-
公开(公告)号：CN118067001A
公开(公告)日：2024-05-24
申请号：CN202410211712.1
申请日：2024-02-27
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种结合光瞳函数的光源位置精确校正方法，适用于傅里叶叠层显微系统，其包括：使用不同数量的低分辨率图像重建K幅光瞳函数图像；搜索光瞳函数强度值剧烈下降处的位置到图像中心的距离最大和最小时对应的方向α1和α2；在K幅光瞳函数图像中，沿着α1和α2执行圆轮廓搜索算法得到两组强度值剧烈下降处的位置到图像中心的距离，由两组距离确定位置偏差情况；根据α1和α2所处的区间确定得到的频域位置偏差对应的边角LED单元在LED阵列中的理想位置，计算边角LED在频域中对应子孔径的实际位置；LED阵列空间位置求解，完成对LED阵列的空间位置校正。本发明实现了LED阵列的空间位置精确校正。
-
公开(公告)号：CN111161323B
公开(公告)日：2023-11-28
申请号：CN201911419540.2
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
IPC: G06T7/246
Abstract: 本发明提供了一种基于相关滤波的复杂场景目标跟踪方法：步骤1、对带有目标标注框的第一帧视频图像，通过传统相关滤波训练方法得到滤波器；步骤2、读取下一帧图像，将当前帧图像的搜索区域与上一帧得到的滤波器进行卷积操作，得到响应图像，对响应图像计算最大值得到当前帧相关滤波跟踪结果；将当前帧相关滤波跟踪结果与基于颜色直方图的目标跟踪结果进行互补融合，得到当前帧跟踪结果；步骤3、通过评价标准对响应图像判断是否属于复杂场景决定当前帧的滤波器训练方式；步骤4、重复步骤2‑3，直到读取完视频序列的所有帧，目标跟踪结束。采用本方法避免了背景杂乱以及目标严重形变等复杂场景跟踪漂移的问题。(56)对比文件CN 109753846 A,2019.05.14CN 110009664 A,2019.07.12CN 110555870 A,2019.12.10US 2010322534 A1,2010.12.23US 2011188744 A1,2011.08.04US 2017134631 A1,2017.05.11US 2018182109 A1,2018.06.28US 2018268559 A1,2018.09.20US 2019156123 A1,2019.05.23US 2019287264 A1,2019.09.19US 6701029 B1,2004.03.02张博.利用视觉显著性和扰动模型的上下文感知跟踪《.光学精密工程》.2018,第26卷(第8期),第2112-2121页.刘波.自适应上下文感知相关滤波跟踪《.中国光学》.2019,第12卷(第2期),第265-273页.候志强.融合检测机制的鲁棒相关滤波视觉跟踪算法《.应用光学》.2019,第40卷(第5期),第795-804页.Suryo Adhi Wibowo等.Visual TrackingBased on Complementary Learners withDistractor Handling《.MathematicalProblems in engineering》.2017,第1-13页.Wancheng Zhang.Siamese VisualTracking with Robust Adaptive Learning.《2019 IEEE International Workshop onAnti-counterfeiting,Security,Identification,ASID》.2019,第153-157页.Guokai Shi.Online adaptivecomplementation tracker《.EURASIP Journalon Wireless Communications andNetworking》.2018,第191页.Matthias Mueller.Context-AwareCorrelation Filter Tracking《.2017 IEEEConference on Computer Vision and PatternRecognition》.2017,第1387-1395页.Luca Bertinetto.Staple: ComplementaryLearners for Real-Time Tracking《.2016IEEE Conference on Computer Vision andPattern Recognition》.2016,第1401-1409页.王赛楠.基于相关滤波的视觉跟踪算法研究《.中国优秀硕士学位论文全文数据库信息科技辑》.2019,(第9(2019)期),第I138-657页.王艳川.基于双模型融合的自适应目标跟踪算法《.计算机应用研究》.2017,第34卷(第12期),第3828-3833页.
