-
公开(公告)号：CN113963207B
公开(公告)日：2024-03-29
申请号：CN202111228599.0
申请日：2021-10-21
Applicant: 江南大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了基于空谱信息特征引导融合网络的高光谱图像分类方法，涉及高光谱图像处理技术领域，该方法包括：对高光谱图像数据，随机划分为训练集和测试集；将训练集处理后分别通过空间特征提取模块和光谱‑空间特征提取模块得到空间特征图和光谱‑空间特征图；将两种特征图相继放入多引导块和自引导块进行引导；之后将两者通过双线性池化融合不同特征，最后将融合后的特征向量放入分类器中进行分类结果预测。本申请将二维的空间信息和三维的光谱‑空间信息利用多引导块和自引导块相结合的方式，获取到更加丰富的特征，再通过双线性融合操作融合不同特征提取器得到的特征，充分互补了不同维度的特征信息，显著提高了分类的性能。
-
公开(公告)号：CN116662733A
公开(公告)日：2023-08-29
申请号：CN202310578309.8
申请日：2023-05-22
Applicant: 江南大学
Abstract: 本发明公开了基于高斯过程回归的变分滤波机动目标跟踪方法，属于目标跟踪领域。所述方法首先采用时间预测方法得到目标状态的预测后验分布、过程噪声协方差的预测后验分布和预测量测值，然后使用变分滤波方法更新目标状态和过程噪声协方差的联合后验分布；本发明使用变分推断技术，通过迭代估计目标状态和过程噪声协方差的联合后验，解决了滤波方法中过程噪声未知的问题，在均方根误差上达到了比使用标准噪声参数的卡尔曼滤波更好的效果；使用高斯过程回归技术，通过高斯模型预测量测和阈值方法去除异常量测，解决了机动目标跟踪中出现异常量测的问题，相较于现有技术取得了更好的跟踪效果。
-
公开(公告)号：CN116630370A
公开(公告)日：2023-08-22
申请号：CN202310617643.X
申请日：2023-05-29
Applicant: 江南大学
IPC: G06T7/246 , G06V10/762
Abstract: 本发明公开了一种基于关联矩阵的多模型PBP‑TPMB机动扩展目标跟踪方法，属于目标跟踪领域。所述方法包括：首先，在粒子置信度传播(PBP)数据关联方式的基础上，通过融入关联矩阵，避免遍历所有量测与目标的似然，减少数据关联的计算量，其次，通过模糊处理的方法，在机动点目标与扩展目标互相靠近的场景下，实现点目标遮挡期间的多目标跟踪，最后，通过基于轨迹集的TPMB滤波保留目标运动期间的完整航迹信息，并融入反向平滑，使算法输出的目标轨迹估计集更接近真实目标。本发明通过多模型PBP‑TPMB滤波，解决了紧邻场景下跟踪机动扩展目标的问题，达到了有效跟踪机动点目标和扩展目标的效果。
-
公开(公告)号：CN110967690B
公开(公告)日：2023-06-16
申请号：CN201911099150.1
申请日：2019-11-12
Applicant: 江南大学
Abstract: 本发明公开了一种基于多伯努利分布式多传感器多目标跟踪方法，属于智能信息处理技术和信号处理领域。本发明的基于多伯努利滤波框架的分布式多传感器的目标跟踪方法采用了三种精度提升方法，包括交互反馈方法、决策级融合输出方法以及特征级融合反馈方法，既可以解决对新生目标漏估计的问题，同时也提高了对多目标跟踪的精度。
-
公开(公告)号：CN115861076A
公开(公告)日：2023-03-28
申请号：CN202211694714.8
申请日：2022-12-28
Applicant: 江南大学
