-
公开(公告)号：CN103810146B
公开(公告)日：2017-01-11
申请号：CN201410038950.3
申请日：2014-01-26
Applicant: 北京理工大学
IPC: G06F17/14
Abstract: 本发明提出一种逆序输入顺序输出的FFT结构设计方法，解决了脉冲压缩系统中传统FFT结构带来的额外存储需求和流水迟滞问题。步骤一、设计FFT结构中的蝶形运算单元,该蝶形运算单元包括两个输入、两个输出、加法器、减法器和实虚部交换单元，两个输出为两个输入数据通过蝶形运算单元中的加法器和减法器运算得到的和结果和差结果，当需要做结果数据乘以虚单位-j的操作时，通过实虚部交换单元交换结果数据的实虚部实现；步骤二、对输入数据和输出数据的地址重新进行二维分解，推导DIT结构的FFT计算模型，利用二维分解得到的系数组设计信号流图；步骤三、将步骤二中的信号流图进行硬件实现，完成FFT结构设计。
-
公开(公告)号：CN106023099A
公开(公告)日：2016-10-12
申请号：CN201610313400.7
申请日：2016-05-12
Applicant: 北京理工大学
IPC: G06T5/00
CPC classification number: G06T5/006 , G06T2200/28 , G06T2207/10041
Abstract: 本发明提供一种基于SoPC的遥感全色图像切片辐射校正和几何纠正实现方法，具体步骤如下：步骤一、原始遥感CCD图像数据经过切片提取后，切片图像数据通过FMC接口传输给逻辑部分中的缓存FIFO；辅助数据由串口传输至ARM然后缓存至DDR；辐射校正系数以文件的形式存储于SD卡；步骤二、缓存于FIFO中数据输出，利用辐射校正系数完成对其辐射校正，辐射校正后的结果存入BRAM，最后存入片外存储器DDR中；步骤三、双核ARM对辐射校正后的切片图像的提取区域的四个顶点进行定位解算，然后经过投影、重采样完成无控几何纠正；步骤四、返回校正结果。该方法能够在SoPC上实现CCD原始数据辐射校正和几何纠正，具有很好实时性和稳定性。
-
公开(公告)号：CN105139383A
公开(公告)日：2015-12-09
申请号：CN201510489742.X
申请日：2015-08-11
Applicant: 北京理工大学
CPC classification number: G06T2207/20152 , G06T2207/30024
Abstract: 本发明提供一种基于定义圆HSV颜色空间的医学图像分割方法及癌细胞识别方法，具体过程为：步骤一、在RGB色彩空间中找出切片图像目标颜色像素P和背景颜色像素Q的RGB值和位置信息；步骤二、将基于RGB色彩空间的切片图像转换到HSV色彩空间得到基于HSV色彩空间的图像；步骤三、根据所存储的像素P的位置信息，将像素P所对应的(H，S)作为定义圆的圆心坐标，并设置定义圆的半径；根据所像素Q的位置信息，提取像素Q所对应的H、S、V值赋值给定义圆内的所有像素值，实现目标颜色的去除；步骤四、将去除目标颜色后的基于HSV色彩空间的切片图像转换回RGB色彩空间，然后对去除目标颜色切片图像进行分割。利用本发明可以得到非常精确的分割结果。
-
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。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.138 seconds)
