-
公开(公告)号：CN103079037B
公开(公告)日：2015-06-10
申请号：CN201310043970.5
申请日：2013-02-05
Applicant: 哈尔滨工业大学
Abstract: 基于远近景切换的自适应电子稳像方法，本发明涉及基于远近景切换的自适应电子稳像方法。它为了解决目前的稳像方法对于帧间复杂运动模式、大旋转和大平移运动以及存在大尺度和大范围前景运动视频的稳像效果差且实时性低的问题。基于远近景切换的自适应电子稳像方法为：获取摄像设备在当前时刻的焦距值f，若当前焦距值f大于预设的远景焦距阈值f1，则进入远景处理模式，进入远景稳像模式，对拍摄的视频做处理；若当前焦距值f小于预设的近景焦距阈值f2，则进入近景处理模式，进入近景稳像模式，对拍摄的视频做处理，否则，进入中景稳像模式，对拍摄的视频做处理。本发明可应用于远程遥控、自主导航、监控、成像、遥感、视频侦察、导弹成像制导和观瞄系统等。
-
公开(公告)号：CN104408707A
公开(公告)日：2015-03-11
申请号：CN201410592425.6
申请日：2014-10-28
Applicant: 哈尔滨工业大学
CPC classification number: G06T7/0002 , G06T5/003 , G06T2207/30168
Abstract: 一种快速数字成像模糊鉴别与复原图像质量评估方法，本发明涉及模糊鉴别与复原图像质量评估方法。本发明是要解决现有方法实时性能差，不能对模糊图像和清晰图像进行有效鉴别，不能对图像复原结果进行有效评价，模糊复原处理后输出结果不稳定的问题，该方法是通过1获得梯度图像G(i,j)；2计算平均灰度梯度值；3获得梯度图像的统计分布信息；4对BIM进行阈值判定；5得到复原图像；6生成参考图像F1和D1；7计算参考图像和待评价图像的亮度相似度、对比度相似度和结构相似度；8计算g(F(i,j),F1)和g(D(i,j),D1)；9得到无参考图像评价指标；10对无参考图像评价指标进行判断；等步骤实现的。本发明应用于模糊鉴别与复原图像质量评估领域。
-
公开(公告)号：CN104282003A
公开(公告)日：2015-01-14
申请号：CN201410597722.X
申请日：2014-10-29
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 一种基于梯度筛选的数字模糊图像盲复原方法，属于图像和视频处理技术领域。本发明解决了现有的方法对复杂运动的模糊核估计不准确，需要先验运动形式这一缺陷，同时解决归一化稀疏正则化盲复原方法对具有较多细节的图像复原效果较差的问题。本发明的技术方案为：输入的图像经过双边滤波、冲击滤波，梯度筛选剔除小梯度幅值细节信息，归一化稀疏正则化盲复原，最后输出清晰图像。本发明可应用于民用照相摄像、智能视频监控、智能安防、光学成像遥感、军事成像侦察和导弹成像制导等领域。
-
公开(公告)号：CN103079037A
公开(公告)日：2013-05-01
申请号：CN201310043970.5
申请日：2013-02-05
Applicant: 哈尔滨工业大学
Abstract: 基于远近景切换的自适应电子稳像方法，本发明涉及基于远近景切换的自适应电子稳像方法。它为了解决目前的稳像方法对于帧间复杂运动模式、大旋转和大平移运动以及存在大尺度和大范围前景运动视频的稳像效果差且实时性低的问题。基于远近景切换的自适应电子稳像方法为：获取摄像设备在当前时刻的焦距值f，若当前焦距值f大于预设的远景焦距阈值f1，则进入远景处理模式，进入远景稳像模式，对拍摄的视频做处理；若当前焦距值f小于预设的近景焦距阈值f2，则进入近景处理模式，进入近景稳像模式，对拍摄的视频做处理，否则，进入中景稳像模式，对拍摄的视频做处理。本发明可应用于远程遥控、自主导航、监控、成像、遥感、视频侦察、导弹成像制导和观瞄系统等。
-
公开(公告)号：CN115964955B
公开(公告)日：2023-12-15
申请号：CN202310038740.3
申请日：2023-01-11
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 离散编码超表面单元电磁响应预测方法及设备，属于深度学习和电磁超表面技术领域。为了解决现有的对自由度较高超表面正向预测过程中，存在的预测精度不够及无法同时预测相位频谱和幅值频谱的问题。本发明首先选定基底材料，基于离散编码对离散编码超表面单元进行建模；将超表面单元输入电磁仿真软件得到该超表面单元的电磁响应，分别是水平极化和垂直极化S参数的幅值Am和相位Ph频谱，处理后将之作为对应数据的标签；将数据集输入预测神经网络模型得到预测的离散超表面电磁响应，基于仿真的电磁响应和预测的电磁响应构建损失函数，基于损失函数训练预测神经网络；最后利用训练好的预测神经网络进行离散编码超表面单元电磁响
-
Patent Agency Ranking
公开(公告)号：CN116824304A
公开(公告)日：2023-09-29
申请号：CN202310855459.9
申请日：2023-07-13
Applicant: 哈尔滨工业大学
