-
公开(公告)号：CN109344898A
公开(公告)日：2019-02-15
申请号：CN201811157807.0
申请日：2018-09-30
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了基于稀疏编码预训练的卷积神经网络图像分类方法，首先对训练样本进行非下采样Contourlet变换，选取前两层分解图像来扩充训练样本，然后随机选择图像采用SC算法学习其局部特征，并将特征按照灰度平均梯度从大到小进行排序，最后选择灰度平均梯度较大的特征值对CNN卷积核初始化。采用SC算法学习到原图像具有统计特性的特征对CNN卷积核初始化，获得比传统底层视觉特征更好的分类效果，有效避免了网络训练陷入局部最优；综合高、低频子带对不同场景的识别优势，在训练样本有限的情况下，有效的提高了图像分类准确率，具有良好的泛化能力和适用范围。
-
公开(公告)号：CN107766828A
公开(公告)日：2018-03-06
申请号：CN201711032448.1
申请日：2017-10-29
Applicant: 北京工业大学
CPC classification number: G06K9/0063 , G06K9/6269
Abstract: 本发明公开了基于小波卷积神经网络的无人机着陆地貌分类方法，本方法采用小波卷积神经网络来进行特征学习。然后根据提出的特征权值结合法对每层隐含层得到的特征集分配一个特征权值，最后，每个特征集和相应的权值结合成一个新的待分类图像特征集，新特征集具有图像的深层特征信息，具有较高的特征识别力。针对支持向量机的分类性能易受到参数、核函数等因素的影响，采用粒子群算法优化支持向量机，粒子群算法能在较短时间内搜索到全局最优的点，即能达到支持向量机最优分类性能的参数。仿真实验表明，本发明能自动地提取图像深层抽象特征，提高了特征识别力，有效的提高了地貌图像的分类准确率，具有良好的泛化能力和适用范围。
-
公开(公告)号：CN105303532A
公开(公告)日：2016-02-03
申请号：CN201510694867.6
申请日：2015-10-21
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 一种小波域Retinex图像去雾方法，目的是为了改善Retinex算法的去雾效果以及提高算法效率。该方法包括以下步骤：将图像变换到HSV颜色空间；对亮度分量V进行小波变换，获得雾分量所在低频子带以及噪声和边缘信息所在的高频子带；利用改进的单尺度Retinex算法对低频子带进行处理，利用小波阈值方法对高频子带进行处理；进行小波逆变换，获得重构的亮度分量；饱和度分量S根据亮度分量V的变化进行自适应调整；根据变化后的各个HSV颜色空间分量重构出去雾后的清晰图像。本发明设计的去雾算法能有效地改善雾天图像的退化现象，提高图像的清晰度，处理效率也得到明显提升。
-
公开(公告)号：CN103903232A
公开(公告)日：2014-07-02
申请号：CN201410144096.9
申请日：2014-04-10
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 本发明提出在小波域利用进化规划进行图像去噪和增强的方法，目的是为了在小波域利用进化规划对无人机图像进行去噪和增强。该算法包括以下步骤：利用双树离散小波将图像变换到小波域；在小波域使用进化规划估算去噪阈值，对高频子带中的高分辨率系数进行软阈值去噪；在小波域使用进化规划估计增强参数，对高频子带中的低分辨率系数进行增强；进行小波逆变换，获得重构图像。本发明通过在小波域使用进化规划对无人机进行去噪和增强，设计的算法不仅能够得到视觉质量非常优秀的去噪图像，而且能够很好的保留边缘和纹理细节信息。
-
公开(公告)号：CN119228847A
公开(公告)日：2024-12-31
申请号：CN202411374894.0
申请日：2024-09-29
Applicant: 北京工业大学
IPC: G06T7/246 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/77 , G06V20/17 , G06V20/40
Abstract: 本发明公开了基于特征融合和在线模板更新的无人机目标跟踪方法，包括以下步骤：基于Resnet残差网络和空洞卷积构建深度网络模型，能够有效提取目标特征并增强特征的有效感受野，同时高效融合浅层网络的细节特征和深层网络的语义特征，增强特征的表达能力；由ResNet‑50网络和目标融合网络组成Siamese结构的模板分支和检测分支，将两分支特征图送入级联互相关模块，确定目标位置；构建模板库，计算响应图分数根据阈值对模板分支进行在线更新。本发明在跟踪成功率和精确率方面都达到了较高水平，有效提升了无人机目标跟踪性能。
-
Patent Agency Ranking
公开(公告)号：CN119205845A
公开(公告)日：2024-12-27
