排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
2.
虹膜识别面临两个重要的问题：一是如何精细分解与重构虹膜球面图像;二是如何识别虹膜图特征。虹膜表面几何位置信息是一种重要的信号,传统的虹膜识别通常使用虹膜图像的平面特征,然而人的眼睛是一种球体,从平面图像难以提取到虹膜球体的几何特征。针对平面特征容易出现虹膜纹理的扭曲和失真等问题,该文建议一种正交对称的球面Haar小波(OSSHW)基,对球面虹膜信号进行多尺度分解与重构,获得更精细的虹膜曲面几何特征,同时对比球谐函数和半正交或正交球面Haar小波基的虹膜球面信号特征提取能力。在此基础上,该文提出一种基于卷积神经网络(CNN)和正交对称的球面Haar小波的虹膜识别方法,它能够有效捕获虹膜球体曲面的局部精细特征,比半正交或正交球面Haar小波基具有更强的虹膜识别能力。 相似文献
3.
该文提出了一种基于三元采样图卷积网络的度量学习方法,以实现遥感图像的半监督检索。所提方法由三元图卷积网络(TGCN)和基于图的三元组采样(GTS)两部分组成。TGCN由3个具有共享权重的并行卷积神经网络和图卷积网络组成,用以提取图像的初始特征以及学习图像的图嵌入。通过同时学习图像特征以及图嵌入,TGCN能够得到用于半监督图像检索的有效图结构。接着,通过提出的GTS算法对图结构内隐含的图像相似性信息进行评价,以选择合适的困难三元组(Hard Triplet),并利用困难三元组组成的样本集合对模型进行有效快速的模型训练。通过TGCN和GTS的组合,提出的度量学习方法在两个遥感数据集上进行了测试。实验结果表明,TGCN-GTS具有以下两方面的优越性：TGCN能够根据图像及图结构学习到有效的图嵌入特征及度量空间;GTS有效评估图结构内隐含的图像相似性信息选择合适的困难三元组,显著提升了半监督遥感图像检索效果。 相似文献
1