-
公开(公告)号：CN112229514B
公开(公告)日：2023-04-18
申请号：CN202011054740.5
申请日：2020-09-27
Applicant: 北京理工大学重庆创新中心
IPC: G01J3/02 , G01J3/28 , G06N3/0464 , G06N3/08
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：CN115393391A
公开(公告)日：2022-11-25
申请号：CN202210724437.4
申请日：2022-06-24
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供了一种基于关键点深度存在概率图投票的目标跟踪方法及系统，首先将模板帧和跟踪帧同时输入关键点生成模块，生成关键点存在概率图，进而输出五个关键点位置，依据关键点存在概率图输出五个关键点的位置；输出的五个关键点经由目标框生成模块输出六个可能的目标框及其对应概率并对目标框进行筛选；最终由目标框投票模块进行投票，输出最终的目标位置。本发明通过输出五个关键点的存在概率图充分获取目标信息，增加特征的鲁棒性，减弱了误差的影响，同时通过计算每个目标框权重对参与投票的目标框进行加权融合，在信息的增加，产生可能投票框增加的情况下，更加准确的获得目标位置。
-
公开(公告)号：CN112633393B
公开(公告)日：2022-11-15
申请号：CN202011589821.5
申请日：2020-12-29
Applicant: 北京理工大学重庆创新中心
IPC: G06V10/764 , G06V10/75 , G06V10/74 , G06F16/583 , G06F16/55 , G06T3/60 , G06T5/00 , G06T5/20 , G06T7/194 , G06T7/41 , G06T7/80
Abstract: 本发明公开了一种瓷砖纹理自动分类方法及装置。对采集的瓷砖图像进行预处理，将第一幅瓷砖区域图像及其对应的纹理特征添加进模板库，包括将瓷砖区域图像保留0度、旋转90度、旋转180和旋转270度四个角度，并分别提取对应的纹理特征；对于后续瓷砖区域图像，提取纹理特征并在所述模板库的特征空间中进行时空约束的相关滤波运算，寻找响应值最大的位置，进一步评估相似度。在相似度超过阈值时，输出对应的版号及旋转角度，否则，添加图像和对应纹理特征至模板库。本发明不需要提前配置标准模板，能够对各批次的瓷砖进行自动地分版，且分版过程计算效率高，分版准确性高。
-
Patent Agency Ranking
公开(公告)号：CN113327231B
公开(公告)日：2022-10-14
申请号：CN202110589580.2
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空谱联合的高光谱异常目标检测方法和系统，包括：对原始高光谱图像进行降维处理；采用自编码网络提取降维后的图像中的背景空间特征并进行重构；将重构后的空间域图像和降维后的图像进行差值运算得到第一残差图像，根据第一残差图像得到空间域检测结果；采用对抗自编码网络提取原始高光谱图像中的背景光谱特征并进行重构；将重构后的光谱域图像与原始高光谱图像进行差值运算，得到第二残差图像，根据第二残差图像得到光谱域检测结果；加权融合空间域检测结果和光谱域检测结果，得到异常目标检测结果。本发明具有强大的特征提取和表示能力，采取了样本数量扩充方案解决训练数据匮乏的问题，具有较好的检测精度。
-
公开(公告)号：CN115100680A
公开(公告)日：2022-09-23
申请号：CN202210702155.4
申请日：2022-06-21
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供一种基于多源图像融合的行人检测方法，属于多源融合目标检测技术领域，解决了现有技术缺乏从图像中提取全局特征的能力问题；包括对原始多源行人图像进行配准与数据预处理后，提取多源图像数据中的浅层特征，将其中不同源的浅层特征进行融合增强，得到行人图像浅融合特征，提取多源图像数据中不同源差异化图像的深层特征，得到多源图像特征金字塔，提取多源图像特征金字塔中的模态共性特征，利用模态共性特征对行人图像浅融合特征进行增强，得到行人图像特征金字塔，得出行人位置边界框并显示；本发明采用时空注意力伪孪生网络来融合多源图像，增强了多源图像的显著特征融合，节省计算资源的同时提高了行人检测的准确性。
-
公开(公告)号：CN111160300B
公开(公告)日：2022-06-28
申请号：CN201911419512.0
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
IPC: G06V20/13 , G06V10/46 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/762
Abstract: 本发明涉及高光谱图像显著性目标检测算法领域，公开了一种结合全局先验的深度学习高光谱图像显著性检测算法。首先根据高光谱图像获取相应的光谱梯度图，将光谱梯度图进行超像素分割，计算每个超像素的光谱角距离特征图，作为全局先验图。采用VGG16作为基本网络结构，将全局先验图和分割图像合并作为网络的输入，将VGG16最后一层全连接层输出的特征重新排序成二维图像，得到显著性结果图。通过对网络参数的训练得到最终的高光谱图像显著性目标检测模型。本发明可以充分挖掘图像中蕴含的高级语义信息，以提高模型的检测精度。
-
公开(公告)号：CN114646606A
公开(公告)日：2022-06-21
申请号：CN202210383168.X
申请日：2022-04-13
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供一种光谱水质检测方法，包括：获取待测水体在紫外‑可见光全波段的吸收光谱；利用可见光波段反演待测水体的浊度，并基于奇异值分解法对待测水体的浊度进行浊度校正，获得浊度校正后的吸收光谱；通过利用偏最小二乘回归方法预先训练好的反演模型将浊度校正后的吸收光谱转化为各类水质参数。本发明通过奇异值分解法对吸收光谱进行了浊度校正，减少了参与浊度校正的波段数量，提高了浊度校正的精度，进一步也提高了其他水质参数的反演精度。并且回归建模时构建了实验室标准样品和环境水样品光谱数据库，可在后续的使用时进行训练样本的补充，扩大模型的反演范围，提高了模型的环境适应性及反演精度。
-
公开(公告)号：CN113008370B
公开(公告)日：2022-06-14
申请号：CN202110228167.3
申请日：2021-03-02
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明公开了一种基于液晶高光谱计算成像系统的三维自适应压缩重构方法，液晶高光谱计算成像系统包括LCTF、编码孔径、探测器和光学透镜。方法包括：采集LCTF在各光谱通道下的低分辨率图像，获得低分辨率数据立方体；进行插值操作，快速得到高分辨率的高光谱数据立方体；利用自适应编码规则，基于高光谱数据立方体生成各滤波波段所需的自适应编码孔径；通过自适应编码孔径分别获取各光谱通道下的压缩测量值；基于压缩感知理论，根据系统的观测矩阵、稀疏基和压缩测量值，重构出高分辨率的目标光谱数据立方体。本发明利用先验信息设计自适应编码孔径和空‑谱联合字典，使得本发明对目标场景有很强的适应性，能够提升成像质量。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.036 seconds)
