-
公开(公告)号：CN104933714A
公开(公告)日：2015-09-23
申请号：CN201510324755.1
申请日：2015-06-12
Applicant: 北京理工大学
IPC: G06T7/00
CPC classification number: G06T7/10 , G06T2207/10032 , G06T2207/20064
Abstract: 本发明提供一种基于上下文关系的SAR遥感场景图像的溢油分割检测方法，具体过程为：建立视觉金字塔；针对视觉金字塔最顶层图像，进行动态阈值分割得到初始的标号场；通过GMM模型与初始标号场对标号场内的不同邻域目标提取均值和方差，并计算初始特征场能量；计算最小能量特征场所对应的标号场；将视觉金字塔中每一层最小能量特征场所对应的标号场作为下一层视觉金字塔的初始标号场，基于最顶层的标号场，按照步骤四的方式依次计算，获得视觉金字塔最底层图像的标号场，实现遥感影像的分割；针对分割好的遥感影像进行溢油区域的识别。本发明方法能够准确实现对溢油影像的分割识别。
-
公开(公告)号：CN102824883B
公开(公告)日：2014-11-05
申请号：CN201210309317.4
申请日：2012-08-27
Applicant: 北京理工大学
CPC classification number: Y02C10/08
Abstract: 本发明涉及一种石墨烯/普鲁士蓝类配合物复合气凝胶、制备方法及其应用，所述复合气凝胶由石墨烯片层形成三维网络结构，普鲁士蓝类配合物颗粒呈纳米级，附着在石墨烯片层上。所述复合气凝胶的制备方法包括在氧化石墨烯悬浮液中加入金属氰化物分散得到悬浮液A，将金属盐溶于含有还原剂的水溶液中得到溶液B，将悬浮液A和溶液B混合超声，静置后干燥，得到本发明所述的复合气凝胶。所述复合气凝胶比表面积大、密度低，具有优异的导电性；所述复合气凝胶的制备方法操作简单、成本低廉、可用于大规模的工业生产；所述复合气凝胶具有优异的储氢性能、催化还原过氧化氢性能和电致变色性能。
-
公开(公告)号：CN103823789A
公开(公告)日：2014-05-28
申请号：CN201410038962.6
申请日：2014-01-26
Applicant: 北京理工大学
IPC: G06F17/14
Abstract: 本发明在基于原位存储的结构上，提出一种低复杂度的通用混合基FFT设计方法，步骤一、设计计数器；步骤二、根据步骤一得到的每级的计数器，将其映射到操作数的访问地址；步骤三、根据步骤一得到的计数器，给出生成旋转因子地址的中间值的映射；上面得到的操作数和旋转因子的访问地址即为地址控制单元，选择器Mux设置为：当Mux=0时，表示进入RAM中的数据为外界输入数据；当Mux=1时，表示进入RAM中的数据为由蝶形单元计算按照原位算法存储的数据。
-
公开(公告)号：CN103150582A
公开(公告)日：2013-06-12
申请号：CN201310043710.8
申请日：2013-02-04
Applicant: 北京理工大学
IPC: G06K9/72
Abstract: 本发明公开了一种基于上下文的光学遥感图像云判结果修正方法，不需要建立概率模型，针对云判问题进行设计，同时利用相邻分块的判决结果和背景信息来修正本块判决结果。第一步，读入待处理的相关数据：包括原图的分块索引矩阵、分块灰度均值矩阵和背景信息；第二步，利用Tile的判决值产生Block的判决值，构成Block索引矩阵，并且根据分块灰度均值矩阵建立Block灰度均值矩阵；第三步，利用判决值为非常确定云和非常确定地物的Block，修正判决值为不确定的Block判决值；第四步，应用目标上下文和场景上下文判断处理对象的背景、剔除地物交界处的虚警、剔除朵云的虚警并调整判决准确对象的邻接目标，最终判定出Block是否为云。
-
公开(公告)号：CN103093241A
公开(公告)日：2013-05-08
申请号：CN201310024473.0
申请日：2013-01-23
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于同质化处理的光学遥感图像非匀质云层判别方法，能够对非匀质云中的低亮像素进行灰度补偿，从而实现对非匀质云层的判别。第一步：计算云的自适应门限；第二步：提取两幅典型二值图：第三步：获得云的位置标记图：对第二步得到的云海二值图既膨胀又腐蚀，对海二值图只进行膨胀，然后利用这两幅图得到云的位置标记图；第四步：对原图像进行同质化处理：根据第三步得到的云的位置标记图，对非云像素进行灰度补偿，从而使非匀质云变为匀质云；第五步：特征提取及归一化：对第四步同质化处理后的图像提取灰度、纹理和边缘这些针对匀质厚云提取的特征，然后对特征进行归一化；第六步：利用支持向量机进行判决，至此整个过程结束。
-
Patent Agency Ranking
公开(公告)号：CN119169269A
公开(公告)日：2024-12-20
申请号：CN202411229837.3
申请日：2024-09-03
Applicant: 北京理工大学
