CN112241720A - 针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法 - Google Patents
针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法 Download PDFInfo
- Publication number
- CN112241720A CN112241720A CN202011160824.7A CN202011160824A CN112241720A CN 112241720 A CN112241720 A CN 112241720A CN 202011160824 A CN202011160824 A CN 202011160824A CN 112241720 A CN112241720 A CN 112241720A
- Authority
- CN
- China
- Prior art keywords
- palm
- palm vein
- recognition device
- average gray
- extraction processing
- 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.)
- Pending
Links
- 210000003462 vein Anatomy 0.000 title claims abstract description 95
- 238000000605 extraction Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 238000005286 illumination Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 5
- 238000003672 processing method Methods 0.000 abstract 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，包括通过掌静脉识别装置初次采集用户手掌的掌静脉原始图像进行轮廓提取，确定图像的中心点并以该中心点的中心选取数个区域，判断各个区域是否全部包含在手掌轮廓内，若是，则进行平均灰度值的差值比例计算并与系统预设的比例阈值进行对比，调整相应区域的近红外LED功率，再次采集用户的掌静脉图像对该图像进行掌静脉特征提取处理；若否，则对用户进行需要放正手掌重新录入的提示操作，重复上述流程。采用了本发明的该种自适应提取处理的方法，通过确定手掌的倾斜程度，调整近红外LED的功率，使得照射到手掌的光强均匀，增强成像质量，提高掌静脉识别精度。
Description
技术领域
本发明涉及生物识别领域，特别涉及掌静脉图像识别技术领域，具体是指一种针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法。
背景技术
人体的手掌静脉隐藏在表皮下，在可见光下无法拍摄，却可以在近红外光下拍摄，其结构复杂很难被复制，另外，进行掌静脉拍摄时需将手掌伸平，而人手在自然状态下处于半握拳状态，因此无法窃取拍摄掌脉图像，这使得掌脉成为安全性高的生物特征。
目前大多数的掌静脉识别中，掌静脉图像采集都是基于近红外光照射采集，但由于用户在使用过程中很难实现手掌表面与图像采集装置完全平行，手掌靠近图像采集装置的部分与近红外光源距离更近，手掌远离图像采集装置的部分与近红外光源距离更远。这样会导致即使增加了匀光装置，照射到手掌表面的近红外光仍分布不均，影响成像质量。
发明内容
本发明的目的是克服了上述现有技术的缺点，提供了一种缩小图像的亮暗差异，增强成像质量的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法。
为了实现上述目的，本发明的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法如下：
该针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其主要特点是，所述的方法包括以下步骤：
(1)掌静脉识别装置初次采集用户手掌的掌静脉原始图像，并用Laplacian算子对该掌静脉原始图像进行轮廓提取，得到手掌轮廓；
(2)确定所述的掌静脉原始图像的中心点，以该中心点为中心选取数个区域，所选取的所述的区域的数量对应于所述的掌静脉识别装置中用于采集掌静脉图像进行照明的近红外光LED的数量，且所选取的所述的区域共同形成与所述的近红外光LED的分布形状相对应的分布形状；
(3)判断各个所述的区域是否全部包含在所述的手掌轮廓内，若是，则继续步骤(4)；若否，则对用户进行需要放正手掌重新录入的提示操作，并返回上述步骤(1)；
(4)计算各个所述的区域的平均灰度值，并计算所有所述的区域的平均灰度值的总平均灰度值；
(5)逐次计算各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例，并判断该差值比例是否大于系统预设的比例阈值，若是，则按照系统预设的功率降低比例值降低该相应区域所对应的近红外光LED的功率，并重复步骤(5)；若否，则继续步骤(6)；
