基于动静态卷积融合神经网络的多视图三维点云分类方法

    公开(公告)号:CN114998638B

    公开(公告)日:2025-03-18

    申请号:CN202210388496.9

    申请日:2022-04-14

    Abstract: 本发明提供一种基于动静态卷积融合神经网络的多视图三维点云分类方法,使用固定加随机视点的视图选取方法,有效避免了传统固定视点选取所造成的过拟合现象;为了提高算法在不同数据集上的自适应性,用了动态静态卷积自适应权重融合的局部特征提取算子,特别针对当前动态卷积存在的参数量巨大,计算复杂度高的问题,提出了一种轻量化自适应动态卷积算子;此外,使用了全局注意力的池化方法,也能够最大程度地整合不同视图上的最关键信息。这些特性使得本发明的方法总体泛化性能更好,具有更好的自适应性,能够提取到更加细粒度的细节信息,进一步提高了点云数据的分类精度,且融合效率高。

    一种多聚焦多源图像融合方法

    公开(公告)号:CN111275655B

    公开(公告)日:2023-06-23

    申请号:CN202010073108.9

    申请日:2020-01-20

    Abstract: 本发明提供一种多聚焦多源图像融合方法,对具有M个聚焦点的源图像进行分解融合叠加处理,将源图像分解成基部和细节,采用双数复小波算法对所述基部进行滤波去噪获得融合基部,采用预训练模型VGG‑S对细节进行深度特征提取获得细节特征,并采用多层融合策略重构细节特征,接着对所述细节特征选取梯度极大值获得融合细节,最后将获得的融合基部和融合细节进行叠合,完成图像融合。该方法获得的融合图像不仅保留了融合前图像的特征信息,提高了图像有效信息的利用率,同时清晰度也更高,更加细节化,全面化,优质化。该方法应用范围更为广阔,可以在日常生活,医学,军事等方面提供更多图像信息。

    一种多尺度增强式的单目深度估计方法

    公开(公告)号:CN112785636B

    公开(公告)日:2023-04-28

    申请号:CN202110189913.2

    申请日:2021-02-18

    Inventor: 宁悦 王文举

    Abstract: 本发明提供一种多尺度增强式的单目深度估计方法,包括如下步骤:步骤1,输入单幅RGB图像,而后采用上下文及感受野增强型高分辨率网络CRE‑HRNet对所述RGB图像进行多尺度特征提取,得到高分辨率的第一图像;步骤2,采用感受野增强模块的残差膨胀卷积单元对所述第一深度图像进行扩张卷积,得到第二图像;步骤3,采用加权非局部邻域模块捕捉所述第二深度图像的远距离像素点,得到深度图像。本发明的方法能够在得到中间层的特征信息的基础上,使其单目深度估计精度高。

    一种基于多视角双注意网络的三维物体识别方法

    公开(公告)号:CN112784782B

    公开(公告)日:2023-04-07

    申请号:CN202110120015.1

    申请日:2021-01-28

    Inventor: 蔡宇 王文举 王涛

    Abstract: 本发明提供了一种基于多视角双注意网络的三维物体识别方法,包括以下步骤:步骤1,将原始三维物体从n个视角投影到二维平面渲染得到n个视图,将n个视图分别经过基础CNN模型进行特征提取对应得到n个视觉特征;步骤2,将n个视觉特征输入视图空间注意力模块进行处理后得到视觉空间描述符;步骤3,将n个视觉特征输入视图通道注意力模块进行处理后得到视觉通道描述符;步骤4,将视觉空间描述符和视觉通道描述符进行联合得到三维形状描述符,将该三维形状描述符输入到全连接网络中完成物体识别,得到原始三维物体的预测识别分类结果。

    基于双鬼注意力机制网络的高光谱图像重建方法

    公开(公告)号:CN112819910A

    公开(公告)日:2021-05-18

    申请号:CN202110022911.4

    申请日:2021-01-08

    Inventor: 王江薇 王文举

    Abstract: 本发明提供一种基于双鬼注意力机制网络的高光谱图像重建方法,用于对单幅RGB图像进行高光谱图像的重建,包括如下步骤:步骤1,输入一幅RGB图像并进行处理,得到浅层特征信息;步骤2,将浅层特征信息进入第1个双鬼残差注意力模块中,获取深层次特征信息;步骤3,将深层次特征信息进入双输出特征卷积注意力机制模块提取更深层次的特征信息;步骤4,将更深层次的特征信息与浅层特征信息相加,得到新特征;步骤5,将新特征依次放入后续m‑1个串联双鬼残差注意力模块最终输出一个特征;步骤6,将步骤5输出的特征进行卷积后激活得到新特征;步骤7,将具有新特征的特征图进入最优非局域模块,输出高光谱图像进行可视化。

