-
公开(公告)号：CN116824330A
公开(公告)日：2023-09-29
申请号：CN202310626378.1
申请日：2023-05-31
Applicant: 哈尔滨工业大学
IPC: G06V10/82 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/25 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 一种基于深度学习的小样本跨域目标检测方法，属于计算机视觉技术和人工智能技术。本发明为解决现有方法因场景变换、目标形态变化等导致的特征提取能力下降的问题，综合设计了四个高效的模块。本发明的方法设计了一个多层次关键特征生成器，使模型能够从大量源域数据中获得不同层次的先验知识；设计了一个嵌入式空间隐式关联策略，为成功区分目标提供信息支持；本发明采用了一个实例嵌入策略，来提高模型对样本数量稀少的新类目标的弱分类能力；重新设计具有自适应加权的损失函数，消除以往方法根据经验确定多个损失函数系数的弊端。本发明可以通过寻找不同场景同类目标之间的共性，克服跨域造成的背景干扰。本发明可用于小样本跨域目标检测。
-
公开(公告)号：CN112379354A
公开(公告)日：2021-02-19
申请号：CN202011277992.4
申请日：2020-11-16
Applicant: 哈尔滨工业大学
IPC: G01S7/497
Abstract: 一种MEMS扫描激光雷达系统的时间误差自标定方法。本发明为解决现有基于ToF法的MEMS扫描激光雷达中存在时间误差导致的成像畸变及测距误差问题。本发明首先运行待标定MEMS扫描激光雷达，扫描任意非平面非空场景，采集扫描数据，并标定MEMS微镜与激光器之间的同步时间误差；然后运行已标定同步时间误差后的MEMS扫描激光雷达，扫描相应平面并采集N帧扫描数据；标定每一帧数据中的延迟时间误差，对每一帧数据获取的时间误差求平均值，该平均值即为系统延迟时间误差。可利用任意非平面目标来标定MEMS微镜与激光器之间的同步时间误差，可以利用任意平面来标定出射脉冲和接收回波信号之间的系统延迟时间误差。用于扫描激光雷达系统的时间误差的标定。
-
公开(公告)号：CN107315095B
公开(公告)日：2019-07-02
申请号：CN201710464579.0
申请日：2017-06-19
Applicant: 哈尔滨工业大学
Abstract: 基于视频处理的具有光照适应性的多车辆自动测速方法，涉及一种多车辆自动测速方法。本发明为了解决现有的基于双目立体视觉进行车辆测速的方法存在的标定繁琐的问题和对安装精度要求高的问题。本发明首先利用摄像机采集视频图像建立初始背景图像并划定测速区域；然后利用摄像机采集待检测视频图像，提取摄像机所得待检测视频图像的当前帧图像，进行预处理；进行多目标检测得到车辆的位置特征和颜色特征，并利用上一帧图像对应图像检测区域中的车辆位置特征和颜色特征以及当前帧图像对应的车辆位置特征和颜色特征，进行多目标跟踪，并判断目标车辆是否驶出测速区域，并对目标进行测速。本发明适用于多车辆自动测速。
-
公开(公告)号：CN116824485A
公开(公告)日：2023-09-29
申请号：CN202310626383.2
申请日：2023-05-31
Applicant: 哈尔滨工业大学
IPC: G06V20/52 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/764 , G06V10/762 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 一种基于深度学习的开放场景伪装人员小目标检测方法，属于计算机视觉技术和人工智能技术。本发明为解决现有的目标检测方法存在的检测精度低、特征学习能力不足的问题，综合设计了三个高效的模块。本发明的方法采用了一个以域解耦为核心的多域分离模块，抑制了不同样本之间的域分布差异对模型性能的影响；本发明的方法基于反卷积和空洞卷积而设计了一个多尺度融合模块，以增强现有目标检测器对多尺度，尤其是小尺度伪装目标特征的可区分性及特征表达能力；本发明的方法在检测头部采用了特征分离增强模块，缓解了YOLOv7网络输出端处定位和分类相互干扰的问题，实现了目标检测器对远距离隐藏的伪装人员的智能检测和识别的功能。
