买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽大学申请的专利自适应噪声抑制协同耦合特征增强的掌静脉折点检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120220198B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510429803.7，技术领域涉及：G06V40/14；该发明授权自适应噪声抑制协同耦合特征增强的掌静脉折点检测方法是由唐飞翔;侯芷萌;傅佳欣;任积峰;朱妮娜;孙扬;陈嘉玲;陈倩;王一翔设计研发完成，并于2025-04-08向国家知识产权局提交的专利申请。

本自适应噪声抑制协同耦合特征增强的掌静脉折点检测方法在说明书摘要公布了：本发明提供一种自适应噪声抑制协同耦合特征增强的掌静脉折点检测方法，获取待处理的掌静脉图像；将所述掌静脉图像输入至训练好的折点检测网络中，得到掌静脉折点的数量与位置信息，所述折点检测网络包括级联的浅层特征提取模块、自适应噪声抑制模块、耦合特征增强模块以及解码器。该方法通过自适应噪声抑制模块实现对掌静脉图像背景噪声的抑制，再利用耦合特征增强模块增强通道之间的空间依赖关系实现对位置信息的强化，同时利用金字塔结构由下到上增加核大小以及分组卷积减少核深度，实现对多尺度信息的捕获，从而实现对掌静脉图像中折点数量和位置的有效、准确的检测。

本发明授权自适应噪声抑制协同耦合特征增强的掌静脉折点检测方法在权利要求书中公布了：1.一种自适应噪声抑制协同耦合特征增强的掌静脉折点检测方法，其特征在于，包括： 获取待处理的掌静脉图像； 将所述掌静脉图像输入至训练好的折点检测网络中，得到掌静脉折点的数量与位置信息，所述折点检测网络包括级联的： 浅层特征提取模块，用于对所述掌静脉图像进行预处理； 自适应噪声抑制模块，用于进行背景噪声抑制，以提升图像的信噪比； 耦合特征增强模块，用于对各个通道之间的位置信息进行增强，以获取多尺度信息；以及 解码器，用于对增强后的特征进行处理，得到所述掌静脉折点的数量与位置信息； 所述自适应噪声抑制模块按如下步骤对所述浅层特征提取模块输出的浅层特征进行处理： 将所述浅层特征X划分为G个子特征Xi，i∈{1,2,…,G}； 利用GAP算法对所述子特征Xi进行处理，得到第一特征X1i； 利用常量ε对所述第一特征X1i进行归一化，得到第二特征X2i； 利用可学习参数γ和β对所述第二特征X2i进行变换，得到第三特征X3i； 利用所述子特征Xi和Sigmoid函数对所述第三特征X3i进行处理，得到第四特征X4i； 拼接所述第四特征X4i，得到所述自适应噪声抑制单元的输出特征Y； 所述耦合特征增强单元包括可学习图神经单元和多尺度信息融合单元，所述可学习图神经单元利用图结构增强每个通道之间的空间依赖关系，所述多尺度信息融合单元利用双导向金字塔操作捕获多尺度信息； 所述可学习图神经单元的表达式如下： Z=Y·ReLUConv1dA·GAPY； A=A0×A1+A2； A0=SoftmaxConv1dGAPY； 式中，Z为所述可学习图神经单元的输出特征，Y为所述自适应噪声抑制单元的输出特征，GAP为GAP算法，Conv1d为一维卷积层，ReLU为激活函数，Softmax为归一化，A0、A1和A2为可学习邻接矩阵； 所述多尺度信息融合单元包括并行的第一分支和第二分支，所述第一分支由级联的第一卷积层、多个并行的分组卷积、第二卷积层构成，所述第二分支由级联的自适应平均池化层、第一卷积层、多个并行的分组卷积、第二卷积层、第一上采样层构成，将所述第一分支和所述第二分支的输出特征连接起来后再依次经过第三卷积层和第二上采样层后得到所述多尺度信息融合单元的输出特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。