-
公开(公告)号：CN103208097B
公开(公告)日：2015-09-30
申请号：CN201310034170.7
申请日：2013-01-29
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像多方向形态结构分组的主分量分析协同滤波方法。该方法对图像进行重叠分块，根据图像块的方差、梯度和奇异值信息对图像块进行多方向形态结构分组，得到光滑块组、随机块组、方向边缘块组和方向纹理块组；然后对分组的图像块进行特征自适应主分量分析，利用硬阈值收缩法对图像块变换系数进行滤波，进而进行分组重构；最后将分组重构块聚合为整幅滤波图像。本发明方法充分考虑了图像块的多方向形态结构和图像的非局部相似性信息，图像滤波过程具有很好的结构和纹理保持特性，消除噪声能力很强，可广泛的应用于图像特征提取和目标检测的预处理过程。
-
公开(公告)号：CN103208097A
公开(公告)日：2013-07-17
申请号：CN201310034170.7
申请日：2013-01-29
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像多方向形态结构分组的主分量分析协同滤波方法。该方法对图像进行重叠分块，根据图像块的方差、梯度和奇异值信息对图像块进行多方向形态结构分组，得到光滑块组、随机块组、方向边缘块组和方向纹理块组；然后对分组的图像块进行特征自适应主分量分析，利用硬阈值收缩法对图像块变换系数进行滤波，进而进行分组重构；最后将分组重构块聚合为整幅滤波图像。本发明方法充分考虑了图像块的多方向形态结构和图像的非局部相似性信息，图像滤波过程具有很好的结构和纹理保持特性，消除噪声能力很强，可广泛的应用于图像特征提取和目标检测的预处理过程。
-
公开(公告)号：CN103106644A
公开(公告)日：2013-05-15
申请号：CN201310044039.9
申请日：2013-02-02
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种克服彩色图像非均匀光照的自适应画质增强方法。该方法先计算亮度图像；利用亮度图像中像素邻域内的平均强度值计算局部亮度指标；建立局部亮度指标与对比度增强系数之间的映射关系；用对比度增强系数构造单通道图像像素间对比度差异度量，进而加权整合为全局自适应对比度能量项；将该全局自适应能量与熵离差项组成图像增强的代价最小化模型；最后利用梯度下降法求解该模型的最小值作为增强后的单通道图像；所有通道都处理完毕后，将全部增强后的单通道图像合并成输出的彩色图像。本发明在有效提升图像对比度和去除色偏的同时，能消除过亮和过暗的光照不均匀效果，保持明暗区域中物体的细节完整性。
-
公开(公告)号：CN120070495A
公开(公告)日：2025-05-30
申请号：CN202411968622.3
申请日：2024-12-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于信号清晰度与信息相关性的高光谱目标跟踪波段选择方法，方法包括：使用拉普拉斯算法评估波段图像的清晰度，使用高斯平滑对初始波段图像进行处理；使用一维熵和二维熵来评估波段图像中包含的平均信息量的多少；使用互信息用来衡量两个波段之间的关联程度，找到和目标最相似的波段；使用一个差异模块来评估波段图像中目标和背景之间的差异；构建一个综合评估指标来评估波段质量，选择三个最有价值的波段输入到预训练网络中提出深度特征，使用相关滤波跟踪器完成跟踪任务。本发明将现有的在彩色图像上训练的网络模型迁移到高光谱目标跟踪中，实现了通道数目匹配并减少波段冗余的目的。
-
公开(公告)号：CN113673589B
公开(公告)日：2024-12-20
申请号：CN202110926238.7
申请日：2021-08-12
Applicant: 南京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于边框距离度量的标签选择自适应增量检测方法及系统，使用旧模型为数据集生成了旧类别目标的先验信息，包括类别和位置信息，在训练新的网络模型时，采用经过标签选择算法得到的伪标签进行训练，采用了跳接注意力机制学习并保留了旧类别的重要特征，再采用多尺度网络自适应的训练模型。该方法可以检测不同尺度的目标，适用于没有旧样本数据的增量目标检测。
-
Patent Agency Ranking
公开(公告)号：CN118298309A
公开(公告)日：2024-07-05
申请号：CN202410471148.7
申请日：2024-04-18
Applicant: 南京理工大学
