-
公开(公告)号：CN118072186A
公开(公告)日：2024-05-24
申请号：CN202311766254.X
申请日：2023-12-21
Applicant: 南昌工程学院 , 广州建筑股份有限公司
IPC: G06V20/13 , G06V10/764 , G06V10/30 , G06V10/774
Abstract: 本发明属于高光谱图像处理技术领域。本发明提供了一种基于高光谱解混技术的矿物识别与分类方法，包括如下步骤：S1、利用高光谱成像仪获取相关矿物的高光谱图像；S2、构建矿物端元光谱库；S3、根据相关矿物的高光谱图像建立双线性光谱混合模型；S4、利用鲁棒光谱可变双线性空间正则化解混算法，进行光谱解混，精准估计混合像元内所包含的每种矿物的丰度；S5、根据求解得到的矿物的丰度，量化每种矿物对应的比例，做到精准识别与分类。本方法解决了高光谱图像中存在的复杂混合噪声干扰以及光谱变异问题。
-
公开(公告)号：CN115620128A
公开(公告)日：2023-01-17
申请号：CN202211142401.1
申请日：2022-09-20
Applicant: 南昌工程学院
IPC: G06V20/10
Abstract: 本发明提供高光谱异常检测方法，包括以下步骤：步骤1，构建高光谱图像的线性光谱混合模型；步骤2，构建双空间权重稀疏解混模型，计算各端元在混合像元中的丰度矩阵；步骤3，引入光谱加权因子和基于空间邻域信息的空间加权因子，创建字典空谱低秩分解模型；步骤4，对字典空谱低秩分解模型求解，求得异常矩阵；步骤5，通过异常矩阵，求得重建图像；步骤6，根据高光谱图像和重建图像得到异常目标检测图像。本发明本发明通过引入光谱加权因子和基于空间邻域信息的空间加权因子来充分挖掘高光谱图像的光谱信息和空间信息的相关性，以提升高光谱图像异常检测检测的准确性，本发明的异常检测结果准确率为99.39％。
-
公开(公告)号：CN112532932A
公开(公告)日：2021-03-19
申请号：CN202011316439.7
申请日：2020-11-20
Applicant: 南昌工程学院
Abstract: 本发明公开了一种具有目标跟踪功能的监控装置，包括：安装座，其上滑动设置有滑架，滑架上设置有角度调节机构；人脸识别模块，设置在安装座上，人脸识别模块上设置有用于面像目标文件输入的输入端，面像目标文件输入后保存在人脸识别模块上的CPU内，还包括用于对图片进行图像处理的图像处理模块以及用于控制角度调节机构动作的模糊控制器，CPU、图像处理模块以及模糊控制器依次连接；伺服控制器，设置在安装座上，伺服控制器分别与角度调节机构和模糊控制器连接；还有摄像头，设置在安装座上，用于全方位的对目标对象进行视频采集，摄像头的输出端与图像处理模块连接，摄像还与所述伺服控制器连接；本发明提供了一种具有目标追踪功能的监控装置。
-
公开(公告)号：CN111230857A
公开(公告)日：2020-06-05
申请号：CN201910165083.2
申请日：2019-03-05
Applicant: 南昌工程学院
IPC: B25J9/16 , B25J13/08 , B25J19/02 , G06K9/00 , G06T7/55 , G06T7/73 , G06T7/80 , H04N5/247 , H04N5/235
Abstract: 本发明公开了基于机器视觉和深度学习的目标定位与抓取，属于机器视觉领域，基于机器视觉和深度学习的目标定位与抓取，包括摄像机组、机械臂和安装架，摄像机组包括左摄像机和右摄像机，左摄像机和右摄像机均连接于安装架上端，安装架上端中心处连接有安装筒，安装筒内侧设有辅助角锥，辅助角锥配合有辅助水平测定仪本方案利用光学自准直成像原理，通过LED发光元件和线阵CCD成像技术设计来辅助摄像机组初始状态的的水平调节，确保摄像机组的初始水平度，以便为后续摄像机组的角度调节提供调整精确的参照，基本上消除因摄像机组初始水平度误差对标定精度的影响，同时可进一步提高相关算法的有效性。
-
公开(公告)号：CN119808838A
公开(公告)日：2025-04-11
申请号：CN202411870472.2
申请日：2024-12-18
Applicant: 南昌工程学院 , 广州建筑股份有限公司 , 广州建研工程科技有限公司 , 广州建设工程质量安全检测中心有限公司
IPC: G06N3/0455 , G01N21/25 , G01N21/17
Abstract: 本发明公开了一种基于空间约束的级联自编码器的高光谱解混方法，包括以下步骤：S1、获取地物高光谱图像；S2、构建空间约束的级联自编码器解混模型；S3、利用构建好的空间约束的级联自编码器解混模型对获取的地物高光谱图像进行解混，得到每种地物对应的地物丰度；级联自编码器解混模型采用逐层训练的方式；其自编码器包括至少一个编码器、一个融合层以及一个解码器；所述编码器包括多尺度特征提取模块、BN层和激活函数层；所述多尺度特征提取模块包括一个用于专注局部特征提取的小型卷积核和一个用于捕捉全局上下文信息的大型卷积核。本发明实现了对地物成分的精准识别与分类。
