-
公开(公告)号：CN103679677A
公开(公告)日：2014-03-26
申请号：CN201310681113.8
申请日：2013-12-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于模型互更新的双模图像决策级融合跟踪方法。本发明针对红外与可见光图像的特点，首先提取红外与可见光图像的特征描述向量，使其能提供互补信息，增加图像的信息量描述。之后采用GentleAdaboost学习算法分别建立红外与可见光图像两个分类器模型，将跟踪问题转化为目标与背景的二分类问题。然后在半监督学习框架下协同训练，同时进行模型互更新，有效避免了模型误差累积问题。并利用训练结果和它们各自的置信度进行决策级融合得到最终的似然图像，最后通过均值漂移算法在最终的似然图像中定位目标位置。本发明能有效避免模型误差累积和单模图像描述目标信息局限性而导致的跟踪丢失问题，提高了跟踪的鲁棒性。
-
公开(公告)号：CN103456011A
公开(公告)日：2013-12-18
申请号：CN201310393341.5
申请日：2013-09-02
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种利用互补信息的改进型高光谱RX异常检测方法。本发明首先对同一场景下的可见近红外数据和短波红外数据分别运用经典的RX算子进行异常检测，得到初步异常检测的目标判决。在此基础上，利用传感器获取信息的冗余性和互补性特性，结合基于规则的决策级融合方法，得到最终的RX异常检测判决结果。在实测高光谱数据上进行了实验仿真，验证了本算法的有效性。本发明提出的算法能够有效的利用两组数据的冗余以及互补信息，最终提高了目标检测率。
-
公开(公告)号：CN102706345A
公开(公告)日：2012-10-03
申请号：CN201210190065.8
申请日：2012-06-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于衰减记忆序贯检测器的机动目标跟踪方法。针对基于决策的单模型跟踪方法和多模型跟踪方法的优缺点，提出一种基于衰减记忆序贯检测器的机动目标跟踪方法。本发明首先采用KF-UKF联合滤波。对非机动目标，采用基于匀速模型的Kalman滤波，当检测到目标机动时，对CV模型进行扩维，同时采用无味卡尔曼滤波器进行状态估计。其次，提出了一种衰减记忆序贯检测器来检测机动。当检测到机动发生后，对扩维后的状态向量和协方差矩阵进行修正，使修正后的状态更加匹配实际的运动模式。本发明可以实时修正目标状态，并且可以根据不同的运动模式选择相匹配的滤波器，从而提高了跟踪精度。
-
公开(公告)号：CN101975936A
公开(公告)日：2011-02-16
申请号：CN201010272095.4
申请日：2010-09-03
Applicant: 杭州电子科技大学
IPC: G01R33/561
Abstract: 本发明公开了一种基于CS压缩感知技术的快速磁共振成像方法。现有的成像方法速度比较慢，硬件成本高。本发明方法首先采集变密度随机k空间数据；具体方法是根据图像的结构稀疏性，确定欠采样率；根据欠采样率，结合k-空间能量分布规律，在k-空间中心区域稠密采集，在k-空间外围区域随机稀疏采集，生成变密度随机数据采集轨迹；根据所确定的数据采集轨迹采集数据；然后对MRI图像进行稀疏变换；最后是基于L1范数最小化的非线性优化重建图像。本发明方法突破经典奈奎斯特采样定理的极限，通过随机采集少量的数据点，利用非线性优化算法精确重建MRI图像信号，大幅度地缩短了数据采集时间。
-
公开(公告)号：CN101144784A
公开(公告)日：2008-03-19
申请号：CN200710071075.9
申请日：2007-09-04
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种视频显微图像细胞自动跟踪的方法。现有的细胞跟踪方法自动化程度较低，不能适应细胞运动形式的复杂多变性和多细胞运动跟踪。本发明的步骤包括：将获取的细胞运动视频显微图像逐帧进行增强处理；从增强处理后的细胞运动图像中提取目标细胞；建立细胞运动动力学模型；跟踪运动的目标细胞。本发明在分析细胞运动特性和图像中噪声与干扰特征的基础上，采用动态系统建模和随机建模方法，通过递推Bayesian滤波和数据关联技术，对细胞的运动轨迹进行跟踪，自动化程度高、处理能力强。
-
Patent Agency Ranking
公开(公告)号：CN115390056B
公开(公告)日：2025-02-25
