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！

龙图腾网获悉南昌航空大学申请的专利一种抗成像干扰的跨域生物纹理特征识别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：CN121616847B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610143731.4，技术领域涉及：G06V10/54；该发明授权一种抗成像干扰的跨域生物纹理特征识别方法是由刘云龙;冷璐;储珺设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本一种抗成像干扰的跨域生物纹理特征识别方法在说明书摘要公布了：本发明涉及生物特征识别技术领域，具体涉及一种抗成像干扰的跨域生物纹理特征识别方法，包括如下步骤：构建图像数据集；构建身份与风格特征解耦网络ISFDNet；构建图像级低频扰动模块LFDM；构建协同监督损失函数，所述协同监督损失函数包括身份监督损失、解耦监督损失和风格不变性损失；采用所述训练集对构建好的ISFDNet进行训练；利用训练完毕的ISFDNet进行生物纹理特征识别。本发明提出了一种无需目标域数据，针对生物纹理特征的通用解耦框架，通过显式分离身份与风格特征，模型能够提取出不受采集设备、光照和环境噪声影响的纯净身份特征，有效克服了跨域导致的性能下降问题，在跨设备及跨光谱等复杂场景下保持高识别精度。

本发明授权一种抗成像干扰的跨域生物纹理特征识别方法在权利要求书中公布了：1.一种抗成像干扰的跨域生物纹理特征识别方法，其特征在于，包括如下步骤： S101：构建生物纹理图像数据集，将所述图像数据集按照1：1划分为训练集和测试集；其中，所述生物纹理包括指纹、虹膜、掌纹、人脸的纹理； S102：构建身份与风格特征解耦网络ISFDNet，所述网络ISFDNet采用编码器-解码器架构，编码器用于将输入的图像解耦输出为对应的身份特征向量和风格特征向量，解码器用于将编码器输出的身份特征向量和风格特征向量重建为混合特征； S103：构建图像级低频扰动模块LFDM，所述图像级低频扰动模块LFDM用于对所述训练集中原始图像的低频分量进行扰动，生成风格化图像； S104：构建协同监督损失函数，所述协同监督损失函数包括身份监督损失、解耦监督损失和风格不变性损失； S105：采用所述训练集和所述图像级低频扰动模块LFDM对构建好的ISFDNet进行训练，将所述训练集中的原始图像与所述图像级低频扰动模块LFDM生成的风格化图像成对输入ISFDNet，通过所述协同监督损失函数优化网络参数，得到训练后的ISFDNet； S106：待识别图像输入训练后的ISFDNet，提取解耦后的身份特征向量，经归一化处理后与数据库模板特征匹配，完成身份认证； 步骤S102中，所述编码器包括骨干网络和特征解耦模块FDM，骨干网络用于从输入图像中提取混合特征，特征解耦模块FDM用于将混合特征解耦为身份特征向量和风格特征向量，所述骨干网络可采用生物特征识别网络结构，所述特征解耦模块FDM包括空间感知分离模块SASM、通道注意力模块以及全连接层； 所述解码器包括空间感知分离模块SASM、通道注意力模块、卷积层、批处理归一化层以及ReLU激活函数层； 在步骤S102中，编码器中的所述空间感知分离模块SASM内置卷积层和Softmax函数，其接收骨干网络输出的混合特征，通过卷积层生成双通道注意力逻辑图，并利用Softmax函数在通道维度生成互补的身份掩码和风格掩码；身份掩码和风格掩码在空间位置上的权重之和为1；身份掩码和风格掩码分别与混合特征进行逐元素相乘，得到初步分离的身份特征和风格特征； 初步分离的身份特征和风格特征分别进入两个独立的并行分支，每个分支均有通道注意力模块和全连接层，所述通道注意力模块用于对输入的特征进行通道维度的权重标定，通过学习各通道的重要性权重，增强对关键特征通道的响应，同时抑制无关或冗余的通道信号；经过通道注意力加权后的特征图随后输入所述全连接层，全连接层将特征图展平并映射至低维潜在空间，最终生成高度解耦的身份特征向量与风格特征向量； 步骤S104中，身份监督损失包括交叉熵损失和三元组损失，解耦监督损失包括重建损失、循环损失、正交损失以及身份对抗损失，风格不变性损失包括身份一致损失。

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南昌航空大学，其通讯地址为：330063 江西省南昌市红谷滩新区丰和南大道696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。