[发明专利]基于Gaussian过程的指节图像偏移特征识别方法有效
| 申请号： | 201810372967.0 | 申请日： | 2018-04-24 |
| 公开（公告）号： | CN108764038B | 公开（公告）日： | 2020-05-22 |
| 发明（设计）人： | 杨世强;乔丹;弓逯琦;范国豪;李德信 | 申请（专利权）人： | 西安理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 西安弘理专利事务所 61214 | 代理人： | 张倩 |
| 地址： | 710048*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于Gaussian过程的指节图像偏移特征识别方法，具体按照以下步骤进行：步骤1，在类别信息无关联的假设的基础上，将中层偏移测度特征的学习转化为对随机量的学习；步骤2，分析二值多分类高斯场上的后验计算，基于Laplace逼近Gaussian过程的多分类高斯过程学习；步骤3，构造中层随机信息的正定核函数；步骤4，基于Laplace的多分类高斯过程预测；步骤5，利用中层数据的分布学习与预测算法进行指节图像训练学习和固定阈值的图像识别。本发明依据从非参数密度核估计的结果中抽取出的图像灰度位置数据，对图像域上从属于固定阈值区间下偏移集的概率测度进行学习。 | ||
| 搜索关键词： | 基于 gaussian 过程 指节 图像 偏移 特征 识别 方法 | ||
【主权项】：
1.基于Gaussian过程的指节图像偏移特征识别方法，其特征在于，具体按照以下步骤进行：步骤1，在类别信息无关联的假设的基础上，将中层偏移测度特征的学习转化为对随机量的学习；步骤2，分析二值多分类高斯场上的后验计算，基于Laplace逼近Gaussian过程的多分类高斯过程学习；步骤3，构造中层随机信息的正定核函数；步骤4，基于Laplace的多分类高斯过程预测；步骤5，利用中层数据的分布学习与预测算法进行指节图像训练学习和固定阈值的图像识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安理工大学，未经西安理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810372967.0/，转载请声明来源钻瓜专利网。