(6)逐次判断各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例是否小于系统预设的比例阈值，若是，则按照系统预设的功率增加比例值增加该相应区域所对应的近红外光LED的功率，并重复步骤(6)，若否，则继续步骤(7)；
(7)所述的掌静脉识别装置再次采集用户手掌的掌静脉原始图像，并针对该图像进行后续处理，以提取掌静脉特征。
较佳地，每个所选取的所述的区域均为5×5像素区域。
较佳地，所述的步骤(2)中的所选取的所述的区域的数量为8个，且呈环形分布。
较佳地，所述的步骤(4)中的计算所有所述的区域的平均灰度值的总平均灰度值，具体为：
根据以下公式计算所有所述的区域的平均灰度值的总平均灰度值b：
b＝(a1+a2+a3+a4+a5+a6+a7+a8)/8；
其中，a1、a2、a3、a4、a5、a6、a7、a8分别为各个所述的区域的平均灰度值。
较佳地，所述的步骤(5)中的计算各个区域的平均灰度值与总平均灰度值的差值比例，具体为：根据以下公式计算各个区域的平均灰度值a1、a2、a3、a4、a5、a6、a7、a8与总平均灰度值b的差值比例cx：
cx＝(ax－b)/b；
其中，ax分别为取a1、a2、a3、a4、a5、a6、a7、a8，x取1至8。
更佳地，所述的系统预设的比例阈值为10％。
较佳地，所述的系统预设的功率降低比例值为3％～7％。
更佳地，本发明所采用的所述的系统预设的功率降低比例值为5％。
较佳地，所述的系统预设的功率增加比例值为3％～7％。
更佳地，本发明所采用的所述的系统预设的功率增加比例值为5％。
采用了该发明中的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，通过判断采集到的掌静脉图像中各区域的灰度值去确定手掌的倾斜程度，从而调整近红外LED的功率，使得照射到手掌的光强均匀，缩小图像的亮暗差异，增强成像质量，提高掌静脉识别精度。
附图说明
图1为本发明的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法的流程图。
图2为本发明的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法中的掌静脉图像选取环形分布区域的示意图。
附图标记
1 掌静脉识别装置拍摄到的图像
2 采集到的手掌图像
3 选取的8个呈环形分布的区域
具体实施方式
为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。
请参阅图1所示，其为本发明的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法的流程图。其中，该针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其中，所述的方法包括以下步骤：
(1)掌静脉识别装置初次采集用户手掌的掌静脉原始图像，并用Laplacian算子对该掌静脉原始图像进行轮廓提取，得到手掌轮廓；
(2)确定所述的掌静脉原始图像的中心点，以该中心点为中心选取数个区域，所选取的所述的区域的数量对应于所述的掌静脉识别装置中用于采集掌静脉图像进行照明的近红外光LED的数量，且所选取的所述的区域共同形成与所述的近红外光LED的分布形状相对应的分布形状；
(3)判断各个所述的区域是否全部包含在所述的手掌轮廓内，若是，则继续步骤(4)；若否，则对用户进行需要放正手掌重新录入的提示操作，并返回上述步骤(1)；
(4)计算各个所述的区域的平均灰度值，并计算所有所述的区域的平均灰度值的总平均灰度值；
(5)逐次计算各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例，并判断该差值比例是否大于系统预设的比例阈值，若是，则按照系统预设的功率降低比例值降低该相应区域所对应的近红外光LED的功率，并重复步骤(5)；若否，则继续步骤(6)；
(6)逐次判断各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例是否小于系统预设的比例阈值，若是，则按照系统预设的功率增加比例值增加该相应区域所对应的近红外光LED的功率，并重复步骤(6)，若否，则继续步骤(7)；
(7)所述的掌静脉识别装置再次采集用户手掌的掌静脉原始图像，并针对该图像进行后续处理，以提取掌静脉特征。
请参阅图2所示，其为本发明的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法中的掌静脉图像选取环形分布区域的示意图。作为本发明的优选实施方式，每个所选取的所述的区域均为5×5像素区域，所述的步骤(2)中的所选取的所述的区域的数量为8个，且呈环形分布。在一具体的实施方式中，所述的区域包括但不限于其他任意分布的区域。
作为本发明的优选实施方式，由于掌静脉图像是灰度图像，因此可以用图像的灰度表征图像强度，所述的步骤(4)中的计算所有所述的区域的平均灰度值的总平均灰度值，具体为：
根据以下公式计算所有所述的区域的平均灰度值的总平均灰度值b：
b＝(a1+a2+a3+a4+a5+a6+a7+a8)/8；
其中，a1、a2、a3、a4、a5、a6、a7、a8分别为各个所述的区域的平均灰度值。
作为本发明的优选实施方式，所述的步骤(5)中的计算各个区域的平均灰度值与总平均灰度值的差值比例，具体为：根据以下公式计算各个区域的平均灰度值a1、a2、a3、a4、a5、a6、a7、a8与总平均灰度值b的差值比例cx：
