-
公开(公告)号：CN116883822A
公开(公告)日：2023-10-13
申请号：CN202310999272.6
申请日：2023-08-09
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于多先验引导的弱特征目标检测方法，首先以公开的已标注数据集作为基础，使用随机裁剪、缩放、抖动等方法进行数据增强；而后使用特征金字塔形态的视觉Transformer主干网络实现对输入图像的特征提取；接着分别通过构建贝叶斯网络、深度卷积神经网络具象信心得分以及边缘信息；接着通过先验引导特征交联模块设计实现提取特征的交联；最后使用特征融合模块自底向上地实现基于信心得分信息与基于边缘信息的特征融合，通过循环精炼模块的思路实现对检测结果的进一步优化。这种检测方法采用的网络结构设计合理，可以针对弱特征目标实现像素级的检测，并保证了较低的推理时间。
-
公开(公告)号：CN115578255A
公开(公告)日：2023-01-06
申请号：CN202211158384.0
申请日：2022-09-22
Applicant: 北京航空航天大学
IPC: G06T3/40
Abstract: 本发明涉及一种基于帧间亚像素块匹配的超分辨率重建方法，对于给定的彩色或灰度低分辨率图像序列，通过融合多帧图像的信息得到单张分辨率提高的彩色或灰度高分辨率重建图像，本发明基于序列图像帧间的信息差异，采用像素块匹配的方式，对图像序列进行亚像素运动估计以及相似特征融合，重建得到高分辨率图像的估计，最后对得到的高分辨率图像进行迭代去模糊去噪，实现了图像的分辨率的有效提高。
-
公开(公告)号：CN113947616B
公开(公告)日：2022-08-30
申请号：CN202111116009.5
申请日：2021-09-23
Applicant: 北京航空航天大学
IPC: G06T7/246 , G06T7/73 , G06V10/44 , G06V10/50 , G06V10/774
Abstract: 本发明涉及一种基于层级化感知机的智能目标跟踪及丢失重检方法，首先根据选定跟踪目标的位置和大小，对两种不同搜索区域的图像计算特征图，并采集样本作为两种不同感知机的训练样本。当输入跟踪的第一帧图像时，感知机完成初始化训练，并且初始化目标状态、位置和参考响应值；当输入第二帧及之后帧的图像时，将判断当前帧的图像数据是进入跟踪支路还是重检测支路。当进入跟踪支路时，利用多级感知机构建的具有层级化结构的两个跟踪分支都会计算当前帧的目标位置，输出比较后最优的目标位置并且判断目标状态；当进入重检测支路时，利用多个一级感知机组成的重检测器会在大范围内重检测目标，将最大响应值区域作为重检目标同时判断该目标状态。
-
公开(公告)号：CN113848780A
公开(公告)日：2021-12-28
申请号：CN202111106472.1
申请日：2021-09-22
Applicant: 北京航空航天大学
IPC: G05B19/042
Abstract: 本发明提供了一种多核异构处理器架构下的高机动平台姿态解算装置及方法，系统主要包括测量数据采集模块、数据传输模块、姿态融合解算模块和输出模块四部分。测量数据包括角速度、加速度以及磁场强度在内XYZ九轴数据。通过FPGA核采集，测量数据经优化读取方法后通过AXI总线流入ARM核，采用一种基于AHRS的姿态融合算法将数据进行解算得到绝对姿态角。本发明易于实现，有较好的可移植性，能够在采集到数据后快速完成姿态解算，对机动平台的姿态信息进行实时分析，精度高，稳定性强，输出延迟低，可以在各种场景下完成对机动平台的姿态监视和控制。
-
公开(公告)号：CN116665123A
公开(公告)日：2023-08-29
申请号：CN202310583024.3
申请日：2023-05-22
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于时序注意力与搜索范围细化的多目标跟踪方法，利用深度卷积神经网络对输入数据进行特征提取；使用包含两个分支的单阶段检测头FCOS对深度卷积神经网络提取后的特征进行直接预测，然后进行目标类别与位置信息的解码；将当前帧多目标检测结果与之前帧多目标跟踪结果输入到搜索范围细化模块中，得到搜索范围热点图，并对提取后的特征进行点乘处理，得到搜索范围细化后的特征，将之前帧与当前帧得到的搜索范围细化后的特征输入到基于注意力感知的多目标跟踪头中，得到当前帧的多目标跟踪结果，并将此跟踪结果与的检测结果合并，得到当前帧的多目标跟踪结果。本发明提高了跟踪精度，并通过搜索范围细化，减少了计算量，保证实时运行。
-
Patent Agency Ranking
公开(公告)号：CN115439346A
