-
公开(公告)号：CN109544614B
公开(公告)日：2022-04-01
申请号：CN201811415363.6
申请日：2018-11-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于图像低频信息相似度的匹配图像对识别的方法，能够区分匹配图像对与非匹配图像对在匹配点所在区域的相似度，实现匹配图像对识别。本发明包括如下步骤：（1）通过匹配特征点对来选取对比区域；（2）通过反余弦变换获取对比区域的低频信息；（3）根据感知哈希算法来评价对比区域的相似度，并通过中值过滤掉噪点数据；（4）求对比区域相似度均值，并根据阈值设定判别是否为匹配图像对。本发明可以快速可靠地识别出匹配图像对，筛除大量非匹配图像对，可用于提高特征点匹配环节的效率。
-
-
公开(公告)号：CN109493360B
公开(公告)日：2021-07-09
申请号：CN201811176798.X
申请日：2018-10-10
Applicant: 东南大学
Abstract: 本发明公开了一种人工地物散乱形状点自动生成建筑物轮廓的方法，将Pointer Network网络模型应用于建筑物区域描述任务中，对于人工地物的散乱形状点，能够准确的输出较好的封闭连线方案，自动生成人工地物地面轮廓。本发明包括如下步骤：(1)构建人工地物散乱形状点数据集；(2)构建Pointer Network网络模型；(3)调整网络参数使模型能够收敛；(4)训练并得到最终模型。本发明可适用于任意的自动生成封闭区域的任务，且能够应用于大规模样本，有较高的鲁棒性，能适用于现实世界中各种复杂的生成封闭区域的任务，具有广阔的应用前景。
-
公开(公告)号：CN112132806B
公开(公告)日：2024-07-09
申请号：CN202011004488.7
申请日：2020-09-22
Applicant: 东南大学
Abstract: 本发明公开了一种基于模糊空间马尔科夫随机场的变化区域提取方法，能够有效地提取出差异图像中的变化区域。本发明包括如下步骤：(1)使用图像分割算法如迭代式阈值分割算法对差异图像的所有像素点进行初始分割；(2)使用模糊聚类算法(FCM)计算差异图像的隶属度矩阵，并利用隶属度矩阵优化马尔科夫随机场(MRF)的空间能量函数；(3)使用模拟退火算法对初始分割图像进行优化迭代，其中模拟退火的优化目标为最小化能量函数；(4)模拟退火迭代终止，获得最终的分割图像。
-
-
Patent Agency Ranking
公开(公告)号：CN113298174B
公开(公告)日：2022-04-29
申请号：CN202110648891.1
申请日：2021-06-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于渐进特征融合的语义分割模型的改进方法，通过提出一种结合双注意力机制的渐进特征融合的方法，提高基于深度学习的语义分割模型解码模块恢复细节、空间信息的能力，以得到更好的分割性能。本发明包括如下步骤：(1)设计双注意力模块；(2)设计渐进特征融合模块；(3)将渐进特征融合模块融入语义分割模型。
-
公开(公告)号：CN108230364B
公开(公告)日：2022-02-11
申请号：CN201810028891.X
申请日：2018-01-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络的前景物体运动状态分析方法，将采集的视频经过高斯混合模型进行前景提取；采用深度学习中的SSD模型将提取出的前景进行目标分类，得到各个前景物体的类别信息；利用SIFT特征匹配算法得到相邻帧的前景物的对应信息；基于前景的质心计算其运动轨迹，利用RNN时空序列模型分析其运动状态以及对下一时刻物体运动状态进行预判。本发明从速度、实用、鲁棒性等方面考虑，提出了一种基于运动目标重心分析的新思路，适用于视频图像序列中场景复杂的情况下对监控视频范围内出现的运动物体进行准确识别、跟踪并预警，实用价值高，具有广阔的应用前景。
-
公开(公告)号：CN110717527A
公开(公告)日：2020-01-21
申请号：CN201910903123.9
申请日：2019-09-24
Applicant: 东南大学
Abstract: 本发明公开了一种结合空洞空间金字塔结构的目标检测模型确定方法，通过将输入特征图分别输入k个空洞卷积层分支，分别在各个空洞卷积层分支对输入特征图进行空洞卷积操作，得到各个输出特征图，以将输入特征图与k个输出特征图进行融合，构造空洞空间金字塔结构，并将空洞空间金字塔结构融入基于卷积网络的目标检测模型，上述空洞空间金字塔结构通过利用具体不同扩张率的空洞卷积对输入特征图进行重采样，得到具有不同感受野的输出特征图，再通过将输入与输出进行特征融合以获取多尺度信息，将空洞空间金字塔结构融入基于深度学习的目标检测模型中，能够提高基于深度学习的目标检测模型对多尺度目标的检测能力。
-
公开(公告)号：CN108230364A
公开(公告)日：2018-06-29
申请号：CN201810028891.X
申请日：2018-01-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于神经网络的前景物体运动状态分析方法，将采集的视频经过高斯混合模型进行前景提取；采用深度学习中的SSD模型将提取出的前景进行目标分类，得到各个前景物体的类别信息；利用SIFT特征匹配算法得到相邻帧的前景物的对应信息；基于前景的质心计算其运动轨迹，利用RNN时空序列模型分析其运动状态以及对下一时刻物体运动状态进行预判。本发明从速度、实用、鲁棒性等方面考虑，提出了一种基于运动目标重心分析的新思路，适用于视频图像序列中场景复杂的情况下对监控视频范围内出现的运动物体进行准确识别、跟踪并预警，实用价值高，具有广阔的应用前景。
-
公开(公告)号：CN111898477B
公开(公告)日：2025-01-03
申请号：CN202010667632.9
申请日：2020-07-13
Applicant: 东南大学
IPC: G06V20/17 , G06V10/25 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06T7/00 , G06T7/33
Abstract: 本发明公开了一种基于无人机新旧时相影像的变化建筑物快速检测方法，通过获取在当前时刻之前得到的旧时相影像和在当前时刻得到的新时相影像，基于卡尔曼滤波进行粗匹配，以确定新时相影像在旧时相影像中的粗匹配影像区域，基于k‑d索引树对所述粗匹配影像区域和所述新时相影像进行精准匹配，以得到新时相影像在旧时相影像中的时相对应区域，以时相对应区域作为参考影像，对新时相影像进行几何校正，基于亮度校正模型构建和颜色平衡方法进行影像间的相对辐射校正，采用预先训练的识别模型分别对旧时相影像以及辐射校正后的新时相影像进行识别，以确定疑为变化的建筑物区域，实现对变化建筑物的快速检测，相应的检测过程具有较高的准确性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.016 seconds)
