-
公开(公告)号：CN114037866B
公开(公告)日：2024-04-09
申请号：CN202111295572.3
申请日：2021-11-03
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于可辨伪特征合成的广义零样本图像分类方法，包括如下步骤：构建端到端神经网络模型；用可见类图像对模型进行预训练，使得在潜在空间中的同类潜在特征与它们的语义属性之间距离最小，得到可见类的可辨潜在特征；对每个未见类，选取与其符合相似性判定要求的可见类的语义属性构造属性变换矩阵，并用于优化非负合成向量；利用非负合成向量结合被选中的可见类的潜在特征，以及未见类的语义属性，合成未见类的伪特征；对合成的未见类伪特征进行过滤并剔除伪特征中的离群值，得到可辨伪特征；用可辨伪特征与可见类图像训练整个网络。本发明能够同时对可见类别和未见类别的图像进行高精度分类。
-
公开(公告)号：CN111028154B
公开(公告)日：2023-05-09
申请号：CN201911299916.0
申请日：2019-12-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法，包括对侧扫声呐图像进行预处理，使其能够与实际的海底景象信息对应；将大量侧扫声呐图像进行标注获取侧扫声呐图像语义分割的数据集；搭建语义分割神经网络，并对语义分割神经网络进行训练；训练完成的语义分割网络对需要进行匹配拼接的侧扫声呐图像进行分割，利用分割后的图像进行模板匹配获得两张侧扫声呐图像的相对位置信息；最后根据获得相对位置信息对预处理之后的侧扫声呐图像进行融合拼接。通过本发明的方法，可以解决目前侧扫声呐图像匹配方法无法对地形崎岖不平海底的侧扫声呐图像进行匹配的问题。
-
公开(公告)号：CN113284048A
公开(公告)日：2021-08-20
申请号：CN202110601069.X
申请日：2021-05-31
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种侧扫声呐图像拼接方法，包括：对侧扫声呐图像依次进行图像滤波、图像几何校正以及基于生成对抗网络的声呐图像灰度校正网络进行灰度校正；计算预处理后的侧扫声呐图像中每个像素的经纬度；对待匹配侧扫声呐图像进行特征点提取，得到待匹配区域；基于经纬度信息对图像重叠区域进行网格划分；根据网格划分结果对待匹配区域中的特征点进行匹配；对得到的匹配特征点进行筛选，剔除误匹配点；采用多频带融合与最大融合相结合的融合方法对图像进行融合，得到侧扫声呐拼接图像。本发明公开的侧扫声呐图像拼接方法提高了侧扫声呐图像拼接的质量，能够在保留更多信息与细节的前提下实现声呐图像的拼接。
-
公开(公告)号：CN111582403A
公开(公告)日：2020-08-25
申请号：CN202010419858.7
申请日：2020-05-18
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种零样本侧扫声呐图像目标分类方法，根据任意待识别侧扫声呐图像目标类别信息，获取同类别的常规光学图像，并对其进行类别标注，获取一些较为容易获得的不包含待识别类别目标的侧扫声呐图像。然后使用针对侧扫声呐图像的风格迁移方法，以常规光学图像和侧扫声呐图像作为输入，生成某特定类别的仿真侧扫声呐图像，并根据生成的仿真侧扫声呐图像数据集训练深度神经网络，最后，使用由仿真侧扫声呐数据集训练得到的深度神经网络即可应用于对某特定类别的侧扫声呐图像进行分类识别。本发明可以在没有可用训练样本的情况下，依然准确的实现某特定类别目标的侧扫声呐图像分类，解决因样本无法获取导致的无法训练识别网络的问题。
-
公开(公告)号：CN114494352B
公开(公告)日：2025-05-16
申请号：CN202210135073.6
申请日：2022-02-14
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种适应前视声呐图像小目标尺寸突变的目标跟踪方法。包括：设定一个较大范围的尺度池；基于该尺度池里元素对应的搜索框提取目标特征并送入滤波器得到响应值；利用响应值的最大值与最大值附近的峰值旁瓣比设定阈值参数；利用置信度高的第二帧图像所有尺度对应的阈值参数找到阈值参数初始值；利用阈值参数初始值对尺度池里元素进行筛选；不断对阈值参数与阈值参数初始值作比较判断目标大小是否突变；基于对尺度池的元素进行筛选给出对应的跟踪尺度。本发明能够有效地解决前视声呐目标跟踪过程中常见的目标较大范围内的形变造成的目标跟踪失败问题，提高目标跟踪过程的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115527112A