Abstract: 本发明公开了基于矩阵分解网络的无监督高光谱图像超分辨率方法，属于高光谱图像处理技术领域。本发明对高光谱图像处理，生成模拟的低空间分辨率高光谱图像Y和高空间分辨率的多光谱图像Z；首先将生成的数据对(Y，Z)输入设计的自动编码器网络，训练迭代得到点扩散函数和光谱响应函数；对于目标高空间分辨率高光谱图像X，可以假设为末端成员矩阵A和对应丰度矩阵S的线性组合，即X＝AS，结合光谱和空间退化模型进行建模，通过设计的深度CP分解模块计算A，迭代求解A和S，最后得到融合结果。本发明能够得到更加丰富的光谱和空间特征，得到了更好的融合结果，在实践中表现出了良好的性能。
-
Patent Agency Ranking
公开(公告)号：CN109886493B
公开(公告)日：2022-09-02
申请号：CN201910141974.4
申请日：2019-02-26
Applicant: 江南大学
Abstract: 本发明提供了一种基于改进多目标粒子群算法的物流系统设计方法，属于智能物流应用领域，主要解决同时处理物流系统的低搭建成本和高运输效率的问题。该方法首先将物流系统的搭建成本和运输效率描述成对应的目标函数以及对解决方案的形式进行数学描述；接着采用扩容的方法将目标函数值的上下限进行扩大，并根据此上下限搭建网格，计算粒子的网格坐标；然后采用双距离决策的方法挑选出引导粒子，并结合粒子群公式产生下一代的粒子群，筛选出最优解集保存；最后根据客户的需求，从最优解集中选择合适的物流系统。本发明方法设计的物流系统既能满足搭建成本低又能满足运输效率高的需求，具有很好的实际使用价值。
-
公开(公告)号：CN112946625B
公开(公告)日：2022-07-15
申请号：CN202110166401.4
申请日：2021-02-04
Applicant: 江南大学
Abstract: 本发明公开了基于B样条形状驱动多扩展目标航迹跟踪及分类方法，涉及信息处理技术领域，该方法包括：首先将B样条估计出的不规则形状用到KDE‑SSP方法中，对紧邻目标量测集进行二次划分，使用核密度估计法寻找候选形状的中心点位置，提高了算法的效率；之后提取了目标形状类别信息辅助目标状态更新和提取，解决了紧邻目标量测集更新的漏跟、错跟等问题，同时，根据提取的目标运动状态、目标形状信息和目标航迹有效实现了对扩展目标的航迹管理和目标分类。
-
-
公开(公告)号：CN113963207A
公开(公告)日：2022-01-21
申请号：CN202111228599.0
申请日：2021-10-21
Applicant: 江南大学
Abstract: 本发明公开了基于空谱信息特征引导融合网络的高光谱图像分类方法，涉及高光谱图像处理技术领域，该方法包括：对高光谱图像数据，随机划分为训练集和测试集；将训练集处理后分别通过空间特征提取模块和光谱‑空间特征提取模块得到空间特征图和光谱‑空间特征图；将两种特征图相继放入多引导块和自引导块进行引导；之后将两者通过双线性池化融合不同特征，最后将融合后的特征向量放入分类器中进行分类结果预测。本申请将二维的空间信息和三维的光谱‑空间信息利用多引导块和自引导块相结合的方式，获取到更加丰富的特征，再通过双线性融合操作融合不同特征提取器得到的特征，充分互补了不同维度的特征信息，显著提高了分类的性能。
-
公开(公告)号：CN110967690A
公开(公告)日：2020-04-07
申请号：CN201911099150.1
申请日：2019-11-12
Applicant: 江南大学
Abstract: 本发明公开了一种基于多伯努利分布式多传感器多目标跟踪方法，属于智能信息处理技术和信号处理领域。本发明的基于多伯努利滤波框架的分布式多传感器的目标跟踪方法采用了三种精度提升方法，包括交互反馈方法、决策级融合输出方法以及特征级融合反馈方法，既可以解决对新生目标漏估计的问题，同时也提高了对多目标跟踪的精度。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.032 seconds)
