-
公开(公告)号：CN106886760B
公开(公告)日：2019-08-16
申请号：CN201710052487.1
申请日：2017-01-24
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于空谱信息结合的高光谱舰船检测方法，能够解决现有舰船检测方法中舰船目标的检测的准确度和虚警的问题。本发明方法中涉及基于类间差异性的无监督光谱子区间筛选方法，是一种准确、快速、鲁棒性强的无监督光谱波段筛选方法。阈值分割中加入了水域的相对稳定性，极大削弱了亮度值较低的非水域区域对检测结果的干扰，能够实现十分准确的海陆分割结果，该方法简单、快速并且自适应。本发明提出了对RX异常检测结果进行空间特征增强的方法，即利用二维本征模态分解重构图像，并且该方法是自适应的，完全依赖数据本身的结构。本方法利用物质的光谱特征分析物质的主要材质构成，所有光谱均可由光谱字典中光谱向量线性组合得到。
-
公开(公告)号：CN108734122A
公开(公告)日：2018-11-02
申请号：CN201810471321.8
申请日：2018-05-17
Applicant: 北京理工大学
Abstract: 本发明提供一种基于自适应样本选择的高光谱城区水体检测方法，在高光谱近红外谱段图像的预处理方面，通过质量评价SSIM的方法去除噪声波段图像，采用两次平均操作进一步消除噪声，能够获取更加稳定的近红外谱段的均值图像，与传统单波段阈值分割方法相比，无需人工选择待分割图像；本发明将无监督的阈值分割方法提取疑似水体区域，再通过有监督的特征学习与分类器训练，从疑似水体区域中剔除在近红外谱段与水体较为相似的建筑阴影、建筑屋顶沥青等地物；因此，本发明将无监督的阈值分割方法与有监督的特征学习与分类器训练方法相结合，具备城区观测场景的自适应能力，能够实现实测场景数据“现采集、现处理”，且虚警较低。
-
公开(公告)号：CN106887011A
公开(公告)日：2017-06-23
申请号：CN201710042486.9
申请日：2017-01-20
Applicant: 北京理工大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于CNN和CF的多模板目标跟踪方法，本发明中提出利用若干固定的尺度值的方法，在求解卷积操作前先将模板归一化大小，然后在得到最大响应值之后反推出最合适的尺度；虽然在现有的DSST算法中，采用将三维空间最优尺度搜索分解为在二维空间搜寻最佳位置，在一维空间内搜索最优尺度的机制，但是迭代慢并且计算复杂度高；而针对实无人机平台运动随意，速度不定等特点，采用固定尺度值的方法，不仅满足跟踪算法需要，而且满足运算的实时性；特征提取阶段，将这两种特征进行分别提取，并训练出两组不同的滤波器，根据当前目标的外观和背景变化，设定不同权重，进行目标的外观表征。然后将通过不同特征得到的结果进行融合，得到跟踪结果。
-
公开(公告)号：CN117953338A
公开(公告)日：2024-04-30
申请号：CN202311714363.7
申请日：2023-12-14
Applicant: 北京理工大学
IPC: G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种面向边缘计算平台的轻量级目标检测动态混合网络。包括：首先，设计路由函数并以数据驱动的方式预测目标旋转角度，然后卷积核根据预测到的角度自适应地旋转，以根据不同的输入图像自动调整计算参数；其次，在卷积层内设计了冗余信息通道快速生成方法，利用线性滤波器组替换标准卷积，实现原有特征图的快速生成与替换；此外设计了空间正交注意力机制，从水平和竖直两个方向聚合目标局部和远程信息，使得卷积结构能够捕获远距离像素间的依赖关系；其次在不同卷积层间设计特征聚合方法，将不同中间层的特征收集拼接，并用全局平均池化操作来得到聚合特征，并与原始特征融合，从而减少卷积层的通道数。
-
公开(公告)号：CN116091293B
公开(公告)日：2023-10-31
申请号：CN202211109888.3
申请日：2022-09-13
Applicant: 北京理工大学
IPC: G06T1/20 , G06F30/20 , G06T5/20 , G06T5/00 , G06F111/04
Abstract: 本发明涉及一种微小型智能弹载计算机架构，属于导弹的精确制导技术领域，涉及智能化、高性能、小体积、低功耗综合信息处理。本发明公开了一种弹载微小型智能计算机架构，具有体积小、重量轻、功耗低、性能高、智能化的特点。本架构采用异构多芯片设计，使用DSP、FPGA和NPU三类计算芯片，可以在较低功耗下支撑弹上复杂的信息处理需求。针对弹载环境约束，通过一体化封装技术来集成多个接口芯片以及多个处理芯片，以减小体积与重量。
-
Patent Agency Ranking
