-
公开(公告)号：CN114387518A
公开(公告)日：2022-04-22
申请号：CN202210039795.1
申请日：2022-01-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于DeepLabV3改进的遥感图像分割方法包括：S1，构建基于DeepLabV3改进的神经网络；S2，训练基于DeepLabV3改进的神经网络；S3，利用训练好的基于DeepLabV3改进的神经网络进行遥感图像语义分割。本发明的有益效果为：1、本发明采用基于DeepLabV3改进的神经网络对遥感图像的深层特征并完成对遥感图像的语义分割，在网络训练和实用中更为有效。2、通过基于DeepV3改进的网络，对DeepLabV3网络的ASPP模块加入了动态权重调整，更好的帮助网络提取遥感图像的深层次特征，提升了网络提取的多尺度语义特征捕获能力，能够更高效的完成遥感图像的语义分割。
-
公开(公告)号：CN114387422A
公开(公告)日：2022-04-22
申请号：CN202210063938.2
申请日：2022-01-20
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注意力机制的点云场景流预测方法，包括以下步骤：S1、构建真实场景流数据集；S2、基于真实场景流数据集对输入数据预处理，建立点云特征提取模型，对局部区域候选场景流生成，通过注意力机制对候选场景流进行聚合，对候选场景流进行上采样，采用带有残差连接的输出层对输出进行修正；S3、采用预测场景流和真实场景流的L1Loss作为损失对网络进行优化和训练；S4、将训练好的网络在构建好的真实场景流数据集上进行测试，获得测试结果。
-
公开(公告)号：CN113327271B
公开(公告)日：2022-03-22
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：CN114170236A
公开(公告)日：2022-03-11
申请号：CN202111543635.2
申请日：2021-12-16
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半监督学习的全自动近红外静脉分割方法，涉及医学图像处理的近红外肢体成像技术领域，方法包括：S1：获取近红外的肢体成像制作静脉分割图像，进行预处理，构建数据集；S2：构建以递归尺度循环神经网络为主体，重构一致性神经网络以及分割对抗神经网络为辅的语义分割模型；S3：训练并迭代优化语义分割模型。本发明基于构建的有标签部分和无标签部分的数据集，通过分别输入标记数据来训练分割模型，输入未标记数据来生成预测图，并通过重构一致性神经网络以及分割对抗神经网络进行优化，提高了模型的精度和速度。
-
公开(公告)号：CN113327304A
公开(公告)日：2021-08-31
申请号：CN202110593767.X
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: 本发明提供了一种基于端到端神经网络的高光谱图像显著图生成方法，包括S1：图像预处理；S2：构建端到端的神经网络模型提取空谱特征；S3：神经网络的训练；端到端的神经网络模型结构为W2型卷积神经网络，神经网络模型包括左右两支编码通道和中间一支解码通道分别为空间编码模块、光谱编码模块和解码模块，模型还包括用于生成预测显著图的结果预测模块。本发明通过构建的端到端的神经网络模型，能够提取图像的深层空谱特征，并直接生成预测显著图，节省了计算资源的消耗，提高了特征的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113327272A
公开(公告)日：2021-08-31
申请号：CN202110590166.3
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相关滤波的鲁棒性长时跟踪方法，包括利用初始帧图像初始化滤波器；对于后续帧图像，提取当前帧图像搜索区域的特征图，与上一帧图像训练得到的滤波器进行互相关匹配，得到响应图；判断响应图对应跟踪结果的可靠等级，若跟踪结果不可靠，则重新检测目标，否则以响应图中峰值位置作为目标中心位置，并更新滤波器：当跟踪结果为一般可靠，以当前帧搜索区域的显著性图作为目标函数中自适应空间正则项的权重对滤波器进行训练；当跟踪结果为可靠，采用传统的负高斯型空间正则项权重对滤波器进行训练。本发明在目标跟踪失败时进行重检，在跟踪过程中，自适应调整目标函数中空间正则项的权重，增强了复杂场景下目标跟踪的鲁棒性。
-
公开(公告)号：CN112819909A
公开(公告)日：2021-05-18
申请号：CN202110116351.9
申请日：2021-01-28
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明公开了一种基于低分辨率先验光谱图像区域分割的自适应编码方法，包括利用压缩光谱成像系统加载快照式编码模板，获取场景的低分辨率场景信息；利用分割‑合并方法对低分辨率场景信息进行分割，获取低分辨率场景信息的分割结果；在低分辨率自适应编码框架下，利用所述分割结果生成基于区域的阈值矩阵，结合对原光谱图像的近似估计，生成基于区域的自适应编码矩阵；利用自适应编码矩阵对场景进行压缩观测，利用重构算法从压缩观测结果重建出场景的场景信息。本发明无需充足的高分辨率先验信息，所采用的分割方法挖掘了低分辨率场景信息的空间光谱相关性，以区域为单位生成自适应编码，相比传统编码方式，提高了重构光谱图像的质量。
-
公开(公告)号：CN112785662A
公开(公告)日：2021-05-11
申请号：CN202110117326.2
申请日：2021-01-28
Applicant: 北京理工大学重庆创新中心
IPC: G06T9/00
Abstract: 本发明公开了一种基于低分辨率先验信息的自适应编码方法，包括：利用低分辨率图像整体的灰度值和方差，估计原光谱图像对应各图像块的均值和方差，所述图像块为原光谱图像分别与低分辨率图像各点对应的场景信息子区域；根据各所述图像块的均值和方差，计算原光谱图像场景信息的图像块的阈值分布。利用所述低分辨率图像构建原光谱图像的近似图像。基于原光谱图像的近似图像及其对应的阈值分布，以最大化观测矩阵和稀疏矩阵之间的相关性为设计目的，利用抖色方法生成自适应编码矩阵。本发明无需重构过程提供高分辨率先验信息，利用压缩光谱成像系统中所能获取的低分辨率光谱信息即可生成自适应编码矩阵，也无需增加额外的探测过程和探测器件。
-
公开(公告)号：CN112633393A
公开(公告)日：2021-04-09
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: G06K9/62 , 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。
-
公开(公告)号：CN111426383A
公开(公告)日：2020-07-17
申请号：CN202010303994.X
申请日：2020-04-17
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种机器学习优化稀疏基的高光谱全偏振图像压缩重构方法，采用四分之一波片与具有线偏振特性的器件组合将图像成像于探测器，通过切换四分之一波片的快轴角度和/或具有线偏振特性的器件的透光轴角度实现不同的全偏振调制方式；采用该全偏振调制方式对任一波段的全偏振局部图像进行处理，获得压缩信息；采用粒子群算法优化稀疏基，优化后的稀疏基使得利用压缩信息重构的全偏振局部图像逼近其原图像。应用时，采用上述全偏振调制方式对高光谱全偏振图像进行偏振调制，获得压缩信息，并利用优化稀疏基获得重构的高光谱全偏振图像。采用本发明能够实现高光谱图像四个斯托克斯参量的重构，提高四个斯托克斯参量的重构精度。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.039 seconds)