cx＝(ax－b)/b；
其中，ax分别为取a1、a2、a3、a4、a5、a6、a7、a8，x取1至8。
作为本发明的优选实施方式，所述的系统预设的比例阈值为10％。
作为本发明的优选实施方式，所述的系统预设的功率降低比例值为3％～7％。
在一具体的实施方式中，本发明所采用的所述的系统预设的功率降低比例值为5％。
作为本发明的优选实施方式，所述的系统预设的功率增加比例值为3％～7％。
在一具体的实施方式中，本发明所采用的所述的系统预设的功率增加比例值为5％。
在实际使用当中，本发明的呈环形分布的所选取的8个区域的光强的大小可反映各区域与图像采集装置中近红外LED的距离关系；通过计算每个区域的平均灰度值，平均灰度值越大，表明近红外LED照射到该区域的光强越大。在初始状态下，每个近红外LED的功率相同，理论上照射到所选取的8个呈环形分布的区域光强相同，由于手掌的倾斜，距离近红外LED较近的区域，光强较大，平均灰度值也较大，距离近红外LED较远的区域，光强越小，平均灰度值也越小。
采用了该发明中的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，通过判断采集到的掌静脉图像中各区域的灰度值去确定手掌的倾斜程度，从而调整近红外LED的功率，使得照射到手掌的光强均匀，缩小图像的亮暗差异，增强成像质量，提高掌静脉识别精度。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。
Claims (10)
1.一种针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的方法包括以下步骤：
(1)掌静脉识别装置初次采集用户手掌的掌静脉原始图像，并用Laplacian算子对该掌静脉原始图像进行轮廓提取，得到手掌轮廓；
(2)确定所述的掌静脉原始图像的中心点，以该中心点为中心选取数个区域，所选取的所述的区域的数量对应于所述的掌静脉识别装置中用于采集掌静脉图像进行照明的近红外光LED的数量，且所选取的所述的区域共同形成与所述的近红外光LED的分布形状相对应的分布形状；
(3)判断各个所述的区域是否全部包含在所述的手掌轮廓内，若是，则继续步骤(4)；若否，则对用户进行需要放正手掌重新录入的提示操作，并返回上述步骤(1)；
(4)计算各个所述的区域的平均灰度值，并计算所有所述的区域的平均灰度值的总平均灰度值；
(5)逐次计算各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例，并判断该差值比例是否大于系统预设的比例阈值，若是，则按照系统预设的功率降低比例值降低该相应区域所对应的近红外光LED的功率，并重复步骤(5)；若否，则继续步骤(6)；
(6)逐次判断各个所述的区域的平均灰度值与所述的总平均灰度值的差值比例是否小于系统预设的比例阈值，若是，则按照系统预设的功率增加比例值增加该相应区域所对应的近红外光LED的功率，并重复步骤(6)，若否，则继续步骤(7)；
(7)所述的掌静脉识别装置再次采集用户手掌的掌静脉原始图像，并针对该图像进行后续处理，以提取掌静脉特征。
2.根据权利要求1所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，每个所选取的所述的区域均为5×5像素区域。
3.根据权利要求1所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的步骤(2)中的所选取的所述的区域的数量为8个，且呈环形分布。
4.根据权利要求3所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的步骤(4)中的计算所有所述的区域的平均灰度值的总平均灰度值，具体为：
根据以下公式计算所有所述的区域的平均灰度值的总平均灰度值b：
b＝(a1+a2+a3+a4+a5+a6+a7+a8)/8；
其中，a1、a2、a3、a4、a5、a6、a7、a8分别为各个所述的区域的平均灰度值。
5.根据权利要求4所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的步骤(5)中的计算各个区域的平均灰度值与总平均灰度值的差值比例，具体为：
根据以下公式计算各个区域的平均灰度值a1、a2、a3、a4、a5、a6、a7、a8与总平均灰度值b的差值比例cx：
cx＝(ax－b)/b；
其中，ax分别取a1、a2、a3、a4、a5、a6、a7、a8，x取1至8。
6.根据权利要求1至5中任一项所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的系统预设的比例阈值为10％。
7.根据权利要求1至5中任一项所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的系统预设的功率降低比例值为3％～7％。
8.根据权利要求7所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的系统预设的功率降低比例值为5％。
9.根据权利要求1至5中任一项所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的系统预设的功率增加比例值为3％～7％。
