-
公开(公告)号：CN111161323A
公开(公告)日：2020-05-15
申请号：CN201911419540.2
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06T7/246
Abstract: 本发明提供了一种基于相关滤波的复杂场景目标跟踪方法：步骤1、对带有目标标注框的第一帧视频图像，通过传统相关滤波训练方法得到滤波器；步骤2、读取下一帧图像，将当前帧图像的搜索区域与上一帧得到的滤波器进行卷积操作，得到响应图像，对响应图像计算最大值得到当前帧相关滤波跟踪结果；将当前帧相关滤波跟踪结果与基于颜色直方图的目标跟踪结果进行互补融合，得到当前帧跟踪结果；步骤3、通过评价标准对响应图像判断是否属于复杂场景决定当前帧的滤波器训练方式；步骤4、重复步骤2-3，直到读取完视频序列的所有帧，目标跟踪结束。采用本方法避免了背景杂乱以及目标严重形变等复杂场景跟踪漂移的问题。
-
公开(公告)号：CN111161321A
公开(公告)日：2020-05-15
申请号：CN201911410671.4
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种基于背景感知的相关滤波跟踪方法，包括以下过程：步骤1、读取视频第一帧图像与待跟踪目标的位置信息，加入训练集；步骤2、提取训练集中目标区域特征训练带有背景感知的相关滤波器；步骤3、读取下一帧视频图像并提取搜索区域图像特征；步骤4、将提取的搜索区域图像特征与相关滤波器进行卷积操作得到当前帧待跟踪目标位置信息，并将当前帧视频图像与待跟踪目标位置信息加入训练集；步骤5、重复步骤2-4直至读取视频所有帧结束，得到每一帧视频图像中待跟踪目标位置信息。通过采用该方法能够有效利用跟踪过程中的背景信息，更加准确地预测目标位置。
-
公开(公告)号：CN111007021A
公开(公告)日：2020-04-14
申请号：CN201911419436.3
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于一维卷积神经网络的高光谱水质参数反演系统，该系统通过地面点光谱实测模块用于测量选定点处水体的高光谱数据；所述水质采集分析模块用于采集选定点处的水体样本并分析得到水质参数浓度；所述反演模型构建模块用于以所述全部光谱波段信息为输入，以水质参数浓度为输出，训练一维卷积神经网络的参数以拟合光谱波段信息与水质参数浓度间复杂的非线性关系；所述高光谱数据获取模块用于采集监测水域的高光谱遥感图像，并得到各点光谱波段的遥感反射率；所述水质参数反演模块用于以所述各点的光谱波段信息作为输入，反演得到监测水域中各点的水质参数浓度，同时该系统无需增加波段筛选子模块，充分利用所有波段信息。
-
公开(公告)号：CN114359636B
公开(公告)日：2025-04-18
申请号：CN202210020297.2
申请日：2022-01-10
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V10/764 , G06N20/00
Abstract: 本发明公开了一种采用全局‑局部通道注意力模块校准高光谱特征方法，包括：通过骨干网络提取高光谱原始图像的深度语义特征，得到局部高光谱特征图；采用全局‑局部通道注意力模块，通过压缩、复制、连接、激励和校准五个步骤，实现重新校准所述局部高光谱特征图。本发明提出了一个全局‑局部通道注意力模块以即插即用的方式工作，以像素方式灵活且精确地重新校准通道特性响应，增强了有用信息，抑制了无用信息，重新校准的特征映射，减少了冗余和噪声，有效地提高了基于深度学习网络的高光谱图像分类方法的性能，可以应用于任何现有的基于深度高光谱图像分类中，同时无需额外的计算成本。
-
公开(公告)号：CN118230159B
公开(公告)日：2024-11-26
申请号：CN202410334186.8
申请日：2024-03-22
Applicant: 重庆华地资环科技有限公司 , 重庆地质矿产研究院 , 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V20/10 , G06V10/20 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于双分支深度监督的遥感采矿图斑时序变化检测方法，包括：获取采矿区域的时序遥感数据，所述时序遥感数据包括多个时间点且覆盖采矿区域全部范围的高分辨率遥感影像；对所述时序遥感数据进行预处理，所述预处理包括大气校正、辐射定标和图像配准操作；构建基于深度学习的语义变化检测模型并训练，所述语义变化检测模型包括前端时序差异检测网络和后端时序差异检测网络，形成基于双分支时序变化检测的语义变化检测模型；采用训练好的语义变化检测模型，根据所述时序遥感数据生成差异图，得到时序变化检测结果。本发明提高了时序变化检测的准确性和效率，且能够适用于大范围或长时间序列的变化检测。
