-
公开(公告)号：CN114359636A
公开(公告)日：2022-04-15
申请号：CN202210020297.2
申请日：2022-01-10
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V10/764 , G06K9/62 , G06N20/00
Abstract: 本发明公开了一种采用全局‑局部通道注意力模块校准高光谱特征方法，包括：通过骨干网络提取高光谱原始图像的深度语义特征，得到局部高光谱特征图；采用全局‑局部通道注意力模块，通过压缩、复制、连接、激励和校准五个步骤，实现重新校准所述局部高光谱特征图。本发明提出了一个全局‑局部通道注意力模块以即插即用的方式工作，以像素方式灵活且精确地重新校准通道特性响应，增强了有用信息，抑制了无用信息，重新校准的特征映射，减少了冗余和噪声，有效地提高了基于深度学习网络的高光谱图像分类方法的性能，可以应用于任何现有的基于深度高光谱图像分类中，同时无需额外的计算成本。
-
公开(公告)号：CN113781444A
公开(公告)日：2021-12-10
申请号：CN202111067612.9
申请日：2021-09-13
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于多层感知机校正的快速拼接航拍图像的方法和系统。对于每一幅航拍的正射图像，先基于位置、高度、横滚角、俯仰角、偏航角等信息直接进行粗配准，得到浮动图像与参考图像的单应矩阵，利用离线训练的多层感知机对该单应矩阵进行校正，基于校正结果使用渐入渐出算法对正射图像进行融合。本发明融合了位姿拼接法配准速度快的特点，以及特征点式方法配准精准度高的特点，增强了校正阶段的非线性拟合能力，提高了配准的精度，神经网络的应用减少了真值矩阵分解得到飞行参数以及飞行参数计算校正矩阵的过程，提高了配准速度，使用早停法训练多层感知机，可以防止网络过拟合并节省训练时间。
-
公开(公告)号：CN113327271A
公开(公告)日：2021-08-31
申请号：CN202110589860.3
申请日：2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于双光孪生网络决策级目标跟踪方法、系统及存储介质。本发明以孪生候选区域生成网络为基础框架，利用生成对抗网络生成伪红外图像数据集对其进行训练，解决了红外图像样本匮乏的问题，提高了网络对红外特征提取的能力。另外，本发明以上下文约束条件设计可见光分支跟踪和伪红外分支跟踪的融合跟踪策略，解决了对弱光或光照不均引起的跟踪困难的问题，避免了跟踪漂移，使跟踪过程更为鲁棒，跟踪精度更为准确。
-
公开(公告)号：CN112904913A
公开(公告)日：2021-06-04
申请号：CN202110062873.5
申请日：2021-01-18
Applicant: 北京理工大学重庆创新中心
IPC: G05D23/20
Abstract: 本发明公开了一种液晶器件温控系统和温控方法。系统包括壳体、控制单元、温控单元和半导体制冷器件，半导体制冷器件、温控单元和控制单元均设置于壳体内，半导体制冷器件两侧分别嵌入壳体和温控单元，温控温控单元两侧设置导热材料，控制单元分别连接半导体制冷器件、第一温度传感器和第二温度传感器，第一温度传感器连接液晶器件，第二温度传感器连接温控单元。本发明通过获取液晶器件和温控单元的温度，逐步计算温控单元的加热温度，以此控制半导体制冷器件的控制电压，迭代上述过程，直至液晶器件的温度稳定在目标温度。本发明系统体积小、便携性强、应用场景广，能对液晶器件进行直接精准温控。
-
公开(公告)号：CN112665720A
公开(公告)日：2021-04-16
申请号：CN202011590415.0
申请日：2020-12-29
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明公开了一种基于互补压缩编码的双通道可调谐高光谱成像仪和方法。成像仪包括成像系统、反射式空间光调制器、第一成像光路、第二成像光路和计算控制中心。场景信息在计算控制中心的协调下，经反射式空间光调制器以互补的方式空间编码，经第一成像光路和第二成像光路分别对信号进行光谱滤波、成像；计算控制中心根据第一成像光路得到的图像和第二成像光路得到的图像重构出高光谱图像。本发明利用反射式空间光调制器的编码特性，对两条光路同时进行互补编码，提高了对场景信息的光能利用率，提高了编码效率，并且，允许任选两个光谱通带的LCTF装配到成像仪，对于滤光过程，可在两路成像光路各选一个感兴趣波段进行观测。
-
Patent Agency Ranking
