-
公开(公告)号：CN117218378A
公开(公告)日：2023-12-12
申请号：CN202311012010.2
申请日：2023-08-11
Applicant: 中北大学
Abstract: 本发明属于红外目标跟踪领域，具体为一种高精度回归的红外小目标跟踪方法，针对红外小目标运动过程中出现目标形变、相机抖动和背景变化，边界框回归并不准确这一问题。首先，通过特征提取网络对初始区域、更新区域和搜索区域进行高分辨率和低分辨率特征图的提取；然后，使用特征融合网络对三种高、低分辨率特征图分别进行特征融合，获得回归特征图和分类特征图；之后，利用相关网络对回归、分类特征图进行特征增强和信息交互，得到查询向量和增强特征图；最后，将其输入到输出网络中，获得边界框回归、分类得分图。此外，当测试过程中目标分类得分高于预定义的阈值时，将三帧图像区域中的更新区域进行更新，实现高精度回归的红外小目标跟踪。
-
公开(公告)号：CN116402851A
公开(公告)日：2023-07-07
申请号：CN202310268997.8
申请日：2023-03-17
Applicant: 中北大学
Abstract: 针对复杂背景下红外弱小目标难以提取有效特征、易受周围干扰物影响等难题，本发明提出一种复杂背景下的红外弱小目标跟踪方法。本发明网络模型首先将输入的参考区域和待跟踪区域传入双特征提取模块分别获得融合特征图；然后，利用相似性计算模块将融合特征图进行相似性计算，输出的相似度图中包含目标的分类和回归信息；最后，通过精细化模块和头网络输出当前帧图像目标的预测位置和边界框，以实现复杂背景下的红外弱小目标的稳健跟踪。本发明可有效对复杂场景中的真实目标进行稳健跟踪，减少目标周围干扰物的影响，提高跟踪性能，为接下来提取目标特征、判定关键事件提供准确的位置信息。
-
公开(公告)号：CN114998566A
公开(公告)日：2022-09-02
申请号：CN202210503167.4
申请日：2022-05-09
Applicant: 中北大学
IPC: G06V10/143 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 针对复杂背景下红外弱小目标检测鲁棒性较低的难题，本发明提出了一种可解释的多尺度红外弱小目标检测网络设计方法。本发明网络模型首先对输入红外源图像进行细节特征提取和目标增强，经过多个多尺度目标增强模块级联处理后得到低层细节特征和高层语义特征；然后利用全局目标响应结构对低层细节特征和高层语义特征进行上下文建模，获取真实目标像素长距离依赖；接着利用多层特征融合结构对低层细节特征、深层语义特征、局部特征及全局特征进行重复性、冗余性融合，在高维数据中完成了对真实目标和背景噪声的像素分类；最后通过多损失联合约束结构联合多个损失函数约束网络输出，使其接近真实目标数据分布，得到真实目标检测结果。
-
公开(公告)号：CN111696168B
公开(公告)日：2022-08-23
申请号：CN202010538650.7
申请日：2020-06-13
Applicant: 中北大学
Abstract: 本发明涉及MRI加速采集方法，具体为基于残差自注意力图像增强的高倍速采MRI重建方法。本方法采用生成对抗网络构建本发明的网络结构，将基于残差自注意力的特征增强模块内嵌至U‑NET收缩路径底部；将高倍欠采样图像输入生成器，经U‑NET收缩路径提取高级特征图后输入特征增强模块得到特征增强图，再经U‑NET扩展路径解码，并与收缩路径对应的特征图合并，融合扩展时对应级别收缩层的特征，补充缺失的边界信息，准确预测边缘信息，得到重建图像。本方法可以捕获图像更抽象、更丰富的纹理细节特征，融合局部信息和非局部信息以增强全局信息量，整个过程由网络自动选择有效特征，能实现关键区域纹理细节的自适应提取与重构，可以很好地重建高倍速采MR图像。
-
公开(公告)号：CN113111878B
公开(公告)日：2022-03-18
申请号：CN202110480586.6
申请日：2021-04-30
Applicant: 中北大学
Abstract: 本发明提出了一种复杂背景下的红外弱小目标检测方法，涉及红外目标检测领域。首先，定义滑动窗口并将其划分为多个单元，将中心单元的像素灰度值降序排列后计算其前K个灰度均值；其次，分别构建中心单元的相接邻域和相隔邻域并计算它们各自的灰度均值；再次，分别提取相接邻域和相隔邻域的显著图；然后，通过点乘两显著图抑制复杂背景并增强弱小目标；最后自适应提取目标，以实现复杂背景下红外弱小目标的高效准确检测。