10.根据权利要求9所述的针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法，其特征在于，所述的系统预设的功率增加比例值为5％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011160824.7A CN112241720A (zh) | 2020-10-27 | 2020-10-27 | 针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011160824.7A CN112241720A (zh) | 2020-10-27 | 2020-10-27 | 针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112241720A true CN112241720A (zh) | 2021-01-19 |
Family
ID=74169818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011160824.7A Pending CN112241720A (zh) | 2020-10-27 | 2020-10-27 | 针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112241720A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117292136A (zh) * | 2023-11-22 | 2023-12-26 | 江苏圣点世纪科技有限公司 | 一种静脉图像二值化方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101030245A (zh) * | 2006-03-03 | 2007-09-05 | 富士通株式会社 | 图像捕获装置 |
| CN101030013A (zh) * | 2006-03-03 | 2007-09-05 | 富士通株式会社 | 图像捕获装置 |
| CN102663376A (zh) * | 2012-02-22 | 2012-09-12 | 重庆科技学院 | 近红外多光强手指静脉图像的获取和融合系统及方法 |
| CN103116741A (zh) * | 2013-01-28 | 2013-05-22 | 天津理工大学 | 手掌静脉与手掌纹融合图像的采集识别系统 |
| CN104887181A (zh) * | 2015-04-29 | 2015-09-09 | 浙江大学 | 一种便携式静脉投影仪 |
| CN105426843A (zh) * | 2015-11-19 | 2016-03-23 | 安徽大学 | 一种单镜头下掌静脉和掌纹图像采集装置及图像增强和分割方法 |
| CN107256395A (zh) * | 2017-06-12 | 2017-10-17 | 成都芯软科技股份公司 | 掌静脉提取方法及装置 |
| CN109766836A (zh) * | 2019-01-11 | 2019-05-17 | 防灾科技学院 | 一种指静脉识别解锁方法及系统 |
| CN110708444A (zh) * | 2019-09-27 | 2020-01-17 | 广州荣峰光电科技有限公司 | 用于拍摄焊接过程的摄像系统及其控制方法 |
| CN111805100A (zh) * | 2020-07-17 | 2020-10-23 | 西安中科微精光子制造科技有限公司 | 一种激光加工系统及激光加工方法 |
-
2020
- 2020-10-27 CN CN202011160824.7A patent/CN112241720A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101030245A (zh) * | 2006-03-03 | 2007-09-05 | 富士通株式会社 | 图像捕获装置 |
| CN101030013A (zh) * | 2006-03-03 | 2007-09-05 | 富士通株式会社 | 图像捕获装置 |
| CN102663376A (zh) * | 2012-02-22 | 2012-09-12 | 重庆科技学院 | 近红外多光强手指静脉图像的获取和融合系统及方法 |
| CN103116741A (zh) * | 2013-01-28 | 2013-05-22 | 天津理工大学 | 手掌静脉与手掌纹融合图像的采集识别系统 |
| CN104887181A (zh) * | 2015-04-29 | 2015-09-09 | 浙江大学 | 一种便携式静脉投影仪 |
| CN105426843A (zh) * | 2015-11-19 | 2016-03-23 | 安徽大学 | 一种单镜头下掌静脉和掌纹图像采集装置及图像增强和分割方法 |
| CN107256395A (zh) * | 2017-06-12 | 2017-10-17 | 成都芯软科技股份公司 | 掌静脉提取方法及装置 |
| CN109766836A (zh) * | 2019-01-11 | 2019-05-17 | 防灾科技学院 | 一种指静脉识别解锁方法及系统 |
