買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江工業大學申請的專利基于重構差異的OCT指紋切面圖像真偽檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114581963B 。

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210191133.6，技術領域涉及：G06V40/12；該發明授權基于重構差異的OCT指紋切面圖像真偽檢測方法是由王海霞;朱成芳;張怡龍;陳朋;梁榮華設計研發完成，并于2022-02-25向國家知識產權局提交的專利申請。

本基于重構差異的OCT指紋切面圖像真偽檢測方法在說明書摘要公布了：一種基于重構差異的OCT指紋切面圖像真偽檢測方法，包括：S1、構建全卷積神經網絡模型，包括編碼器、生成器、特征提取器；S2、收集OCT系統采集的圖像，預處理完成后，隨機選取70％的正樣本圖像作為訓練數據；選取另外30％的正樣本圖像和負樣本圖像，數量均衡后作為測試數據；步驟S3、訓練網絡模型；選用劃分好的訓練圖像作為輸入數據，設定損失函數，用于優化編碼器、生成器；設定對比損失，用于優化特征提取器；對所建網絡模型進行多輪次訓練，通過反向傳播，對模型權重參數進行更新優化直到損失函數趨向收斂時，停止訓練；步驟S4、測試網絡模型；應用訓練好的網絡模型，選用測試數據輸入模型進行測試，根據設定閾值對輸入圖像進行真偽判別。

本發明授權基于重構差異的OCT指紋切面圖像真偽檢測方法在權利要求書中公布了：1.基于重構差異的OCT指紋切面圖像真偽檢測方法，其特征在于，包括以下步驟：步驟S1、構建全卷積神經網絡模型，該全卷積神經網絡模型的主體由包括編碼器、生成器、特征提取器；編碼器獲取輸入圖像在潛空間中的數據分布的特征圖；生成器從獲取的數據分布中重新構造出與輸入圖像相似的圖像；特征提取器使用ResNet網絡結構，為了能更準確定位到圖像中主要區域，減少背景內容干擾，加入了通道注意力模塊以及空間注意力模塊，加強獲取輸入圖像更具語義信息的特征表示；步驟S2、收集OCT系統采集的圖像，將來源于不同個體真人手指的B-scan圖像作為正樣本圖像，來源于不同仿制材料所制仿體的B-scan圖像作為負樣本圖像，此外還收集10張OCT系統在不放置待測物體時的只有背景的圖像；然后對這些圖像進行預處理，預處理完成后，從正樣本圖像中，隨機選取70％的正樣本圖像作為訓練數據；選取另外30％的正樣本圖像和負樣本圖像，數量均衡后作為測試數據；步驟S3、訓練網絡模型；選用劃分好的訓練圖像作為輸入數據，設定損失函數Lrecon，用于優化編碼器、生成器，提升圖像重構質量；設定對比損失Lcon，用于優化特征提取器；對所建網絡模型進行多輪次訓練，通過反向傳播，對模型權重參數進行更新優化直到損失函數趨向收斂時，停止訓練；所述設定損失函數Lrecon，具體包括：輸入數據包括兩部分：原始輸入圖像數據、隨機遮擋后圖像數據；其中隨機遮擋后圖像數據，在每次加載數據時，使用隨機大小的黑色色塊在對應圖像隨機位置上遮擋得到；選用遮擋圖像作為訓練數據送入編碼器、生成器；而原始輸入圖像數據作為衡量指標，重構的輸出圖像需與其比較，即計算重構圖和原始未遮擋圖在像素點上差異度，期望差異值盡量小，使得生成圖分布盡量逼近原始輸入圖，使用L1Loss平均絕對誤差，記作重構誤差Lrecon，計算方式如下：Lrecon＝||GEx-x||11其中，x表示原始輸入圖像的數據分布狀況，GEx表示經由網絡模型后重構復原出圖像的數據分布狀況；所述設定對比損失Lcon，具體過程為：對輸入及重構圖像x和GEx做垂直翻轉，得到對應增強后的圖像數據x^、GEx^，將未增強和增強后的數據共計4組數據輸入到特征提取器中，獲取到的特征向量作為正特征向量，記作zpos，同時隨機選取同樣數量，在步驟S2中準備的增強后的背景圖像數據，送入特征提取器中，該部分獲得的特征向量作為負特征向量，記作zneg；先從zpos中選取一正特征向量作為錨點，記作zo，依次和同批次中另一種特征向量成對組合，在這些組合中，錨點和正特征向量組成的配對組合稱為正數據對，而和負特征向量組成的配對組合稱為負數據對；之后依次選取剩余的正特征向量，重復上述操作；數據對中的兩向量的相似度由余弦相似度計算體現，其值越接近于1，表示兩向量越相似，具體如下式所示： 其中，Sa,b表示為向量za與向量zb數據對的余弦相似度，*T表示向量轉置，||*||表示向量的模長，γ為尺度參數，調整余弦相似度原始[-1,1]范圍；確定相似度衡量標準之后，設定對比損失函數Lcon，該損失函數在定義上類似于softmax-交叉熵損失函數，在損失函數優化的過程中，逐漸提高正數據對相似度的占比，從而實現特征提取器部分的學習目標：正數據對相似度最大化，負數據對相似度最小化；先計算其中一種錨點組成的正數據對在所有含該錨點組合中的占比，目標期望該占比越大越好，所以損失函數需要再取負號，如下式所示： 其中，Lcon_anchor_n表示以第n個正特征向量為錨點的正數據對的平均損失值，M為含錨點zo_n的正數據對總數量，Szo_n,zpos_i表示第i個含錨點zo_n的正數據對的余弦相似度，N為含錨點zo_n的負數據對總數量，Szo_n,zneg_j表示第j個含錨點zo_n的負數據對的余弦相似度；接著，計算剩余錨點組合的損失值，同樣依次進行上述計算，最后對所有錨點組合取得的損失值進行求和平均操作，得到特征提取器部分最終對比損失Lcon； 其中，N為錨點總數量，該損失函數僅應用于特征提取器部分；步驟S4、測試網絡模型；應用訓練好的網絡模型，選用測試數據輸入模型進行測試，綜合準確率、誤檢率、漏檢率設定閾值，后續實際應用，根據設定閾值對輸入圖像進行真偽判別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江工業大學，其通訊地址為：310014 浙江省杭州市拱墅區潮王路18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。