IPC: G06V20/10 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种领域知识驱动和自适应波谱调谐的高光谱融合成像方法及系统，方法包括：建立领域知识库，用来提供不同环境下的背景和目标先验信息；建立自适应波谱调谐装置，设计基于光谱自相关性引导的波谱自适应学习算法，从特定目标先验库中学习光谱信息，通过评分函数和液晶可调谐滤光采集具有显著光谱特征波谱信息的多光谱图像；构建融合成像系统，设计无监督融合算法将多光谱成像信息与高光谱成像信息在张量表示框架中获得融合图像。本发明通过自适应波谱调谐网络获得多光谱成像波段，提高特定区域的鉴别性光谱特性，智能成像系统实现高空谱分辨率性能的高光谱融合成像，可适用于轻小型高光谱融合成像设备。
-
公开(公告)号：CN117217995A
公开(公告)日：2023-12-12
申请号：CN202311107036.5
申请日：2023-08-30
Applicant: 南京理工大学
IPC: G06T3/40 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/774 , G06F30/20 , G06F111/04
Abstract: 本发明公开了一种基于变换域高阶张量奇异值分解的高光谱图像超分辨方法，通过结合高空间分辨率多光谱图像(HR‑MSI)和低空间分辨率高光谱图像(LR‑HSI)的空谱信息，得到具有高空间分辨率的高光谱图像(HR‑HSI)。该方法根据高光谱图像的空谱相关特性，将HR‑HSI分解为高光谱图像的低维谱子空间和系数张量两部分。利用高阶张量奇异值分解研究系数张量在变换域的低秩性，并结合高光谱的子空间表示，建立了高阶奇异值分解下的低秩正则的高光谱图像超分辨模型。数值模拟实验表明，该方法在对图像进行超分辨时，具有很好光谱保真和空间结构保持性能。
-
公开(公告)号：CN116385159A
公开(公告)日：2023-07-04
申请号：CN202211527564.1
申请日：2022-12-01
Applicant: 南京理工大学
IPC: G06Q40/04 , G06Q20/38 , G06F18/23 , G06F18/2431 , G06F18/2415 , G06N5/01 , G06N3/042 , G06N3/047 , G06N3/048
Abstract: 本发明公开了一种区块链交易识别系统，该系统包括连接建立、消息获取、聚类、实体事务子图确定、特征矩阵确定、模型训练这些模块；本地客户端建立区块链网络节点连接，获取链上交易数据；在本地客户端通过启发式方法，对原始交易数据进行构图，得到实体事务图；对实体事务图进行子图提取得到实体事务子图，重构实体事务子图中的样本的邻接矩阵；通过N_motif图以及分类器进行特征提取得到特征矩阵；将实体事务子图中的样本的邻接矩阵和实体事务图的特征矩阵作为图学习输入，经过GCN和全连接层，得到分类预测模型。本发明提高了提取特征的质量、区块链中交易分类结果的置信度、模型的训练效率。
-
公开(公告)号：CN109684088B
公开(公告)日：2023-04-07
申请号：CN201811545502.7
申请日：2018-12-17
Applicant: 南京理工大学
Abstract: 本发明公开了一种云平台资源约束的遥感大数据快速处理任务调度方法。基于DAG建模的遥感大数据处理任务形式化描述，基于偏序关系约束的多任务序列混合量子进化调度和云平台资源自适应分配，本发明考虑了可并行计算任务的并行度，调度的目标是不同并行度下的小任务，可以实现资源约束条件下更加细粒度的遥感大数据处理任务调度。
-
公开(公告)号：CN112556848B
公开(公告)日：2022-09-06
申请号：CN202011365495.X
申请日：2020-11-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种双相机压缩测量协同张量表示的融合计算成像方法，包括：建立双光路压缩测量装置，一路为编码孔径快照光谱测量装置，另一路为全色相机测量装置；通过伯努利随机矩阵生成的压缩编码孔径、色散棱镜引起的偏移、相机的光谱响应构造前向压缩采样过程；两路测量信息经过三阶张量表示，综合各向异性加权空‑谱全变差先验约束，建立双相机压缩测量协同张量表示正则化模型；采取交替方向乘子方法进行模型迭代优化求解。本发明方法中的张量表示能充分地挖掘高光谱图像的立方体图谱特性，并能有效地利用全色图像提供的空间细节信息，通过融合计算，大幅度地提升高光谱成像质量和空‑谱特征保持能力。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.022 seconds)