申请号：CN202211041250.0
申请日：2022-08-29
Applicant: 杭州电子科技大学
Abstract: 本发明一种外辐射源雷达目标检测方法，本发明先获取外辐射源雷达的距离‑多普勒矩阵A；将A保存为灰度图片B，将B输入到网络来检测是否出现参考通道含目标回波这种异常情况，若输出0表示没有发生异常则直接进行恒虚警检测，得到目标检测结果；若输出1，则表示出现异常情况，则先进行恒虚警检测得到检测矩阵C，视C每一个大于0的元素为待定目标，用每一个待定目标重构参考信号，再用重构的参考信号进行杂波抑制、距离‑多普勒处理、恒虚警检测得到新检测矩阵D；对比C和D大于0元素个数，若个数减少，则对应的待定目标为真目标，应保留；若个数增加，则对应的待定目标为假目标，应置0。所有待定目标经过上述处理后可以得到最终目标检测结果。
-
公开(公告)号：CN114612729B
公开(公告)日：2025-01-07
申请号：CN202210340575.2
申请日：2022-03-31
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于SAR图像的图像分类模型训练方法及装置，针对同一目标以相同角度获取多源图像，包括SAR、红外、可见光图像及对应的图像分类数据，通过训练基于红外和可见光图像的辅助神经网络获得的“红外‑可见光特征”，来辅助训练基于SAR图像的图像分类模型，其中，红外、可见光图像仅在训练过程中作为辅助模态，而实际应用中网络的输入为SAR单模态图像。本发明使用多任务学习的方法，提高了基于SAR图像的图像分类的精度，提供了一种解决单模态SAR图像在实际应用中局限性的方法。
-
公开(公告)号：CN115119142B
公开(公告)日：2024-12-06
申请号：CN202210713276.9
申请日：2022-06-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于传感器网络的分布式直接定位方法。目前的分布式直接定位算法低信噪比下定位精度较低的问题。为提高分布式直接定位精度，本发明采用如下方案：一、推导了基于子空间数据融合算法的高分辨率直接定位分布式优化模型。二、针对目标位置初始值求解的问题，采用基于向量评估的粒子群算法得到目标位置迭代初始值的粗估计，然后利用传统聚类算法得到目标位置迭代初始值，避免了传统两步定位算法参数匹配的问题。三、引入分布式优化领域中的精确一阶算法，通过两步梯度信息迭代求解达到集中式直接定位的精度，解决分布式处理导致定位精度损失的问题。
-
公开(公告)号：CN117669168A
公开(公告)日：2024-03-08
申请号：CN202311578384.0
申请日：2023-11-24
Applicant: 杭州电子科技大学
IPC: G06F30/20 , G06F18/241 , G06F18/214 , G06F18/22 , G06N3/04 , G01S13/72 , G01S13/88 , G01S7/40
Abstract: 本发明公开了一种基于深度强化学习的多目标跟踪方法，该方法首先得到雷达目标的真实航迹数据和传感器量测数据集，并进行标签随机有限集建模。其次将多目标先验密度进行标签多伯努利先验预测，得到代价矩阵C。然后构建强化学习模型，把代价矩阵C转化为二分图G输入训练好的深度强化学习网络模型中进行测试，输出的多个最优匹配结果转化成分配矩阵S。最后将分配矩阵S进行多伯努利滤波更新，得到多目标状态并向前传递多伯努利多目标后验密度，重复上述过程，统计多目标航迹信息。本发明在目标数量多、传统多目标跟踪系统计算量大的情况下也能快速准确实现跟踪任务。
-
公开(公告)号：CN113945207B
公开(公告)日：2023-11-24
申请号：CN202111049998.0
申请日：2021-09-08
Applicant: 杭州电子科技大学
IPC: G01C21/00
Abstract: 本发明一种基于目标三状态建模的遮挡目标多帧跟踪方法，属于目标自动跟踪领域，在高目标漏检、高杂波密度的复杂环境下，针对遮挡目标的鲁棒自动跟踪问题，对现有的综合航迹分裂方法进行改进，通过对目标存在事件进行三状态描述，考虑目标存在但无法被观测到的可能性，对目标存在三状态的时域演变规律进行一阶马尔科夫链建模，通过保存每一时刻每条航迹每个关联假设的历史信息，利用后续观测信息来加强前期关联假设的可信度，以提升对遮挡目标跟踪性能的鲁棒性，具体体现在航迹维持、虚假航迹剔除等方面。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.025 seconds)