IPC: G06V10/25 , G06V10/82 , G06V10/44 , G06V10/764 , G06V10/766 , G06V20/13 , G06N3/0464
Abstract: 本公开提供了一种超轻量化遥感图像在轨实时目标检测方法和装置。该方案采用数据重组方式将高分辨率单通道图像转化为多通道的低分辨率特征图；这种像素重排列的方式，在不需要卷积处理的情况下减小特征图的大小，避免通道扩充带来的冗余，从而提升在轨应用的时效性。本发明进一步设计了超轻量化骨干网络进行特征提取，该网络进行多个阶段的分组卷积和下采样处理，然后按照与数据重组相反的方式进行反向重组，获得下采样的特征图，进而进行目标检测。使用本发明能够在保证网络性能的前提下提升推理速度并降低资源开销，完成在轨高效实时目标检测。
-
公开(公告)号：CN118429686A
公开(公告)日：2024-08-02
申请号：CN202410324714.1
申请日：2024-03-21
Applicant: 北京理工大学
IPC: G06V10/764 , G06N3/0464 , G06V10/82 , G06V20/10
Abstract: 本申请提供一种基于高性能量化全加网络的遥感图像场景分类方法，属于图像处理技术领域。方法包括：获取基于初始加法核的初始全加网络；对初始加法核进行量化处理，得到量化加法核；对量化加法核进行去偏量化处理，得到目标量化加法核，在初始全加网络中将初始加法核替换为目标量化加法核，得到待训练的量化全加网络；基于基准全加网络模型对量化全加网络进行去偏量化训练，得到训练后的目标量化全加网络，去偏量化训练以遥感图像样本作为训练样本、以遥感图像的场景分类作为下游任务；基于目标量化全加网络，对待识别的任一遥感图像进行场景分类。采用本申请，可以在保证网络精度的前提下，最大程度降低了硬件部署时所需要的资源开销。
-
公开(公告)号：CN118411635A
公开(公告)日：2024-07-30
申请号：CN202410506691.6
申请日：2024-04-25
Applicant: 北京理工大学
IPC: G06V20/17 , G06V10/44 , G06V10/764 , G06N20/00
Abstract: 本发明提供基于自监督对比学习的熵辅助SAR图像飞机目标分类方法，其中，方法包括：获取SAR图像，构建自监督对比学习特征网络，根据所述SAR图像和所述自监督对比学习特征网络得到SAR特征提取图像；构建基于全连接层的分类器，以所述SAR特征提取图像为输入，得到类别预测概率；根据所述类别预测概率得到SAR图像飞机分类结果。本发明提高了SAR图像飞机目标细粒度分类的准确度和鲁棒性，适用于复杂背景和多种目标情景，具有较强的实用性和应用前景。
-
公开(公告)号：CN118411604A
公开(公告)日：2024-07-30
申请号：CN202410503735.X
申请日：2024-04-25
Applicant: 北京理工大学
IPC: G06V20/10 , G06V10/26 , G06V10/77 , G06V10/58 , G06V10/764 , G06V10/82 , G06V10/30 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于轻量化扩散模型去噪网络的高光谱图像分类方法，本发明基于对原始高光谱图像提取PCA分量，并将PCA图像块和原始高光谱图像切割成的图像块作为输入至扩散模型进行去噪网络训练；并对扩散模型解码器简化后，利用输入预训练解码器生成需要的高光谱图像块样本，增加原先数量较少的类别的样本数量；利用分类方法对生成样本的合理性进行测试。相较于传统的高光谱图像分类方法，本方案通过增加样本数量和提升样本类间平衡度的数据扩充方法从而提升高光谱图像分类准确度，并且利用PCA图像块和加噪图像块对扩散模型解码器进行预训练，使得解码器能够从高光谱图像中充分获取全局空间和光谱信息，从而生成更为真实的高光谱图像，提高生成样本真实性。
-
公开(公告)号：CN117152504A
公开(公告)日：2023-12-01
申请号：CN202311069311.9
申请日：2023-08-23
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/096 , G06N3/0895
Abstract: 本发明公开了一种空间相关性引导的原型蒸馏小样本分类方法，包括利用无标签光学遥感图像对CNN‑ViT双分支混合异构网络模型进行自监督预训练，以获得自监督预训练后的CNN‑ViT双分支混合异构网络模型；利用有标签光学遥感图像的模式特征、上下文关系特征和空间特征对上述网络模型进行元训练，以获得用于小样本分类的CNN‑ViT双分支混合异构网络模型；将待分类光学遥感图像输入用于小样本分类的CNN‑ViT双分支混合异构网络模型，以获得待分类光学遥感数据的分类结果。本发明可有效捕获潜在的空间判别性语义信息，提高小样本条件下光学遥感图像分类性能，解决了在有限样本条件下的鲁棒性特征表征能力差、容易过拟合的问题。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.029 seconds)