公开(公告)日：2022-12-27
申请号：CN202211124946.X
申请日：2022-09-15
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于深度神经网络的声呐图像纹理特征去除方法，属于图像处理技术领域。该方法包括构建多层特征提取卷积神经网络，利用所述多层特征提取卷积神经网络提取输入图像的深度特征；利用特征变换公式对提取的深度特征进行特征变换，获取特征变换后的深度特征；对变换后的深度特征，添加噪声污染；构建多层解码深度神经网络，将添加噪声污染后的深度特征输入所述多层解码深度神经网络进行解码，获取去除纹理特征后的图像特征。本发明通过对源领域和目标领域进行同样的纹理特征去除变换，使得变换后的源领域与目标领域更为相似，缩短了源领域和目标领域之间的领域差距。
-
公开(公告)号：CN114494352A
公开(公告)日：2022-05-13
申请号：CN202210135073.6
申请日：2022-02-14
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种适应前视声呐图像小目标尺寸突变的目标跟踪方法。包括：设定一个较大范围的尺度池；基于该尺度池里元素对应的搜索框提取目标特征并送入滤波器得到响应值；利用响应值的最大值与最大值附近的峰值旁瓣比设定阈值参数；利用置信度高的第二帧图像所有尺度对应的阈值参数找到阈值参数初始值；利用阈值参数初始值对尺度池里元素进行筛选；不断对阈值参数与阈值参数初始值作比较判断目标大小是否突变；基于对尺度池的元素进行筛选给出对应的跟踪尺度。本发明能够有效地解决前视声呐目标跟踪过程中常见的目标较大范围内的形变造成的目标跟踪失败问题，提高目标跟踪过程的鲁棒性。
-
公开(公告)号：CN113284048B
公开(公告)日：2022-05-03
申请号：CN202110601069.X
申请日：2021-05-31
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种侧扫声呐图像拼接方法，包括：对侧扫声呐图像依次进行图像滤波、图像几何校正以及基于生成对抗网络的声呐图像灰度校正网络进行灰度校正；计算预处理后的侧扫声呐图像中每个像素的经纬度；对待匹配侧扫声呐图像进行特征点提取，得到待匹配区域；基于经纬度信息对图像重叠区域进行网格划分；根据网格划分结果对待匹配区域中的特征点进行匹配；对得到的匹配特征点进行筛选，剔除误匹配点；采用多频带融合与最大融合相结合的融合方法对图像进行融合，得到侧扫声呐拼接图像。本发明公开的侧扫声呐图像拼接方法提高了侧扫声呐图像拼接的质量，能够在保留更多信息与细节的前提下实现声呐图像的拼接。
-
公开(公告)号：CN114037866A
公开(公告)日：2022-02-11
申请号：CN202111295572.3
申请日：2021-11-03
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于可辨伪特征合成的广义零样本图像分类方法，包括如下步骤：构建端到端神经网络模型；用可见类图像对模型进行预训练，使得在潜在空间中的同类潜在特征与它们的语义属性之间距离最小，得到可见类的可辨潜在特征；对每个未见类，选取与其符合相似性判定要求的可见类的语义属性构造属性变换矩阵，并用于优化非负合成向量；利用非负合成向量结合被选中的可见类的潜在特征，以及未见类的语义属性，合成未见类的伪特征；对合成的未见类伪特征进行过滤并剔除伪特征中的离群值，得到可辨伪特征；用可辨伪特征与可见类图像训练整个网络。本发明能够同时对可见类别和未见类别的图像进行高精度分类。
-
公开(公告)号：CN111028154A
公开(公告)日：2020-04-17
申请号：CN201911299916.0
申请日：2019-12-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种地形崎岖不平海底的侧扫声呐图像匹配拼接方法，包括对侧扫声呐图像进行预处理，使其能够与实际的海底景象信息对应；将大量侧扫声呐图像进行标注获取侧扫声呐图像语义分割的数据集；搭建语义分割神经网络，并对语义分割神经网络进行训练；训练完成的语义分割网络对需要进行匹配拼接的侧扫声呐图像进行分割，利用分割后的图像进行模板匹配获得两张侧扫声呐图像的相对位置信息；最后根据获得相对位置信息对预处理之后的侧扫声呐图像进行融合拼接。通过本发明的方法，可以解决目前侧扫声呐图像匹配方法无法对地形崎岖不平海底的侧扫声呐图像进行匹配的问题。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.027 seconds)
