适于煤矿井下低照度图像的图像增强方法

    公开(公告)号:CN119515717A

    公开(公告)日:2025-02-25

    申请号:CN202411557146.6

    申请日:2024-11-04

    Abstract: 本发明涉及一种适于煤矿井下低照度图像的图像增强方法。其包括:将低照度目标图像加载到低照度图像增强模型内,以利用所述低照度图像增强模型对低照度目标图像进行图像增强处理,其中,先将低照度目标图像分解为对应的目标图像光照图以及目标图像反射图;重构生成目标图像增强光照图;对分解生成的目标图像反射图进行去噪处理,以在去噪处理后生成目标图像去噪后反射图;将上述的目标图像增强光照图以及目标图像去噪后反射图进行合并处理,以在合并处理后生成目标增强图像。本发明能有效实现对煤矿井下的低照度图像进行图像增强,减少对计算资源的需求,加速图像增强的推理过程,满足煤矿井下的视觉任务需求。

    一种基于多模态特征融合与聚类的低照度场景解析方法

    公开(公告)号:CN119380057A

    公开(公告)日:2025-01-28

    申请号:CN202411351909.1

    申请日:2024-09-26

    Abstract: 本发明公开了一种基于多模态特征融合与聚类的低照度场景解析方法,属于人工智能技术,构建了基于Transformer的单分支的特征提取网络;构建多模态特征交互融合模块实现多模态特征交互与融合;构建多模态融合特征聚类模块对多模态交互融合后的特征进行特征聚类,利用不同特征之间的语义距离和空间距离完成聚类的同时实现对特征的下采样,缓解了结构化下采样中细节边缘信息丢失的问题;构建多尺度特征聚合解码模块,用于接收编码网络特征信息,并根据多尺度特征的语义距离划分每个特征像素的类别。本发明能够充分可见光与热图像信息,能够在多样复杂低照度场景下的无人系统场景解析以及导航中应用。

    一种地面多维瞬变电磁探测方法
    123.
    发明公开

    公开(公告)号:CN119291786A

    公开(公告)日:2025-01-10

    申请号:CN202411433907.7

    申请日:2024-10-15

    Abstract: 本发明属于地球物理方法中的瞬变电磁技术领域,具体涉及一种地面多维瞬变电磁探测方法,所述探测方法包括以下步骤:S1:对测点网络进行规划并记录;所述S1中,在探测工作开展前,需要提前规划好测点网络并记录下网络中的测点坐标。S2:根据探测要求进一维、二维和三维探测;所述S2中,具体步骤如下:S2‑1:一维探测采用逐点测量方式,逐点完成数据采集。S2‑2:二维探测采用逐线测量方式,通过信号同步,同时发射和接收信号,在完成该排列数据采集后。S2‑3:当进行三维探测时,所有测点均同步发射和接收。本发明能够实现一维、二维和三维瞬变电磁探测,兼顾一维至三维探测优势;无论选择的一次节点数量多少,均采用信号同时发射和同时接收方式。

    一种数字化海洋环境仿真系统构建方法

    公开(公告)号:CN118797896A

    公开(公告)日:2024-10-18

    申请号:CN202410766960.2

    申请日:2024-06-14

    Abstract: 本发明涉及数字化系统仿真、虚拟环境仿真、生物仿生技术领域,特别是一种数字化海洋环境仿真系统构建方法,包括:步骤1、采集海洋环境数据,构建基本海洋场景;步骤2、采集海洋地形数据,构建海底陆地模型并加入基本海洋场景中;步骤3、采集潜航器数据和海洋生物数据,分别构建潜航器模型和海洋生物模型并加入基本海洋场景中;步骤4、根据潜航器的运动姿态,模拟潜航器的编队控制、追逐对抗以及移动尾迹波并加入潜航器模型中;步骤5、模拟海洋生物的运动形态和行为,以及水流对海洋生物的影响情况并加入海洋生物模型中,完成海洋环境仿真系统的构建。本发明能够精确模拟海洋中的物理现象和生物行为,实现对海洋环境更为真实和细致的模拟。

    一种基于特征解耦的缺失模态下掌纹掌静脉融合识别方法

    公开(公告)号:CN118537932A

    公开(公告)日:2024-08-23

    申请号:CN202410716512.1

    申请日:2024-06-04

    Abstract: 本发明公开了一种基于特征解耦的缺失模态下掌纹掌静脉融合识别方法,针对目前模态缺失下多模态融合方法存在的问题:(1)利用生成式的方法,对于每一种缺失模态都需要设计一个生成模型,导致整体模型庞大,不太适用于实际应用;(2)大多数模态缺失方法是指定缺失模态的,限制了灵活性。针对上述问题,本发明使用简单的网络模型,设计对比学习损失和模态间身份一致性损失解耦共享特征和特定特征并构建在特征层的掌纹跨模态生成器或掌静脉跨模态生成器,利用已知模态特征补全对缺失模态特征。不同于现有方法,本发明提出的多模态融合方法具有卓越的鲁棒性,对于在测试集任意模态缺失的情况,仍能取得准确的识别结果,满足多样化应用场景的需求。

    基于非对称对比融合的双模态生物特征识别方法及系统

    公开(公告)号:CN117523685B

    公开(公告)日:2024-07-09

    申请号:CN202311521995.1

    申请日:2023-11-15

    Abstract: 本发明公开了一种基于非对称对比融合的双模态生物特征识别方法,涉及生物识别技术领域。本发明创新性地提出了基于非对称对比融合的双模态生物特征识别模型,在掌纹掌静脉融合网络的基础上,设计了一种新的非对称对比学习策略,在单模态的输入级和多模态融合的输出级进行互信息最大化和语义一致性信息的对比学习,该模型结合有监督和无监督的表征学习方法,可以更为灵活和充分地利用数据,减少模型训练对数据标注的依赖,减少任务相关信息的丢失,使模型学习鲁棒性的多模态特征表示,提高身份信息的识别精度。

Patent Agency Ranking