公开(公告)号：CN112229514A
公开(公告)日：2021-01-15
申请号：CN202011054740.5
申请日：2020-09-27
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供一种液晶高光谱计算成像系统的三维数据重构方法，搭建了一个适用于液晶高光谱计算成像系统的卷积神经网络，将计算成像系统获取的压缩观测结果和系统响应共同作为网络输入，经过多个隐藏层，最终输出重构后的高分辨率三维数据；其中，系统响应包括系统的空间响应和光谱响应，分别表示系统对入射场景的空间和光谱编码作用。本发明在卷积神经网络的框架下进行压缩观测数据的计算重构，同时考虑压缩数据和系统响应，在训练数据足够多的情况下，该网络可以适应不同的编码模板和各种类型的计算光谱成像系统，快速准确地获取重构后的三维数据。
-
公开(公告)号：CN111998945A
公开(公告)日：2020-11-27
申请号：CN202010846546.4
申请日：2020-08-21
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种斯托克斯参量分块的全偏振高光谱图像压缩重构方法，能够增加偏振压缩的自由度，提高偏振重构的针对性和重构精度，缩短整体重构用时。采用四分之一波片与液晶可调滤波器组合将待测全偏振高光谱图像成像于探测器，选取四分之一波片快轴角度和液晶可调滤波器入射面角度实现不同全偏振调制方式。对于1种快轴角度和2种入射面角度的组合，利用求和法求解第一个斯托克斯参量S0，再重构后三个斯托克斯参量S1S2S3；对于2～3种快轴角度和1种入射面角度的组合，利用求差法重构S1S2S3，再求解S0；对于1～3种快轴角度和1种入射面角度的组合，利用缩放法重构S0，再重构S1S2S3。最终获得重构的全偏振高光谱图像。
-
公开(公告)号：CN111160478A
公开(公告)日：2020-05-15
申请号：CN201911410767.0
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于深度学习的高光谱目标显著性检测方法，所述目标显著性检测方法至少包括深层特征提取步骤和显著性优化步骤，其中，所述深层特征提取步骤包括将原始高光谱图像经双通道的卷积神经网络完成包括空间特征和光谱特征的深层特征提取；所述显著性优化步骤包括将基于提取的深层特征完成背景线索和前景线索计算，并基于计算结果进行显著性优化，生成最终的显著性图。本发明基于深度学习提取高光谱图像的空间和光谱深层特征，提升了特征的鲁棒性，且卷积神经网络采用自监督训练，无需真值标签；利用显著性优化，能够提升生成显著性图的质量，突出显著性目标。
-
公开(公告)号：CN111091582A
公开(公告)日：2020-05-01
申请号：CN201911410647.0
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明涉及视觉目标跟踪领域，公开了一种基于深度神经网络的单视觉目标跟踪算法及系统；其基本原理为：由图像序列中首帧指定跟踪目标，在后续帧中，采用同一卷积网络提取目标特征与待搜索区域特征，进行卷积和前景-背景区分网络获得目标位置，通过回归获得目标框的宽度和高度，从而获得目标所在的区域框；当跟踪目标的置信值低于一定程度时，认为可能出现目标丢失等问题，采取重搜索策略进行重新搜索，以保证目标的跟踪效果。对于不同尺寸的目标，将其尺寸输入尺寸调节模块，从而根据目标大小动态调节样本裁剪大小；以保证模板能够适应不同尺寸、不同运动特点的目标，提高跟踪性能。
-
公开(公告)号：CN114965293B
公开(公告)日：2025-05-09
申请号：CN202210504116.3
申请日：2022-05-10
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种偏振光谱特征融合的水中氨氮检测方法，用于偏振光谱特征融合系统，系统包括光源、反射镜、四分之一波片、线偏振片、光纤透镜和光纤光谱仪；方法包括：C1：通过系统基于目标水样，采集偏振调制光谱；C2：解调目标水样反射光波的四个斯托克斯参量光谱；C3：选取不同数量的偏振调制光谱和斯托克斯参量光谱分别进行光谱特征融合；C4：基于氨氮浓度不同的目标水样的特征融合光谱，进行光谱分类。本发明实现了基于偏振特征融合光谱检测水中氨氮，通过光与物质之间的相互作用，无需使用辅助试剂，准确的检测水中氨氮浓度。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.034 seconds)
