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！

龙图腾网获悉东南大学申请的专利一种高低精度混合的多维度特征融合指纹检索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：CN116311391B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310245614.5，技术领域涉及：G06V40/12；该发明授权一种高低精度混合的多维度特征融合指纹检索方法是由曹玖新;吕柏青;薛潇雨;贾疏桐设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本一种高低精度混合的多维度特征融合指纹检索方法在说明书摘要公布了：本发明公开了一种高低精度混合的多维度特征融合指纹检索方法。该方法包括：对细节点数据进行预处理并构建指纹细节点图像；构建基于多维度特征融合的ORB快速指纹检索模型；定位指纹图像细节特征点并修正，融入方向角、响应大小等多维度特征；通过尺度金字塔变换、中心和方向角计算、提取二进制描述符、过滤低相关性像素块来生成特征点描述符；以特征点描述符来对指纹进行匹配；针对更高精度的指纹筛选需求，提出旋转平移变换差值法来提升准确率。本发明的有益效果为将指纹细节点的匹配检索问题转化为图像特征点的匹配检索问题，在低时空复杂度的设置下执行大规模指纹检索，并提出改进策略以实现高低精度混合指纹检索。

本发明授权一种高低精度混合的多维度特征融合指纹检索方法在权利要求书中公布了：1.一种高低精度混合的多维度特征融合指纹检索方法，其特征在于，包括以下步骤： 步骤1、对细节点数据进行预处理，生成指纹细节点图像； 步骤2、建立基于多维度特征融合的ORB快速指纹检索模型，融入方向角、响应大小的多维度指纹特征，对指纹细节点图像进行匹配检索； 步骤3、构建旋转平移变换差值模型，将步骤2筛选出的指纹特征点进一步精筛，满足高过滤水平、高精度要求下的指纹检索需求； 步骤4、对指纹检索模型的时间复杂度、空间复杂度、内存空间占用进行计算，并对每枚指纹占据的空间进行说明； 步骤5、设置避免筛除掉“同一”指纹的机制； 所述步骤2中建立基于多维度特征融合的ORB快速指纹检索模型，包括以下步骤： 步骤2.1、提取与其邻域的像素差别较大的指纹细节点图像的特征点，为了进一步提升效率，在检测的时候先检查像素点周围四个方向的4个示例像素，用以快速排除普通点； 步骤2.2、通过每个细节点的x.y坐标来进行修正，使得特征点与指纹细节点尽可能多地对应，为每一个特征点新融入响应大小这一个维度，设置打分函数V，计算公式如下式所示： 其中Ip为细节点p的亮度，Ii为细节点p周围点的亮度，i为细节点p周围的点； 步骤2.3、筛选出得分较小的特征点并去除，假设同一指纹产生的旋转角度为θall，细节点i在两幅指纹图像中的角度为θi1和θi2，则必然满足下式： 其中γ为阈值，n为细节点数量； 步骤2.4、对每幅指纹图像按照尺度进行缩小，对图像做降采样，并对每个尺寸的指纹图像执行上述特征点选择方法； 步骤2.5、为每个指纹图像的特征点构建一个融入周围邻域像素信息的描述符，使用二进制表示，采用二级制、位异或运算来加快描述符生成过程，构建过程如下式所示： 其中τ为二进制测试，p为特征点，n为邻域内选取的点的数量，xi和yi为特征点邻域内随机选取的点； 步骤2.6、使用高斯核平滑图像来增强模型的抗噪能力，将特征点的主方向融入到描述符中，构建方向角θ以及对应的旋转矩阵Rθ，如下式所示： 步骤2.7、针对邻域点集矩阵S，计算出旋转矩阵的Sθ来代替S，并构建最终用于特征匹配的描述符gnp,θ，如下式所示： gnp,θ：＝fnp|xi,yi∈Sθ 步骤2.8、对构建好的描述符使用汉明距离DH来进行特征匹配，如下式所示： x＝y→D＝0 x≠y→D＝1。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。