| CN110708444A (zh) * | 2019-09-27 | 2020-01-17 | 广州荣峰光电科技有限公司 | 用于拍摄焊接过程的摄像系统及其控制方法 |
| CN111805100A (zh) * | 2020-07-17 | 2020-10-23 | 西安中科微精光子制造科技有限公司 | 一种激光加工系统及激光加工方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117292136A (zh) * | 2023-11-22 | 2023-12-26 | 江苏圣点世纪科技有限公司 | 一种静脉图像二值化方法 |
| CN117292136B (zh) * | 2023-11-22 | 2024-04-12 | 江苏圣点世纪科技有限公司 | 一种静脉图像二值化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1237474C (zh) | 虹膜识别系统和方法 | |
| CN109544540B (zh) | 一种基于图像分析技术的糖尿病视网膜图像质量检测方法 | |
| EP1857963B1 (en) | Registration device, collation device, extraction method, and program | |
| CN105678286B (zh) | 一种瞳孔定位方法及设备 | |
| US20090220126A1 (en) | Processing an image of an eye | |
| IL172480A (en) | Method for automatic detection and classification of objects and patterns in low resolution environments | |
| Ningsih | Improving retinal image quality using the contrast stretching, histogram equalization, and CLAHE methods with median filters | |
| US10706257B2 (en) | Method for detecting a fake fingerprint | |
| US8078003B2 (en) | Biometric image processing apparatus, biometric image acquisition method, and biometric authentication program | |
| CN111937082A (zh) | 远程牙科成像的引导方法和系统 | |
| CN105046202B (zh) | 自适应的人脸识别光照处理方法 | |
| CN112418150A (zh) | 掌静脉图像评估方法、装置、计算机设备及存储介质 | |
| CN112241720A (zh) | 针对手掌倾斜情形实现掌静脉识别装置进行掌静脉图像自适应提取处理的方法 | |
| Erwin et al. | Hybrid multilevel thresholding and improved harmony search algorithm for segmentation | |
| Irmak et al. | A review of robust image enhancement algorithms and their applications | |
| Xiao et al. | Diabetic retinopathy retinal image enhancement based on gamma correction | |
| Djerouni et al. | Dorsal hand vein image contrast enhancement techniques | |
| Chakour et al. | Blood vessel segmentation of retinal fundus images using dynamic preprocessing and mathematical morphology | |
| CN109409179B (zh) | 一种基于邻域类编码学习的静脉识别方法 | |
| Aydi et al. | A fast and accurate eyelids and eyelashes detection approach for iris segmentation | |
| TWI460667B (zh) | 模糊指紋影像重建方法 | |
| CN115049561A (zh) | 基于非理想光照图像的真实影像再现方法 | |
| CN112241721B (zh) | 基于不同波长光照射条件下实现完整掌静脉图像获取的方法 | |
| JP4165350B2 (ja) | 画像処理方法並びに画像処理装置 | |
| CN110807736A (zh) | 一种眼瞳图像预处理装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210119 |
|
| RJ01 | Rejection of invention patent application after publication |