-
Patent Agency Ranking
公开(公告)号：CN113552076B
公开(公告)日：2024-03-26
申请号：CN202110951449.6
申请日：2021-08-18
Applicant: 重庆地质矿产研究院 , 北京理工大学重庆创新中心
Abstract: 本发明提供一种基于原位光谱实时监测的页岩气开发深层地下水环境分层监测及预警方法及系统，系统由多参数水质监测传感器、智能网关、云端服务器、深层地下水信息监测平台和移动端信息监测平台等组成。方法包括：步骤S1，在线监测装置的安装；步骤S2，水质监测数据采集，步骤S3，信号传输，将在线数据、设备运行情况通过网络传输层发送到信息监测平台；步骤S4，数据处理，深层地下水信息监测平台对采集到的地下水水质监测数据进行数据处理；步骤S5，地下水污染现状评价和地下水质量评价。步骤S6，地下水水质污染情况分析及预警。本发明通过对含水层多层监测，采用物联网进行数据传输，集监控、报警为一体，以实现页岩气开发区的深层地下水环境的在线监测与预警。
-
公开(公告)号：CN114387258B
公开(公告)日：2024-03-22
申请号：CN202210039789.6
申请日：2022-01-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于区域动态深度展开神经网络的高光谱图像重构方法，包括如下步骤：S1，模拟高光谱数据的真值图像；S2，将真值图像经过掩膜编码得到混叠图像；S3，混叠图像经过数据预处理后输入深度展开神经网络进行训练；所述深度展开神经网络包括区域权重生成模块、阈值迭代算法变换模块以及像素级自适应阈值模块；S4，利用训练好的深度展开神经网络进行光谱图像重构。本发明采用基于区域动态的深度展开神经网络根据混叠图像的区域化特征来动态指导重构变换域的生成，有效提升了快照压缩光谱成像中的图像重构质量，在网络训练和实用中更为便捷灵活，节省计算资源和降低时间消耗。
-
公开(公告)号：CN111161321B
公开(公告)日：2023-07-04
申请号：CN201911410671.4
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种基于背景感知的相关滤波跟踪方法，包括以下过程：步骤1、读取视频第一帧图像与待跟踪目标的位置信息，加入训练集；步骤2、提取训练集中目标区域特征训练带有背景感知的相关滤波器；步骤3、读取下一帧视频图像并提取搜索区域图像特征；步骤4、将提取的搜索区域图像特征与相关滤波器进行卷积操作得到当前帧待跟踪目标位置信息，并将当前帧视频图像与待跟踪目标位置信息加入训练集；步骤5、重复步骤2‑4直至读取视频所有帧结束，得到每一帧视频图像中待跟踪目标位置信息。通过采用该方法能够有效利用跟踪过程中的背景信息，更加准确地预测目标位置。
-
公开(公告)号：CN115457417A
公开(公告)日：2022-12-09
申请号：CN202211164812.0
申请日：2022-09-23
Applicant: 北京理工大学重庆创新中心
IPC: G06V20/17 , G06V20/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于时空注意力知识的长时反无人机视觉跟踪方法，包括S1：获取无人机红外视频序列，并对视频帧图像进行特征提取；S2：构建跟踪网络模型并进行训练，将提取的特征图像输入到训练好的跟踪网络模型中，输出预测位置和尺度。跟踪网络模型基于孪生网络构建了交叉相关RPN相似学学习RCNN两阶段的重检测架构，引入了空间位置一致性函数和监督前景检测器，同时利用三联体训练机制，将时空注意力知识纳入跟踪器的学习过程中，训练跟踪网络模型，实现了针对红外视频序列中无人机目标的位置估计和尺度预测。
-
公开(公告)号：CN112802136B
公开(公告)日：2022-11-15
申请号：CN202110116368.4
申请日：2021-01-28
Applicant: 北京理工大学重庆创新中心
IPC: G06T9/00
Abstract: 本发明公开了一种基于低分辨率先验信息互补编码的场景重建方法和系统。过程包括利用压缩光谱成像系统分别加载快照式编码模板和随机编码模板对场景成像，获取场景的低分辨率光谱信息和压缩编码信息；根据场景的低分辨率光谱信息和压缩观测信息，获取场景的互补压缩编码信息；将场景的压缩观测信息与互补压缩编码信息作为约束项，加入重构场景的目标函数；根据设置的求解方法，求解目标函数，解出原始的场景信息。本发明在观测次数较少时，相比传统的随机编码方法，重构质量更好；对于不同光谱波段，相比传统的随机编码方法，重构图像的质量更稳定、更好。并且，本发明在重构过程中，互补编码信息作为额外的约束项，充分利用了低分辨率先验信息，提高了重构场景信息的质量。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.029 seconds)