-
Patent Agency Ranking
公开(公告)号：CN118072186B
公开(公告)日：2025-02-07
申请号：CN202311766254.X
申请日：2023-12-21
Applicant: 南昌工程学院 , 广州建筑股份有限公司
IPC: G06V20/13 , G06V10/764 , G06V10/30 , G06V10/774
Abstract: 本发明属于高光谱图像处理技术领域。本发明提供了一种基于高光谱解混技术的矿物识别与分类方法，包括如下步骤：S1、利用高光谱成像仪获取相关矿物的高光谱图像；S2、构建矿物端元光谱库；S3、根据相关矿物的高光谱图像建立双线性光谱混合模型；S4、利用鲁棒光谱可变双线性空间正则化解混算法，进行光谱解混，精准估计混合像元内所包含的每种矿物的丰度；S5、根据求解得到的矿物的丰度，量化每种矿物对应的比例，做到精准识别与分类。本方法解决了高光谱图像中存在的复杂混合噪声干扰以及光谱变异问题。
-
公开(公告)号：CN111239085B
公开(公告)日：2022-11-22
申请号：CN201910168809.8
申请日：2019-03-06
Applicant: 南昌工程学院
Abstract: 本发明公开了基于深度学习的显微视觉伺服控制方法，属于显微伺服控制领域，基于深度学习的显微视觉伺服控制方法，可以通过在显微操作之前进行模拟操控，可以同时模拟操作轨迹以及细胞反应，通过模拟操控可以在进行显微操作之前预设可能会出现的问题，并分析出最优的操作轨迹和数据，在这过程中相较于现有技术，可以存在一个模拟操控修正的过程，从而有效提高了后续显微操作的成功率，然后将该操作轨迹和数据转化成伺服控制机器人的实际操作数据，从而完成显微操作，在这个过程中，避开了人为操作，从而有效降低了由于人为因素造成的不确定的误差，从而极大地提高了显微操作的成功率，从而无形中降低了对显微操作的成本投入。
-
公开(公告)号：CN114485940A
公开(公告)日：2022-05-13
申请号：CN202210133792.4
申请日：2022-02-14
Applicant: 南昌工程学院
Abstract: 本发明公开了一种基于高光谱成像技术的光谱特性测量装置，包括底座，所述底座上通过移动机构安装有安装块，且安装块上通过转动机构安装有安装杆，所述安装块上通过滑动机构安装有光谱仪本体，所述光谱仪本体的左右两侧均固定安装有支撑杆，且两个支撑杆上均开设有摆动槽。优点在于：可在光谱仪本体的高度发生变化时，使得两个卤素灯的偏转角度随其同时发生相应的变化，从而可确保两个卤素灯对待测量物的补光效果，避免测量结果出现偏差的问题，且可根据实际需要对光谱仪本体相对待测量物的角度进行调节，使其从不同角度对待测量物进行测量，有效提高了测量结果的全面性，且调节方式也较为简便，易于操作。
-
公开(公告)号：CN111964650A
公开(公告)日：2020-11-20
申请号：CN202011017934.8
申请日：2020-09-24
Applicant: 南昌工程学院
Abstract: 本发明公开了一种水下目标跟踪装置，包括水下无人机，水下摄像头设置在水下无人机的外表面，用于拍摄水下的景象图像；图像处理器用于处理景象图像，根据目标物在景象图像中目标影像的位置确定目标物与水下无人机的位置，根据目标影像的与景象图像的比例大小确定目标物与水下无人机之间的距离；驱动器用于根据目标物与水下无人机之间的距离以及目标物与水下无人机的位置驱动水下无人机移动。本发明通过在水下无人机的多个角度的同时摄像，确定周围是否有目标物存在，根据多个包含目标物的图像以及其所拍摄的角度判断目标物相对于该水下无人机的位置，然后根据其中一个图像中的目标物的大小比例确定目标物的距离。
-
公开(公告)号：CN117671384A
公开(公告)日：2024-03-08
申请号：CN202311735609.9
申请日：2023-12-18
Applicant: 南昌工程学院 , 广州建筑股份有限公司
IPC: G06V10/764 , G06V10/58 , G06V10/80 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种高光谱图像分类方法，其结合了卷积神经网络和混合组合变换器注意力网络的优点。在光谱特征提取方面，利用3D密集卷积神经网络获取高光谱图像的局部光谱特征信息，然后利用混合组合变换器注意力网络来同时捕捉各种组大小的token以及组之间的关联；在空间特征提取方面，利用2D密集卷积神经网络获取高光谱图像的局部空间特征信息，然后利用混合组合变换器注意力网络来增强高光谱图像的全局空间信息的利用。最后，将空间和光谱特征信息经特征融合网络实现空间‑光谱特征信息的融合，再经过Softmax层输出分类结果。本发明实现了对高光谱图像的准确分类，采用了轻量级Sophia优化器，可极大加快模型的运行速度。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
