-
公开(公告)号：CN114239280B
公开(公告)日：2025-01-21
申请号：CN202111555377.X
申请日：2021-12-17
Applicant: 北京环境特性研究所
IPC: G06F30/20
Abstract: 本发明涉及目标特性分析技术领域，尤其涉及一种异构目标特性建模软件的集成方法及装置，该方法包括：获取待集成的各个目标特性建模软件的基本信息；基于获取的基本信息，对每个目标特性建模软件编译对应的算法接口模块；算法接口模块与对应的目标特性建模软件的开发语言相同，包括外部调用接口单元、格式转化单元和建模软件调用单元；将每个目标特性建模软件及对应的算法接口模块添加至单独的容器中；容器用于为目标特性建模软件及算法接口模块提供运行环境。本发明能够统一管理不同的目标特性建模软件，以实现复杂场景下的目标特性协同仿真。
-
公开(公告)号：CN115695999A
公开(公告)日：2023-02-03
申请号：CN202211351691.0
申请日：2022-10-31
Applicant: 北京环境特性研究所
Abstract: 本发明提供了一种可穿戴设备和多源目标融合检测系统，涉及武器装备技术领域。其中，可穿戴设备包括：第一图像采集组件，包括多种图像传感器，被配置为基于所述多种图像传感器中的至少一种采集第一图像；处理整合器，被配置为接收第一图像、和第二图像采集组件采集的包括枪械瞄准物体的第二图像，第二图像采集组件设置在枪械上；处理整合器，还被配置为对所述第一图像和第二图像进行融合处理，并对融合处理后的图像进行目标识别，以得到目标识别结果；显示组件，被配置为对目标识别结果进行显示。通过以上可穿戴设备，能够提高目标识别精准度，辅助用户快速识别、定位目标，从而极大提高巡检效率和战备质量。
-
公开(公告)号：CN115512185A
公开(公告)日：2022-12-23
申请号：CN202211339180.7
申请日：2022-10-28
Applicant: 北京环境特性研究所
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种卫星多通道辐亮度图像外推方法、装置及存储介质，该方法包括：接收图像外推请求；获取目标区域在不同时刻下的卫星多通道辐亮度图像；利用不同时刻下的卫星多通道辐亮度图像，训练得到图像外推模型；图像外推模型包括卷积循环神经网络与生成对抗网络；卷积循环神经网络还包括：将上一个时间步的最后一个ConvGRU单元的输出结果输入至下一个时间步的第一个ConvGRU单元中；将不同时刻下的卫星多通道辐亮度图像输入图像外推模型中，并根据图像外推请求输出在未来时刻的目标外推图像。本方案提供的外推方法能够有效、准确地获取较长时间范围内的卫星多通道辐亮度外推图像，同时提高了该外推图像的质量。
-
公开(公告)号：CN114332300A
公开(公告)日：2022-04-12
申请号：CN202210085091.8
申请日：2022-01-25
Applicant: 北京环境特性研究所
Abstract: 本发明提供了一种图表统计联动展示方法、装置、计算设备及存储介质，涉及数据统计技术领域，其中方法包括：获取待展示的第一目标数据；根据所述第一目标数据按照第一预设内容生成初始图表；其中，所述初始图表包括至少一个关联事件，所述第一预设内容用于表征提取所述第一目标数据的标识内容；当接收到用户针对目标关联事件发起的请求时，根据所述目标关联事件得到与所述目标关联事件相对应的第二目标数据；根据所述第二目标数据按照第二预设内容生成联动图表；其中，所述第二预设内容为生成所述联动图表的标识内容。本方案，能够解决产品特性数据可视化联动展示的问题，使统计展示更加直观、形象。
-
公开(公告)号：CN114187221A
公开(公告)日：2022-03-15
申请号：CN202111513619.9
申请日：2021-12-13
Applicant: 北京环境特性研究所
IPC: G06T5/50 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于自适应权重学习的红外与可见光图像融合方法，基于像素级注意力机制与融合权重自适应生成构建了深度特征自适应提取模块，并通过跨层级级联方式基于深度特征自适应提取模块搭建了生成器网络；基于孪生网络思想，搭建了双通道鉴别器网络；将红外与可见光图像进行初步的连接操作后输入至生成器后生成融合图像，通过生成器与判别器的博弈对抗完成红外图像与可见光图像的融合生成；本发明融入了像素级注意力机制以及层次级联思想，能够降低网络参数量的情况下增强网络深度特征提取能力，提高红外与可见光图像的融合图像生成质量，实现了红外图像与可见光图像的融合增强。
-
Patent Agency Ranking
公开(公告)号：CN112415514A
