-
公开(公告)号：CN105022721B
公开(公告)日：2017-10-31
申请号：CN201510416168.5
申请日：2015-07-15
Applicant: 北京理工大学
IPC: G06F17/14
Abstract: 本发明公开了一种快速、自动的定点FFT各级字长配置方法，具体过程如下：首先针对定点快速傅里叶变换FFT，根据需求设定：输入字长、最终输出信噪比以及FFT运算长度；以FFT每一级加减法运算均进行字长扩展和均不进行字长扩展的情况，计算每一级信噪比衰落的范围的下限和上限；利用最终输出信噪比以及每一级信噪比衰落的范围，计算得到FFT中各级输出信噪比的范围；利用各级信噪比的范围计算出各级截位向量的范围，从而得到各级字长的范围，并确定多组字长配置方案；对各组字长配置方案进行输出信噪比的验证，选取满足要求且存储资源消耗最少的一组作为最终字长配置方案。本发明能够节省存储资源，提高定点化子长配置效率。
-
公开(公告)号：CN103778626A
公开(公告)日：2014-05-07
申请号：CN201310752016.3
申请日：2013-12-31
Applicant: 北京理工大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于视觉显著区域的图像配准方法，属于图像处理领域，该方法用于将待配图像A与参考图像B进行匹配，分别获取A与B的显著区域；每三个A的显著区域的质心为一个三角形顶点，作为第一特征三角形，同理获得第二特征三角形；相似的第一和第二特征三角形组成相似三角形对，其中(a、b)相似度最大；基于(a、b)建立由A至B变换的仿射变换模型，涉及的初始匹配参数包括水平平移量和垂直平移量、旋转角度以及尺度参数；从初始匹配参数开始进行设定步长的Powell搜索，获取搜索值，使用每个搜索值对A与B进行多次配准测试，结果最佳的配准测试对应的搜索值即为最优匹配参数；使用该最优待配参数对A进行仿射变换获得最终配准结果。
-
公开(公告)号：CN103761074A
公开(公告)日：2014-04-30
申请号：CN201410038044.3
申请日：2014-01-26
Applicant: 北京理工大学
Abstract: 本发明在保证R22SDF定点FFT输出SQNR的情况下，实现节省存储资源的目标，提出一种流水结构定点FFT字长配置方法，首先按照每级加减法运算按照运算法则产生进位，即字长增加一位，计算一个基22FFT从输入到输出各级运算的字长，以此字长配置方案作为一个待优化的方案的模板；然后针对该模板，在保持每一级乘法的运算输入输出的数据字长不变的情况下，按照SQNR要求降低各级加减法运算的字长，确定字长配置方案；最后，根据前面确定的字长配置方案进行FFT算法的硬件实现，设计相应的带有截位器的基本蝶形运算单元，并且按照单路延时反馈的电路结构进行FFT的硬件实现。
-
公开(公告)号：CN102520404B
公开(公告)日：2013-07-03
申请号：CN201110390786.9
申请日：2011-11-30
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于图像质量最优的合成孔径雷达(SAR)多普勒模糊数估计方法，属于SAR成像技术领域。本发明利用图像质量与多普勒模糊数估计偏差之间的函数关系，将使图像质量最好时对应的多普勒模糊数作为SAR多普勒模糊数的估计值。本发明采用了基于图像质量最优的SAR多普勒模糊数估计方法，由于SAR图像质量对多普勒模糊数估计误差十分敏感，并且该方法充分利用了图像质量与多普勒模糊数之间的定量关系，因此，对于低对比度和高对比度场景均具有较高的估计精度。
-
公开(公告)号：CN102520404A
公开(公告)日：2012-06-27
申请号：CN201110390786.9
申请日：2011-11-30
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于图像质量最优的合成孔径雷达(SAR)多普勒模糊数估计方法，属于SAR成像技术领域。本发明利用图像质量与多普勒模糊数估计偏差之间的函数关系，将使图像质量最好时对应的多普勒模糊数作为SAR多普勒模糊数的估计值。本发明采用了基于图像质量最优的SAR多普勒模糊数估计方法，由于SAR图像质量对多普勒模糊数估计误差十分敏感，并且该方法充分利用了图像质量与多普勒模糊数之间的定量关系，因此，对于低对比度和高对比度场景均具有较高的估计精度。
-
Patent Agency Ranking
公开(公告)号：CN118429686B
公开(公告)日：2025-05-13
申请号：CN202410324714.1
申请日：2024-03-21
Applicant: 北京理工大学