公开(公告)日：2022-12-06
申请号：CN202210939290.0
申请日：2022-08-05
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于机载嵌入式FPGA平台的含雾图像去雾增强方法，可对在雾天情况下，视频采集设备采集到的视频图像进行实时增强处理，包括以下步骤：第一，使用暗原色先验理论，估计大气光强A与透射率；第二，对RGB三个通道数据分别进行去雾处理；第三，将图像转化到HSV空间；第四，使用非线性函数对图像S通道对比度进行非线性拉伸，提升饱和度；第五，使用维纳滤波对图像滤波去噪去运动模糊并通过同态滤波算法增强图像的S、V通道值；第六，HSV三通道融合，并进行HSV2RGB转换即将图像从HSV三通道转换至RGB三通道；第七，使用改进后的直方图均衡方法提升图像对比度与细节信息；第八，使用GAMMA校正对图像进行提亮处理，获得增强后图像。
-
公开(公告)号：CN115147731A
公开(公告)日：2022-10-04
申请号：CN202210901110.X
申请日：2022-07-28
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于全空间编码注意力模块的SAR图像目标检测方法，以提高目标检测网络在SAR图像上的检测性能，如下：(1)本方法利用SAR图像噪声较多的特性，设计了全空间编码注意力模块来缓解噪声的干扰，在全空间维度进行注意力提取，有效减少信息损失，提高了模型的特征提取能力；(2)本方法引入了可变形卷积，增加了可学习的偏移量，降低模型对于旋转、尺寸的敏感度，提高了模型的检测效果；(3)检测头部分使用了双头检测网络，使得回归任务和分类任务分开解耦，能够提高网络的检测效果；本发明能够有效的提高网络对SAR图像中近海、远海以及陆地上目标的检测性能和效果。
-
公开(公告)号：CN113947616A
公开(公告)日：2022-01-18
申请号：CN202111116009.5
申请日：2021-09-23
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于层级化感知机的智能目标跟踪及丢失重检方法，首先根据选定跟踪目标的位置和大小，对两种不同搜索区域的图像计算特征图，并采集样本作为两种不同感知机的训练样本。当输入跟踪的第一帧图像时，感知机完成初始化训练，并且初始化目标状态、位置和参考响应值；当输入第二帧及之后帧的图像时，将判断当前帧的图像数据是进入跟踪支路还是重检测支路。当进入跟踪支路时，利用多级感知机构建的具有层级化结构的两个跟踪分支都会计算当前帧的目标位置，输出比较后最优的目标位置并且判断目标状态；当进入重检测支路时，利用多个一级感知机组成的重检测器会在大范围内重检测目标，将最大响应值区域作为重检目标同时判断该目标状态。
-
公开(公告)号：CN113850176A
公开(公告)日：2021-12-28
申请号：CN202111105814.8
申请日：2021-09-22
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于多模态遥感图像细粒度弱特征的目标涌现检测方法，先对标注过的多模态遥感数据进行预处理及数据划分；然后利用结合了三维卷积模块的深度卷积网络实现对多模态数据的通道优选及高层语义信息提取；利用原始标注信息构建语义引导模块对原始特征图进行类注意力机制的引导，实现对细粒度特征的提取；最后使用单阶段的检测头，在语义引导模块修正后的特征图上进行目标类别与位置信息的预测，通过位置信息解码得到最终结果。该种检测方法通过三维卷积模块实现通道维的优选、语义引导模块实现空间维的特征图修正，针对多模态遥感数据中的弱特征目标的检测效果好且能够满足对多模态遥感图像数据进行实时处理的需求。
-
公开(公告)号：CN115578255B
公开(公告)日：2024-06-21
申请号：CN202211158384.0
申请日：2022-09-22
Applicant: 北京航空航天大学
IPC: G06T3/4069
Abstract: 本发明涉及一种基于帧间亚像素块匹配的超分辨率重建方法，对于给定的彩色或灰度低分辨率图像序列，通过融合多帧图像的信息得到单张分辨率提高的彩色或灰度高分辨率重建图像，本发明基于序列图像帧间的信息差异，采用像素块匹配的方式，对图像序列进行亚像素运动估计以及相似特征融合，重建得到高分辨率图像的估计，最后对得到的高分辨率图像进行迭代去模糊去噪，实现了图像的分辨率的有效提高。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.029 seconds)
