-
公开(公告)号：CN111797478B
公开(公告)日：2022-11-11
申请号：CN202010734714.0
申请日：2020-07-27
Applicant: 北京电子工程总体研究所 , 哈尔滨工业大学
IPC: G06F30/15 , G06T7/246 , G06T7/277 , G06F119/14
Abstract: 一种基于变结构多模型的强机动目标跟踪方法，涉及目标跟踪领域，针对临近空间高速强机动目标的跟踪时，目标跟踪精确度低的问题，包括步骤一：利用目标飞行器的动力学特性构建动力学跟踪模型集，然后获取机动目标跟踪系统的状态方程集；步骤二：建立系统测量模型，并根据建立的系统测量模型得到系统的测量方程和测量噪声；步骤三：基于系统的状态方程集、系统的测量方程和测量噪声，对目标飞行器的运动状态以及气动参数进行递推估计。本发明基于目标飞行器的动力学特性构建动力学跟踪模型集，提高了目标运动的描述精度，进而采用改进的变结构多模型跟踪算法提高了目标跟踪精确度。
-
Patent Agency Ranking
公开(公告)号：CN110084181B
公开(公告)日：2021-04-20
申请号：CN201910335209.6
申请日：2019-04-24
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 一种基于稀疏MobileNetV2网络的遥感图像舰船目标检测方法，它属于遥感图像舰船目标检测技术领域。本发明解决了由于舰船遥感图像信息冗余导致的目标特征提取困难、以及由于遥感图像数据信息量大与在轨计算处理能力弱之间的矛盾导致的卫星在轨实时分析困难的问题。本发明对遥感图像进行重叠分割和降采样处理获得降采样后的图像块；利用降采样后的图像块对七组卷积层进行训练，利用重叠分割后图像中的图像块对剪枝后的MobileNetV2网络进行训练，达到最大迭代次数时获得训练好的稀疏MobileNetV2网络；利用训练好的稀疏MobileNetV2网络对待测遥感图像进行目标检测。本发明可以应用于遥感图像舰船目标检测技术领域。
-
公开(公告)号：CN110287967A
公开(公告)日：2019-09-27
申请号：CN201910576204.2
申请日：2019-06-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于图像的数字及机械表数字识别方法，涉及图像处理技术领域，为解决传统的图像处理方法无法适用于数字及机械表的智能抄表工作的问题，其过程为：利用深度学习目标检测网络MobileNetv2-SSD进行类型判断和数字区域定位，然后将图片按顶点坐标裁剪，进行图像预处理与二值化操作，将图像转为黑白二值图，机械表加入膨胀腐蚀操作加粗数字、消除噪点，数字表图像预切割与重切割，利用投影法进行预切割，通过阈值匹配确定数字位数后再进行过长段分离、过小段合并的重切割实现数字表数字切割分离，机械表图像平均切割。本发明实现了数字及机械表的分类识别与数字区域定位。
-
公开(公告)号：CN110287967B
公开(公告)日：2022-11-25
申请号：CN201910576204.2
申请日：2019-06-28
Applicant: 哈尔滨工业大学
IPC: G06V30/148 , G06V30/19 , G06V10/774 , G06N3/04
Abstract: 一种基于图像的数字及机械表数字识别方法，涉及图像处理技术领域，为解决传统的图像处理方法无法适用于数字及机械表的智能抄表工作的问题，其过程为：利用深度学习目标检测网络MobileNetv2‑SSD进行类型判断和数字区域定位，然后将图片按顶点坐标裁剪，进行图像预处理与二值化操作，将图像转为黑白二值图，机械表加入膨胀腐蚀操作加粗数字、消除噪点，数字表图像预切割与重切割，利用投影法进行预切割，通过阈值匹配确定数字位数后再进行过长段分离、过小段合并的重切割实现数字表数字切割分离，机械表图像平均切割。本发明实现了数字及机械表的分类识别与数字区域定位。
-
公开(公告)号：CN111797478A
公开(公告)日：2020-10-20
申请号：CN202010734714.0
申请日：2020-07-27
Applicant: 北京电子工程总体研究所 , 哈尔滨工业大学
IPC: G06F30/15 , G06T7/246 , G06T7/277 , G06F119/14
Abstract: 一种基于变结构多模型的强机动目标跟踪方法，涉及目标跟踪领域，针对临近空间高速强机动目标的跟踪时，目标跟踪精确度低的问题，包括步骤一：利用目标飞行器的动力学特性构建动力学跟踪模型集，然后获取机动目标跟踪系统的状态方程集；步骤二：建立系统测量模型，并根据建立的系统测量模型得到系统的测量方程和测量噪声；步骤三：基于系统的状态方程集、系统的测量方程和测量噪声，对目标飞行器的运动状态以及气动参数进行递推估计。本发明基于目标飞行器的动力学特性构建动力学跟踪模型集，提高了目标运动的描述精度，进而采用改进的变结构多模型跟踪算法提高了目标跟踪精确度。
-
公开(公告)号：CN110084181A
公开(公告)日：2019-08-02
申请号：CN201910335209.6
申请日：2019-04-24
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 一种基于稀疏MobileNetV2网络的遥感图像舰船目标检测方法，它属于遥感图像舰船目标检测技术领域。本发明解决了由于舰船遥感图像信息冗余导致的目标特征提取困难、以及由于遥感图像数据信息量大与在轨计算处理能力弱之间的矛盾导致的卫星在轨实时分析困难的问题。本发明对遥感图像进行重叠分割和降采样处理获得降采样后的图像块；利用降采样后的图像块对七组卷积层进行训练，利用重叠分割后图像中的图像块对剪枝后的MobileNetV2网络进行训练，达到最大迭代次数时获得训练好的稀疏MobileNetV2网络；利用训练好的稀疏MobileNetV2网络对待测遥感图像进行目标检测。本发明可以应用于遥感图像舰船目标检测技术领域。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