IPC: G06V10/764 , G06N3/0464 , G06V10/82 , G06V20/10
Abstract: 本申请提供一种基于高性能量化全加网络的遥感图像场景分类方法，属于图像处理技术领域。方法包括：获取基于初始加法核的初始全加网络；对初始加法核进行量化处理，得到量化加法核；对量化加法核进行去偏量化处理，得到目标量化加法核，在初始全加网络中将初始加法核替换为目标量化加法核，得到待训练的量化全加网络；基于基准全加网络模型对量化全加网络进行去偏量化训练，得到训练后的目标量化全加网络，去偏量化训练以遥感图像样本作为训练样本、以遥感图像的场景分类作为下游任务；基于目标量化全加网络，对待识别的任一遥感图像进行场景分类。采用本申请，可以在保证网络精度的前提下，最大程度降低了硬件部署时所需要的资源开销。
-
公开(公告)号：CN119620072A
公开(公告)日：2025-03-14
申请号：CN202411484974.1
申请日：2024-10-23
Applicant: 北京理工大学
Abstract: 本发明公开了一种应用于GNSS‑InSAR形变监测的直达波‑回波实时同步方法。本发明通过直达波通道捕获、跟踪处理直接获取多普勒频率和CA码起始位置，通过相应算法直接计算回波补偿相位，同步作用到回波通道，对回波信号进行补偿同步处理。该方法不需要存储直达波和回波信号，直达波、回波信号只需要做一次脉冲压缩处理，节省资源，能实现直达波‑回波实时的同步处理，GNSS‑InSAR系统回波信号BP成像所需时间少，处理效率高，硬件上可实现。能够确保GNSS‑InSAR系统形变监测能够及时、高效、完善的执行。
-
公开(公告)号：CN119445077A
公开(公告)日：2025-02-14
申请号：CN202411532087.7
申请日：2024-10-30
Applicant: 北京理工大学
IPC: G06V10/25 , G06V20/10 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本公开提供了一种结合多分支解耦头和特征增强的目标检测方法和装置，该方法选择YOLOv5模型作为基准框架设计目标检测网络进行目标检测；目标检测网络包括主干网络、颈部网络和头部模块。首先主干网络采用卷积神经网络对输入图像进行特征提取，获得3个不同层级的特征图；颈部网络对所述3个不同层级的特征图分别进行特征增强后，再进行特征融合，以进一步提取特征；所述特征增强加入空洞卷积处理以扩大感受野；头部模块采用三分支解耦头，将目标检测中的类别预测、预测框定位和置信度计算独立为三个网络分支，对提取的特征进行卷积操作，输出类别预测、预测框定位和置信度计算结果。使用本发明能够提高遥感图像小尺度目标检测精度。
-
公开(公告)号：CN119394224A
公开(公告)日：2025-02-07
申请号：CN202411459898.9
申请日：2024-10-18
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于FPGA的高采样率下回波分段脉冲压缩方法。本发明首先对采样率为124MHz的ADC采样后的信号进行降采样预处理，信号没有发生频谱混叠的前提下采样率降为62MHz，再将1PRT回波信号进行分段距离向脉冲压缩，实现总处理量降低40％，可以显著降低数据计算量，提高运算速度和数据处理效率，节省FPGA逻辑资源。并且采用1000个PRT合成的方法实现短时1s回波脉冲压缩预处理，大幅度降低通信数据率。配合面场景形变监测系统其他组件运行，提高了系统可靠性，确保场景形变监测任务能够顺利进行。
-
公开(公告)号：CN118608882A
公开(公告)日：2024-09-06
申请号：CN202410666552.X
申请日：2024-05-28
Applicant: 北京理工大学
IPC: G06V10/77 , G06N3/096 , G06V20/13 , G06V10/82 , G06V10/764 , G06N3/0455
Abstract: 本发公开了一种面向星载遥感图像变化检测的编码解码特征蒸馏方法,本发明提出了一种结合随机跨时相相关蒸馏、对比聚类表征蒸馏的编码解码特征蒸馏方法。提出的随机跨时相相关蒸馏通过迭代随机选择和双线性插值匹配教师模型和学生模型的编码特征，并通过相关图获取跨时相变化信息，从而引导学生学习定位变化区域的能力。在提出的对比聚类表征蒸馏中，原型对比图用于描述像素级特征分布，统计聚合度用于描述簇级特征分布。通过引导学生综合学习像素级和簇级的特征分布，可以生成更具判别性的解码特征。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.029 seconds)
