包括如下步骤：
步骤S5.1：设定多方向滤波模板，并根据如下公式得到噪声图像在每个方向上滤波后的结果：
f(x,y)＝∑I(x,y)*G(x,y)；
式中：f(x,y)表示噪声图像在每个方向上滤波后的结果；I(x,y)表示原始噪声图像；G(x,y)表示多方向滤波模板；
步骤S5.2：统计噪声图像在每个方向上滤波后的结果均大的区域，由此初步确定噪声区域；
步骤S5.3：对初步确定的噪声区域进行多方向上横竖结果的比较，由此去除明显的横纹区域；
步骤S5.4：计算初步确定的噪声区域的方差，由此去除明显的边界点，从而最终确定噪声区域；
步骤S5.5：对最终确定的噪声区域进行采样，由此初步得到二值图像；
步骤S5.6：对初步得到的二值图像进行膨胀形态学处理，由此最终得到二值图像。
4.根据权利要求1所述的一种指静脉设备镜面异物的检测算法，其特征在于：所述步骤S6、步骤S9中，二值图像的噪声水平是根据二值图像的白色像素点数量确定的。
5.根据权利要求1所述的一种指静脉设备镜面异物的检测算法，其特征在于：所述步骤S9、步骤S11中，二值图像的叠加是指对二值图像中像素值为1的像素点进行同或运算，即保留每幅二值图像中相同位置的白色像素点，由此保留二值图像中固定位置的噪声。
CN201911104899.0A 2019-11-13 2019-11-13 一种指静脉设备镜面异物的检测算法 Active CN110852280B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911104899.0A CN110852280B (zh) 2019-11-13 2019-11-13 一种指静脉设备镜面异物的检测算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911104899.0A CN110852280B (zh) 2019-11-13 2019-11-13 一种指静脉设备镜面异物的检测算法

Publications (2)

Publication Number Publication Date
CN110852280A true CN110852280A (zh) 2020-02-28
CN110852280B CN110852280B (zh) 2022-04-15

Family

ID=69601051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911104899.0A Active CN110852280B (zh) 2019-11-13 2019-11-13 一种指静脉设备镜面异物的检测算法

Country Status (1)

Country Link
CN (1) CN110852280B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639555A (zh) * 2020-05-15 2020-09-08 圣点世纪科技股份有限公司 一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015225354A (ja) * 2014-05-26 2015-12-14 株式会社モフィリア 生体認証装置、生体認証方法、生体認証プログラムおよび電子機器
CN106250842A (zh) * 2016-07-28 2016-12-21 电子科技大学 一种基于脉向检测的指静脉识别技术
CN106372611A (zh) * 2016-09-09 2017-02-01 康佳集团股份有限公司 基于手掌静脉特征的身份识别方法、系统及图像采集装置
CN107862282A (zh) * 2017-11-07 2018-03-30 深圳市金城保密技术有限公司 一种手指静脉识别与安全认证方法及其终端及系统
CN110188614A (zh) * 2019-04-30 2019-08-30 杭州电子科技大学 一种基于皮裂纹分割的nlm滤波指静脉去噪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015225354A (ja) * 2014-05-26 2015-12-14 株式会社モフィリア 生体認証装置、生体認証方法、生体認証プログラムおよび電子機器
CN106250842A (zh) * 2016-07-28 2016-12-21 电子科技大学 一种基于脉向检测的指静脉识别技术
CN106372611A (zh) * 2016-09-09 2017-02-01 康佳集团股份有限公司 基于手掌静脉特征的身份识别方法、系统及图像采集装置
CN107862282A (zh) * 2017-11-07 2018-03-30 深圳市金城保密技术有限公司 一种手指静脉识别与安全认证方法及其终端及系统
CN110188614A (zh) * 2019-04-30 2019-08-30 杭州电子科技大学 一种基于皮裂纹分割的nlm滤波指静脉去噪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHAOPING ZHU ET AL.: "Research on Denoising of Finger Vein Image Based on Deep Convolutional Neural Network", 《2019 14TH INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE & EDUCATION (ICCSE)》 *
吴超: "基于深度学习的指静脉识别研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
熊显名 等: "基于灰度变化方向的指静脉特征检测算法", 《现代电子技术》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639555A (zh) * 2020-05-15 2020-09-08 圣点世纪科技股份有限公司 一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置

Also Published As

Publication number Publication date
CN110852280B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
Wang et al. Fingerprint enhancement in the singular point area
CN108921813B (zh) 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法
WO2014018482A2 (en) Form recognition method and device
CN104282027B (zh) 一种基于Hough变换的圆检测方法
JP2012058787A (ja) 情報処理装置、およびその処理方法
CN108090492B (zh) 基于尺度线索抑制的轮廓检测方法
CN110852280B (zh) 一种指静脉设备镜面异物的检测算法
Aydi et al. A fast and accurate eyelids and eyelashes detection approach for iris segmentation
Saparudin et al. Segmentation of fingerprint image based on gradient magnitude and coherence
Bae et al. Fingerprint image denoising and inpainting using convolutional neural network
CN112116658B (zh) 扣件定位方法、装置及可读存储介质
CN114862870A (zh) 散斑图分区方法、装置、设备及介质
Deshpande et al. Iris recognition system using block based approach with DWT and DCT
Joshi et al. A simple scheme for contour detection.
Kabacinski et al. Human Vein Pattern Correlation-A Comparison of Segmentation Methods.
Attarchi et al. A fast and accurate iris recognition method using the complex inversion map and 2DPCA
Roy et al. Artifacts and skull stripping: An application towards the preprocessing for brain abnormalities detection from MRI
Misra et al. A study report on finger print image enhancement methods
Tiwari et al. Meandering energy potential to locate singular point of fingerprint
Fouad et al. Automaticand accurate segmentation of gridded cDNA microarray images using different methods
Sojan et al. Fingerprint Image Enhancement and Extraction of Minutiae and Orientation
Qu et al. Contour detection improved by frequency domain filtering of gradient image
Chudasama et al. Survey on Various Edge Detection Techniques on Noisy Images
Senel Topological gradient operators for edge detection
Fouad¹ et al. A fully automated method for noisy cDNA microarray image quantification

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A detection algorithm for mirror foreign objects in finger vein devices

Granted publication date: 20220415

Pledgee: Bank of China Limited Taiyuan Binzhou sub branch

Pledgor: Holy Point Century Technology Co.,Ltd.

Registration number: Y2024140000011