IPC: G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82
Abstract: 一种基于对比学习的低照度目标检测方法，属于计算机视觉和深度学习领域。本发明方法综合了对比学习技术和计算机视觉领域目标检测技术，实现了低照度环境下的实时目标检测功能。本发明的方法在进行低照度图像的特征提取过程中，采用了将基于对比学习训练的骨干网络提取的特征和基于有监督训练的骨干网络提取的特征进行融合的方法，这样避免了传统的基于有监督训练的特征提取网络特征提取的特征泛化性差的问题以及采用先增强再检测的方法检测速度慢的问题，提高了低照度下目标检测的精度及实时性；同时本发明中的方法采用特征增强的技术提高了特征的感受野，进一步解决了实际低照度环境目标检测中对目标检测结果的高精度的需求。
-
公开(公告)号：CN116821391A
公开(公告)日：2023-09-29
申请号：CN202310855462.0
申请日：2023-07-13
Applicant: 哈尔滨工业大学
IPC: G06F16/532 , G06F16/583 , G06F16/332 , G06F16/33 , G06F16/383 , G06F18/22 , G06F18/25 , G06V10/42 , G06V10/44 , G06V10/82 , G06F40/284 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 一种基于多级别语义对齐的跨模态图文检索方法，属于跨模态检索和人工智能技术领域。本发明方法提出了一种简单而对称的网络架构来对图像和文本特征进行编码，兼顾了全局‑全局、全局‑局部以及局部‑局部的多级别语义对齐，通过引入模态间细粒度特征交互注意力网络与模态内不同粒度特征融合网络，实现了不同粒度特征在不同级别上的融合交互，解决了现有跨模态检索研究工作存在的多粒度特征交互弱，且难以分辨图像区域特征相似或文本语义相近的图文对的技术问题；同时，本发明方法采用了多级别语义匹配总分数与具有自适应边距值的三元排序损失，实现了更优良的跨模态语义对齐，大大提高了跨模态图文检索任务的精度。
-
公开(公告)号：CN109636787B
公开(公告)日：2022-09-16
申请号：CN201811508659.2
申请日：2018-12-11
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度学习的高精度实时电池点焊质量检测方法，属于数字图像处理技术和人工智能技术。本发明方法综合了传统数字图像处理技术和人工智能深度学习技术，实现了工业生产中电池点焊质量的自动检测的功能。本发明的方法在进行电池的焊盘和焊点的提取过程中，采用了基于深度学习的方法，这样避免了基于传统图像特征的方法中准确度低，待调节参数多等问题，提高了工业生产的效率；同时本发明中的方法采用基于传统数字图像处理技术实现了图像亮度检测、图像中电池存在性检测、电池焊点点穿检测、电池极耳过高检测、电池焊盘放置倾斜角度检测等多种功能，解决了实际工业生产过程中，电池点焊质量检测自动化和智能化的需求。
-
公开(公告)号：CN111899201A
公开(公告)日：2020-11-06
申请号：CN202010826749.7
申请日：2020-08-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于条件重增强网络的低照度图像增强方法，属于数字图像处理领域。本发明为解决现有低照度图像增强方法中存在的无法同时处理低对比度、低亮度、噪声和颜色退化的问题。本发明提出的增强方法中包含一个条件重增强网络，该网络的输入为低照度图像及其最大值通道图像和其期望最大值通道图像，输出为最终增强图像。期望最大值通道图像在训练阶段通过对监督图像的最大值通道图像添加模糊和噪声或对低照度图像最大值通道图像做色调映射得到，在测试阶段为经过任意图像增强方法处理后的低照度图像的最大值通道图像。本发明可以显著增强低照度图像的亮度、对比度，同时去除噪声并减少颜色失真现象。本发明可以用于低照度图像的增强。
-
公开(公告)号：CN108007474A
公开(公告)日：2018-05-08
申请号：CN201710766832.8
申请日：2017-08-31
Applicant: 哈尔滨工业大学
IPC: G01C25/00
Abstract: 一种基于地面标识的无人飞行器自主定位及位姿校正技术，涉及自动控制及图像处理领域。其特征在于在无GPS信号的情况下，融合飞行器上惯性元件、地磁计及光流模块信息，利用相机识别地面标识，完成对飞行器的位置和姿态校正。惯性元件及光流模块用于获取飞行器的俯仰滚转信息及位置信息，地磁计用于获取飞行器的偏航信息；相机用于获取地面标识图像，根据地面标识在获取图像和初始地理坐标系中的位置和姿态，解算飞行器相对于初始地理坐标系的位置和姿态；利用相机所获取位姿信息对利用惯性元件、地磁计和光流模块信息所得位姿进行校正。本发明可采用白色特征带组成的固定间隔网格或地面瓷砖缝隙作为地面标识，实现对飞行器的全局定位及姿态校正。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.019 seconds)