公开(公告)日：2021-02-26
申请号：CN202011278930.5
申请日：2020-11-16
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种目标SAR图像生成方法及装置、计算机设备、计算机可读存储介质，该方法包括：获取真实的SAR图像数据构成训练集；由一组训练样本中选出N个方位角连续的SAR真实图像，利用卷积神经网络提取特征；将首个SAR真实图像的单图特征和连续N个SAR真实图像的整体关系特征输入生成对抗网络的生成器，得到N‑1个SAR生成图像；通过生成对抗网络的判别器，对N‑1个SAR生成图像和相对应的N‑1个SAR真实图像分别进行特征对比，利用损失函数衡量SAR生成图像和SAR真实图像的相似度；得到完成训练的生成对抗网络，随机生成SAR生成图像。本发明可实现SAR图像数据的外推生成，以完善并扩充数据量。
-
公开(公告)号：CN112270370A
公开(公告)日：2021-01-26
申请号：CN202011226859.6
申请日：2020-11-06
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种车辆表观毁伤评估方法、计算机设备及计算机可读存储介质，该方法包括：进行尺寸归一化处理；分两路进行灰度化，一路直接进行灰度化处理，得到含目标及背景的灰度图像，另一路先利用目标语义分割模型进行像素级分割，分割出目标区域，再对分割得到的图像进行灰度化处理，得到只含目标的灰度图像；基于卷积神经网络构建特征提取模型，对得到的含目标及背景的灰度图像和只含目标的灰度图像分别进行高维特征提取；对得到的两路目标高维卷积特征进行特征融合；利用全连接网络对最终目标融合特征进行回归计算，并输出一个0～1范围内的连续值，作为车辆目标表观毁伤程度评估值。本发明能够实现车辆表观毁伤的快速量化评估。
-
公开(公告)号：CN110910422A
公开(公告)日：2020-03-24
申请号：CN201911105866.8
申请日：2019-11-13
Applicant: 北京环境特性研究所
Abstract: 本申请涉及一种目标跟踪方法、装置、电子设备和计算机可读存储介质，方法包括：获取多帧图像，从多帧图像的初始帧图像中识别出初始目标，依次在初始帧图像的后续帧图像中对初始目标进行跟踪；若连续跟踪的图像帧数或所述初始目标的目标置信度符合预设条件，停止对当前帧图像中的初始目标的跟踪；基于预设的检测算法对当前帧图像进行检测，得到检测目标；从得到的检测目标中获取初始目标；将当前帧图像作为新的初始帧图像，并执行基于预设的目标跟踪算法依次在初始帧图像的后续帧图像中对初始目标进行跟踪。本申请提供的目标跟踪方法可以提高对目标跟踪的准确率。
-
公开(公告)号：CN110826566A
公开(公告)日：2020-02-21
申请号：CN201911059934.1
申请日：2019-11-01
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种基于深度学习的目标切片提取方法，该方法包括：基于原始图像确定待提取的目标，针对目标搭建深度卷积神经网络并进行训练；将原始图像输入训练好的深度卷积神经网络，通过深度卷积神经网络对含背景的原始图像进行像素级目标背景分离，实现目标分割；根据分离背景得到的目标图像和切片预定尺寸，获取目标切片图像并调整其尺寸；判断调整后的目标切片图像是否存在缺失像素，如存在，则计算缺失尺寸并进行相应的缺失填充，得到最终的目标切片。该方法实现了目标自动检索、像素分割，支持批量制备目标切片，保证目标切片提取过程中不会被随意裁剪、缩放的同时，实现目标切片提取的智能化、高效化。
-
公开(公告)号：CN110781839A
公开(公告)日：2020-02-11
申请号：CN201911037783.X
申请日：2019-10-29
Applicant: 北京环境特性研究所
Abstract: 本发明涉及目标识别技术领域，尤其涉及一种基于滑窗的大尺寸图像中小目标识别方法，包括如下步骤：滑窗设置、根据待检测的原始图像及深度神经网络的输入要求，设置滑窗规格与滑窗步长；图像分割、基于设置好的滑窗分割原始图像，记录各个滑窗编号、坐标以及分割得到的区域图像；目标识别、设置深度神经网络参数，将各个滑窗分割得到的区域图像依次输入深度神经网络，对各滑窗区域图像进行目标检测识别，并记录每个目标的识别结果；结果处理及反馈、对各滑窗区域图像识别结果进行解析，输出最终识别结果。该方法可解决当前机载、卫星图像等大尺寸图像无法实现小目标直接检测识别以及直接分割图像易导致目标被分裂而无法识别的问题。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.029 seconds)