申请号：CN202411374896.X
申请日：2024-09-29
Applicant: 北京工业大学
IPC: G06T7/246 , G06V10/44 , G06V10/82 , G06V10/80 , G06V20/17 , G06V20/40 , G06N3/0455 , G06N3/0464 , G06V10/764 , G06V10/766 , G06V10/77
Abstract: 本发明公开了基于特征融合和稀疏注意力的无人机目标跟踪方法，包括以下步骤：为使跟踪器能够直接关注于重要的空间区域,同时又避免增大计算量，选择使用改进的Res2NeXt来获取多尺度特征，学习目标特征的通道相互依赖性和空间相互依赖性，自适应进行融合，增强了特征表示。使用自我上下文增强模块和交叉特征模块，既能自适应地专注于有用的语义上下文信息来进行特征增强，又能接受各每个分支的特征图进行融合。引入回归和分类模型作为预测头来对目标模板进行预测。本发明方法能够解决无人机目标遮挡，小目标的问题，提高模型对局部特征处理的能力，有效提高了跟踪算法的准确度。
-
公开(公告)号：CN105488528B
公开(公告)日：2019-06-07
申请号：CN201510846339.8
申请日：2015-11-26
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 基于改进自适应遗传算法的神经网络图像分类方法，包括以下步骤：采用基于灰度共生矩阵的特征提取算法，提取出样本图像的纹理特征，获得训练样本的和测试样本的纹理特征；将训练样本的纹理特征作为RBF神经网络的输入，采用基于遗传优化的神经网络学习方法训练RBF神经网络，生成训练好的RBF神经网络；将测试样本的纹理特征输入训练好的RBF神经网络，进行图像分类测试。针对k‑means聚类算法等对初始值选取敏感的不足，本发明能够较好地避免遗传算法的“早熟”收敛，能够简化神经网络分类器的网络结构，而且提高了网络的泛化能力和图像的正确分类率。
-
公开(公告)号：CN107748895B
公开(公告)日：2021-06-25
申请号：CN201711028874.8
申请日：2017-10-29
Applicant: 北京工业大学
Abstract: 本发明公开了基于DCT‑CNN模型的无人机着陆地貌图像分类方法，包括以下步骤：获取无人机着陆地貌图像的训练图像集和测试图像集；对无人机着陆地貌图像DCT变换，并进行DCT系数的筛选；针对无人机着陆地貌图像场景复杂、信息丰富的特点构建DCT‑CNN网络模型；将训练集的DCT系数输入到改进的DCT‑CNN模型中训练，并对网络进行参数更新，直到损失函数收敛于一个较小的值，训练结束；将训练图像特征集作为训练样本对SVM分类器进行训练；输入测试集，利用训练好的模型对测试图像进行逐层学习，最后将得到的特征向量输入到训练好的SVM分类器中进行分类，得到分类结果。本发明降低了数据冗余，使得训练时间大幅度减少，有效的提高了无人机着陆地貌图像的分类准确率。
-
公开(公告)号：CN106529574B
公开(公告)日：2019-09-27
申请号：CN201610905525.9
申请日：2016-10-17
Applicant: 北京工业大学
Abstract: 基于稀疏自动编码器和支持向量机的图像分类方法，包括以下步骤：获取训练图像集和测试图像集；构建多隐含层的深度稀疏自动编码器，对深度稀疏自动编码器进行训练，直到满足训练条件。将测试图像集输入到训练好的深度稀疏自动编码器进行逐层学习；并用提出的特征权值结合法对每个特征集分配一个特征权值，最后将每层隐含层获得的特征集和对应的权值结合成一个新的待分类图像特征集；将训练图像特征集作为训练样本对支持向量机分类器进行训练，达到支持向量机最优分类性能；将得到的待分类图像特征集输入到优化后的支持向量机，进行图像分类并得到分类准确率。本发明有效的提高了图像的分类准确率，具有良好的泛化能力和适用范围。
-
公开(公告)号：CN105303532B
公开(公告)日：2018-06-01
申请号：CN201510694867.6
申请日：2015-10-21
Applicant: 北京工业大学
IPC: G06T5/00
Abstract: 一种小波域Retinex图像去雾方法，目的是为了改善Retinex算法的去雾效果以及提高算法效率。该方法包括以下步骤：将图像变换到HSV颜色空间；对亮度分量V进行小波变换，获得雾分量所在低频子带以及噪声和边缘信息所在的高频子带；利用改进的单尺度Retinex算法对低频子带进行处理，利用小波阈值方法对高频子带进行处理；进行小波逆变换，获得重构的亮度分量；饱和度分量S根据亮度分量V的变化进行自适应调整；根据变化后的各个HSV颜色空间分量重构出去雾后的清晰图像。本发明设计的去雾算法能有效地改善雾天图像的退化现象，提高图像的清晰度，处理效率也得到明显提升。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.029 seconds)