    求解三维空间内任意两个多面体间的最近距离的方法

    公开(公告)号:CN108875936B

    公开(公告)日:2020-12-25

    申请号:CN201810597365.5

    申请日:2018-06-11

    Abstract: 本发明提供了一种求解三维空间内任意两个多面体间的最近距离的方法,具有这样的特征,包括以下步骤:步骤S1,分别将多面体Mx和多面体My的三维模型表面三角网格化并进行预处理得到处理信息;步骤S2,对处理信息采用背面剔除算法进行处理得到顶点选取区域,该顶点选取区域包括多个由多面体Mx和多面体My的顶点构成的测试顶点对;步骤S3,采用基因表达式编程和Alopex算法相结合的方法对顶点选取区域内的测试顶点对内的两个顶点之间的最近距离求解得到最近顶点对,该最近顶点对的间距为多面体Mx和多面体My之间的最近距离的近似解;步骤S4,通过最近顶点对对多面体Mx和多面体My之间的最近距离精确求解得到最小间距。本方法求解精度高、收敛性能好。

    一种三维FSRCNN的高光谱图像超分辨率重建算法

    公开(公告)号:CN111696043A

    公开(公告)日:2020-09-22

    申请号:CN202010524538.8

    申请日:2020-06-10

    Inventor: 王文举 唐丽晶

    Abstract: 本发明提供一种三维FSRCNN的高光谱图像超分辨率重建算法,包括:步骤1,获取高光谱图像,采集高光谱数据,得到高光谱数据集;步骤2,将高光谱数据集按设定比例分割成第一训练集和第二测试集,再分别对第一训练集和第一测试集作行预处理,得到为低分辨率图像数据集的第二训练集和第二测试集;步骤3,将第二训练集导入训练框架进行训练调整优化参数,并在第二训练集中划出一小部分作为验证集,在训练过程中验证模型的性能,最终得到训练好的高光谱图像超分辨率重建算法框架模型;步骤4,用第二测试集在训练好的高光谱图像超分辨率重建算法框架模型上进行测试,得到测试结果,并提取某一频段作为视觉输出。

    一种基于交替更新卷积神经网络的高光谱图像分类方法

    公开(公告)号:CN109978041A

    公开(公告)日:2019-07-05

    申请号:CN201910208682.8

    申请日:2019-03-19

    Abstract: 本发明提供一种基于交替更新卷积神经网络的高光谱图像分类方法,包括如下步骤:提取原始数据块作为交替更新谱间块的输入;采用交替更新谱间块进行学习,提取精炼过的谱间特征;采用降维层连接交替更新谱间块和交替更新空间块,对谱间特征进行压缩,得到压缩特征;采用交替更新空间块对压缩特征进行学习,提取精炼过的空间特征;将谱间特征和空间特征通过池化层、压缩层和全连接层,得到预测值;确定优化目标函数;采用优化目标函数计算预测值与实际值之间的损失,得到迭代训练的损失;根据迭代训练的损失,对待优化模型参数进行多次优化,得到迭代训练的损失最小时的预测值,而后将未知高光谱数据输入训练完的模型,即得到高光谱图像的分类结果。

    基于Schur分解的三维模型盲数字水印算法

    公开(公告)号:CN108876694A

    公开(公告)日:2018-11-23

    申请号:CN201810549295.6

    申请日:2018-05-31

    Abstract: 本发明提供了一种基于Schur分解的三维模型盲数字水印算法,用于在三维模型中嵌入水印图像以及提取水印图像的提取图像具有这样的特征,包括以下步骤:步骤S1,将水印图像进行双随机相位光全息加密得到加密图像;步骤S2,对三维模型进行预处理得到几何特征矩阵R';步骤S3,对几何特征矩阵R'进行Schur分解并嵌入加密图像得到处理模型,该处理模型作为待测模型;步骤S4,对待测模型进行水印提取得到提取图像。本算法具有很强的抗顶点重排攻击能力、很强的抗旋转能力、很强的抗平移能力、很强的抗缩放能力、较强的抗噪能力以及较强的抗裁剪能力,鲁棒性非常好;此外,本算法不易被解密仿制。

Patent Agency Ranking