-
公开(公告)号：CN103295187A
公开(公告)日：2013-09-11
申请号：CN201210041421.X
申请日：2012-02-23
Applicant: 北京师范大学
IPC: G06T5/00
Abstract: 发明了一种基于反馈机制的抗混合高斯白噪声的盲图像源分离方法：利用小波变换使混合信号稀疏化，对稀疏化的小波系数进行线性聚类，从而估计出系统的混合矩阵，并根据混合图像进行首次分离，然后分别计算分离支路的均值，取最大者输出；通过置0、反馈的方法从原混合信号中去除该路信号，将剩余的混合信号应用上述方法再次进行盲分离，不断重复该过程直至只剩下噪声支路，即已完全分离所有参与混合的信号。该方法能有效地盲分离高斯白噪声参与的图像混合，与经典FastICA相比，取得了更高的分离精度。
-
公开(公告)号：CN103177458A
公开(公告)日：2013-06-26
申请号：CN201310132714.3
申请日：2013-04-17
Applicant: 北京师范大学
IPC: G06T7/40
Abstract: 本发明公开一种基于频域分析的可见光遥感图像感兴趣区域检测方法，属于遥感图像处理及图像识别技术领域。实施过程包括：1)对图像进行预处理；2)将预处理结果进行四元数傅里叶变换，获得图像的频域信息；3)保留相位谱并用巴特沃斯高通滤波器获取幅度谱高频信息；4)对相位谱与幅度谱高频信息做四元数傅里叶反变换，得到特征图；5)利用高斯金字塔对特征图滤波与降维，获得显著图；6)对显著图进行阈值分割与二值化，获得感兴趣区域模板；7)将模板升维并与原始图像做掩膜操作，得到最终的感兴趣区域。本发明实现了感兴趣区域的快速、准确定位，具有区域描述精度高、计算复杂度低等优点，可用于环境监测、土地利用与农业调查等领域。
-
-
公开(公告)号：CN101924562A
公开(公告)日：2010-12-22
申请号：CN201010208500.6
申请日：2010-06-24
Applicant: 北京师范大学
IPC: H03M7/40
Abstract: 本发明为一种基于整数小波变换和比特平面编码的曲线矢量数据无损压缩方法。本发明将整数小波变换引入矢量数据压缩算法中。因为整数小波变换可以将数据的绝大部分能量压缩到低频系数中，只有少部分在高频系数中。本发明对低频系数使用霍夫曼编码，对高频系数使用比特平面编码方案。本发明提出的比特平面编码能够实现对矢量数据的嵌入式编码。设计的比特平面编码器可以将待编码的比特流按重要性的不同进行排序，根据目标码率或失真度大小要求随时结束编码；同样，对于给定码流解码器随时结束解码，并可以得到相应码流截断处的目标码率的重建矢量曲线。实验证明本发明压缩方案实现了矢量数据的嵌入式编码，能够对矢量数据压缩后的码流进行渐进传输显示，同时达到了较高的无损压缩比。
-
公开(公告)号：CN111695636B
公开(公告)日：2023-07-14
申请号：CN202010543653.X
申请日：2020-06-15
Applicant: 北京师范大学
IPC: G06V10/764 , G06V10/82 , G06V10/58 , G06V10/26 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的高光谱图像分类方法，包括：S1：获取待处理区域的高光谱图像数据，对所述高光谱图像数据进行预处理；S2：对经过预处理的所述高光谱图像数据进行超像素分割，得到分割的超像素；S3：将所述超像素构建图数据，相邻超像素构建边；S4：利用图神经网络模型对所述图数据进行训练，得到分类结果；本发明提高最终分类结果的精度和效果。
-
Patent Agency Ranking
公开(公告)号：CN111242201A
公开(公告)日：2020-06-05
申请号：CN202010014622.5
申请日：2020-01-07