-
Patent Agency Ranking
公开(公告)号：CN114119983A
公开(公告)日：2022-03-01
申请号：CN202111375716.6
申请日：2021-11-19
Applicant: 中北大学
Abstract: 本发明涉及图像融合方法，尤其涉及红外与可见光图像融合方法，具体为基于侧窗滤波和多尺度变换的红外与可见光图像同步融合降噪方法，本方法按如下步骤进行：用改进的侧窗滤波分解红外与可见光图像，分别得到其所对应的基层与细节层信息；以基于自适应的幂次变换方法进行红外图像基层显著区域提取；对提取到的红外图像基层区域和可见光图像基层应用融合规则进行融合，得到基层融合图像；采用基于全变分的方法对细节层图像进行同步融合降噪处理，得到基层融合图像；对得到的基层融合图像和细节层融合图像进行重建，得到最终融合图像，该融合图像的对比度明显，显著区域突出，噪声大幅下降。
-
公开(公告)号：CN113623629A
公开(公告)日：2021-11-09
申请号：CN202111126296.8
申请日：2021-09-26
Applicant: 中北大学
IPC: F22B31/08
Abstract: 本发明提供了一种互补均温板的蒸汽锅炉，包括上锅筒、下锅筒和连接在上锅筒和下锅筒之间的上升管和下降管，所述上升管内设置从上升管内壁向上升管中心延伸的均温板，沿着高度方向，上升管内壁设置多层均温板；A层均温板设置多块，A均温板之间设置间隔，A均温板等间隔设置，B层是A层的相邻层，从流动方向观察，B层均温板设置在A层的间隔位置处。通过相邻层的均温板位置互补，能够使得流体能够在上升管内充分的互相运动到相反位置，保证充分混合均匀。
-
公开(公告)号：CN113111878A
公开(公告)日：2021-07-13
申请号：CN202110480586.6
申请日：2021-04-30
Applicant: 中北大学
Abstract: 本发明提出了一种复杂背景下的红外弱小目标检测方法，涉及红外目标检测领域。首先，定义滑动窗口并将其划分为多个单元，将中心单元的像素灰度值降序排列后计算其前K个灰度均值；其次，分别构建中心单元的相接邻域和相隔邻域并计算它们各自的灰度均值；再次，分别提取相接邻域和相隔邻域的显著图；然后，通过点乘两显著图抑制复杂背景并增强弱小目标；最后自适应提取目标，以实现复杂背景下红外弱小目标的高效准确检测。
-
公开(公告)号：CN112135262A
公开(公告)日：2020-12-25
申请号：CN202011051345.1
申请日：2020-09-29
Applicant: 中北大学
Abstract: 本发明公开了一种基于能量收集和ZigBee的隧道人员定位系统，包括人员移汇聚节点、地面固定无线传感器节点、地面汇聚节点和监控中心，所述的汇聚节点包括定位模块、传感器节点和电源模块，所述的电源模块连接能量收集器，所述的能量收集器为电磁式振动能量收集，所述的能量收集器将人员随机运动时产生的动能转换为电能，并存储在电源模块。本发明的系统能量采集、转换与存储能够有效地回收利用隧道内人员活动过程中产生的人体动能，大幅延长ZigBee测距定位模块的工作时长，同时在紧急状态发生时为搜救提供必要信息，避免由于设备能量消失而失去救援目标。
-
公开(公告)号：CN105469098B
公开(公告)日：2018-10-12
申请号：CN201510808725.8
申请日：2015-11-20
Applicant: 中北大学
Abstract: 本发明属于遥感数据地物分类领域，具体为一种自适应特征权重合成的LIDAR数据地物精确分类方法。本发明首先对实验图像进行充分特征信息提取，根据特征的物理意义与包含地物信息的差异，构建高程、光谱、强度与纹理特征子集；其次在随机森林框架下分析不同特征子集在地物分类过程中的重要性差异，计算各特征子集的重要性测度，获得每个像元对各类地物的类别隶属度；然后综合利用特征子集重要性测度与基于证据冲突计算的权重系数，对各个特征子集构成的多证据源合成；最后根据合成结果采用投票决策规则实现地物精确分类，并采用有效的空间限制策略优化初分类结果。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.023 seconds)