公开(公告)号：CN116091293A
公开(公告)日：2023-05-09
申请号：CN202211109888.3
申请日：2022-09-13
Applicant: 北京理工大学
IPC: G06T1/20 , G06F30/20 , G06T5/20 , G06T5/00 , G06F111/04
Abstract: 本发明涉及一种微小型智能弹载计算机架构，属于导弹的精确制导技术领域，涉及智能化、高性能、小体积、低功耗综合信息处理。本发明公开了一种弹载微小型智能计算机架构，具有体积小、重量轻、功耗低、性能高、智能化的特点。本架构采用异构多芯片设计，使用DSP、FPGA和NPU三类计算芯片，可以在较低功耗下支撑弹上复杂的信息处理需求。针对弹载环境约束，通过一体化封装技术来集成多个接口芯片以及多个处理芯片，以减小体积与重量。
-
公开(公告)号：CN115355770A
公开(公告)日：2022-11-18
申请号：CN202211072878.7
申请日：2022-09-02
Applicant: 西安奇维科技有限公司 , 北京理工大学
Abstract: 本发明公开了一种应用于图像导引头抑制强背景干扰的方法：步骤1，选取检测图像I；步骤2，生成显著性图M；步骤3，将显著性图M减去其平均值并转换为非负值得到第一预处理后的显著性图M1；步骤4，对第一预处理后的显著性图M1进行第二预处理，得到显著性图M2；步骤5，进行第一二值化处理得到第一二值化图mask1，并对mask1去掉边界连通域得到第二二值化图mask2；并依据mask2对显著性图像M1进行第三预处理，得到显著性图M3；步骤6，对第三预处理后的显著性图M3进行高斯滤波处理，得到滤波图M4；步骤7，对滤波图M4进行二值化分割得到第三二值化图bw，并得到最终的检测目标。本发明能够准确地检测出目标，为后续的目标跟踪奠定了稳定的基础。
-
公开(公告)号：CN115267756A
公开(公告)日：2022-11-01
申请号：CN202210456355.6
申请日：2022-04-27
Applicant: 北京理工大学 , 北京电子工程总体研究所
IPC: G01S11/12 , G06V10/764 , G06V10/82 , G06V20/56 , G06T7/80
Abstract: 本发明公开了一种基于深度学习目标检测的单目实时测距方法，主要包括对目标底部所在地面位置的实时获取、相机内参数标定、相机安装参数估算和目标距离计算；针对传统单目测距模型测距精度低、实时性差的问题，本发明应用当前性能先进的轻量级深度学习实时目标检测技术以获取目标底部的图像坐标；并对现有损失函数进行优化，使其更适应于测距需求。针对手动测量摄像头安装参数的不便和极易引入测量误差的问题，本发明通过地面参照点的三维空间坐标与所对应的图像坐标的映射关系，自动估计摄像头的安装参数信息。该方法具有操作简便、精度高、实时性好的特点，可应用于智能驾驶、机器人等多种需求视觉测距场景。
-
公开(公告)号：CN109063537B
公开(公告)日：2021-08-17
申请号：CN201810571359.2
申请日：2018-06-06
Abstract: 本发明公开了一种针对异常小目标解混的高光谱图像预处理方法。使用本发明能够解决服务于解混任务的高光谱图像预处理方法易忽略异常小目标的弊端。本发明充分针对目标空间尺度小的特征，利用滑窗判定空间维度上的疑似目标，并根据邻域像元位置设立相似性度量权重，区别对待窗口内不同邻域像元对待测像元空间特异性判定的影响；同时，利用目标光谱与背景光谱相比具有特异性的特征，利用PCA变换在特征维度进行疑似目标判定；最后结合K‑means方法和正交子空间投影(OSP)法，对高光谱数据进行筛选，有效减少待处理数据量并提升解混精度，在工程应用上具有很大的提升空间。本发明无需对后续的端元提取阶段进行任何修改，算法应用灵活。
-
公开(公告)号：CN109785359B
公开(公告)日：2020-12-04
申请号：CN201811422620.9
申请日：2018-11-27
Applicant: 北京理工大学
IPC: G06T7/246
Abstract: 本发明提供了一种基于深度特征金字塔和跟踪损失的视频目标检测方法，解决了视频目标检测稳定性与准确率的问题。本方法中在对目标检测的过程中采用多尺度特征图的方法，底层特征图维度高，细节信息丰富，高层特征纬度低，语义信息丰富，从而能够更好地利用视频图像的空间信息，使得检测能够适应多尺度、多类型的目标。本方法采用多尺度的候选窗生成方式，对小目标进行密集采样，对大目标进行离散采样，考虑到尺度不同的目标被检测时需求的精度不同，根据目标尺度做单独处理，小尺度目标精细采样，大尺度目标粗糙采样，增加检测速度。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.022 seconds)