Applicant: 北京师范大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于对抗生成网络的半监督恒星光谱分类方法：该方法是基于已知训练样本较少情况下的分类方法。由于已知特定天体的光谱数量非常少，想要对特定天体的光谱进行分类，然而使用传统的基于机器学习和统计的分类方法需要大量已知的数据来训练分类模型。因此，本方法与监督方法不同，所提出的方法可以充分利用大量未标记的样本，其包含两部分：捕获数据分布的生成器和确定样本是否由实际数据组成的判别器。然后利用少量带标签的数据对训练好的判别器再进行训练，即可得到较好的分类模型。利用真实世界光谱数据，并且是光谱数据数量有限的情况下，评估模型的性能，实验结果表明该模型在分类精度方面优于其他方法。
-
公开(公告)号：CN106529410B
公开(公告)日：2020-05-08
申请号：CN201610887353.7
申请日：2016-10-11
Applicant: 北京师范大学
Abstract: 本发明为一种采用网格划分区域，通过分析网格内监控视频数据反映的污染指数变化趋势，用来实时追溯灰霾生成直接来源的方法。该方法首先对地区进行网格化分区，同时为每个网格建立基于视频图像的无霾基准图样本库。然后通过对视频监控图像进行分析，结合无霾基准图，同时基于时间序列分析，区分雾与霾，确定当前位置监控图像灰霾指数、等级、变化趋势、变化速度。最后根据监控视频所在位置、灰霾指数、等级、随时间变化的趋势，绘制随时间变化的灰霾扩散路径，进而得到路径上的网格序列，最终确定具体污染源网格、确定污染源的责任主体。本发明可用于实时对特定区域进行灰霾生成直接来源的及时定位。本发明具有识别精度高、效率高的优点。
-
公开(公告)号：CN110807400A
公开(公告)日：2020-02-18
申请号：CN201911034777.9
申请日：2019-10-29
Applicant: 北京师范大学
Abstract: 本发明为一种基于孪生网络的崩塌隐患特征信息提取方法，解决了如何从多源信息数据中有效提取崩滑隐患特征的问题。本发明提出的技术方案首先融合坡度，遥感等数据，之后将多源数据送入孪生网络中训练，孪生网络包括两个输入，一个输出，训练网络时将标记为含有崩塌隐患的图片和标记为不含有崩塌隐患的图片随机配对，然后将成对的数据对送入网络训练，网络的输出为两张照片是否是同类，网络收敛后即认为网络已经训练好，最后将待检测的图片送入训练好的网络，得到未知图片在网路中提取的特征向量。本发明可以为崩塌隐患的自动检测提供输入特征，可以有效的提高崩塌隐患自动检测的准确度和效率。
-
公开(公告)号：CN110807399A
公开(公告)日：2020-02-18
申请号：CN201911034612.1
申请日：2019-10-29
Applicant: 北京师范大学
Abstract: 本发明为一种可以解决崩滑隐患样本数据存在的不确定性问题以及正负样本的不均衡性问题，基于单一类别支持向量机的崩滑隐患点检测方法，本发明的技术方案首先融合多种类型的数据，之后再通过训练单一类别支持向量机模型，得到已知存在崩滑隐患的样本点数据的支持向量域，最后再通过计算未知类别的采样样本点与支持向量域之间的距离，从而判断样本数据是否存在崩滑隐患。本发明的技术方案可以解决崩滑检测问题中存在的数据类别不确定性和正负样本的不均衡性，并综合利用多种类型数据的特征，来有效的检测存在的崩滑隐患。
-
公开(公告)号：CN106529410A
公开(公告)日：2017-03-22
申请号：CN201610887353.7
申请日：2016-10-11
Applicant: 北京师范大学
Abstract: 本发明为一种采用网格划分区域，通过分析网格内监控视频数据反映的污染指数变化趋势，用来实时追溯灰霾生成直接来源的方法。该方法首先对地区进行网格化分区，同时为每个网格建立基于视频图像的无霾基准图样本库。然后通过对视频监控图像进行分析，结合无霾基准图，同时基于时间序列分析，区分雾与霾，确定当前位置监控图像灰霾指数、等级、变化趋势、变化速度。最后根据监控视频所在位置、灰霾指数、等级、随时间变化的趋势，绘制随时间变化的灰霾扩散路径，进而得到路径上的网格序列，最终确定具体污染源网格、确定污染源的责任主体。本发明可用于实时对特定区域进行灰霾生成直接来源的及时定位。本发明具有识别精度高、效率高的优点。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.016 seconds)