-
公开(公告)号：CN111402145B
公开(公告)日：2022-06-07
申请号：CN202010097457.4
申请日：2020-02-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度学习的自监督低照度图像增强方法，属于数字图像处理领域。本发明为解决现有的低照度图像增强方法存在的效果差、泛化能力差的问题，以及现有深度学习方法中对低照度‑正常照度数据集依赖程度高等问题。本发明针对低照度图像增强网络，采集任意数量低照度图像数据，提取低照度图像的最大值通道图像做直方图均衡化；以直方图均衡化后最大值通道图像作为监督，结合Retinex理论和照度图像I平滑的假设构建损失函数，训练图像增强网络。本发明可以显著增强低照度图像的亮度、对比度，并保留图像的细节和颜色信息。本发明用于低照度图像的增强。
-
Patent Agency Ranking
公开(公告)号：CN106886985B
公开(公告)日：2019-10-08
申请号：CN201710277369.0
申请日：2017-04-25
Applicant: 哈尔滨工业大学
Abstract: 一种减小色偏的自适应低照度图像增强方法，涉及低照度图像增强方法。为了解决现有的低照度图像增强方法存在的增强后图像色偏加重、对图像较亮处区域处理不佳导致亮处区域过抑制或过增强的问题。本发明先将低照度图像转换至RGB颜色空间下，做逆S型变换后进行反转，计算反转图像各像素点在RGB三个通道中的最小值，得到初始暗通道图像并进行中值滤波得到大气光强度估值；将反转图像转换到HSV颜色空间下，将V通道的平均灰度值作为平均亮度，求取自适应增强参数；利用大气成像方程求取透射率图像，修正得到透射率平滑图像结合大气成像方程，对反转图像的RGB三个通道进行去雾操作，进行反转后做S型变换得到最终增强图像。本发明适用于图像的增强处理。
-
公开(公告)号：CN107315095A
公开(公告)日：2017-11-03
申请号：CN201710464579.0
申请日：2017-06-19
Applicant: 哈尔滨工业大学
CPC classification number: G01P3/38 , G06K9/00724
Abstract: 基于视频处理的具有光照适应性的多车辆自动测速方法，涉及一种多车辆自动测速方法。本发明为了解决现有的基于双目立体视觉进行车辆测速的方法存在的标定繁琐的问题和对安装精度要求高的问题。本发明首先利用摄像机采集视频图像建立初始背景图像并划定测速区域；然后利用摄像机采集待检测视频图像，提取摄像机所得待检测视频图像的当前帧图像，进行预处理；进行多目标检测得到车辆的位置特征和颜色特征，并利用上一帧图像对应图像检测区域中的车辆位置特征和颜色特征以及当前帧图像对应的车辆位置特征和颜色特征，进行多目标跟踪，并判断目标车辆是否驶出测速区域，并对目标进行测速。本发明适用于多车辆自动测速。
-
公开(公告)号：CN106886985A
公开(公告)日：2017-06-23
申请号：CN201710277369.0
申请日：2017-04-25
Applicant: 哈尔滨工业大学
Abstract: 一种减小色偏的自适应低照度图像增强方法，涉及低照度图像增强方法。为了解决现有的低照度图像增强方法存在的增强后图像色偏加重、对图像较亮处区域处理不佳导致亮处区域过抑制或过增强的问题。本发明先将低照度图像转换至RGB颜色空间下，做逆S型变换后进行反转，计算反转图像各像素点在RGB三个通道中的最小值，得到初始暗通道图像并进行中值滤波得到大气光强度估值；将反转图像转换到HSV颜色空间下，将V通道的平均灰度值作为平均亮度，求取自适应增强参数；利用大气成像方程求取透射率图像，修正得到透射率平滑图像结合大气成像方程，对反转图像的RGB三个通道进行去雾操作，进行反转后做S型变换得到最终增强图像。本发明适用于图像的增强处理。
-
公开(公告)号：CN103841296B
公开(公告)日：2017-01-18
申请号：CN201310722086.4
申请日：2013-12-24
Applicant: 哈尔滨工业大学
Abstract: 一种具有大范围旋转及平移运动估计的实时电子稳像方法，它涉及具有大范围旋转及平移运动估计的实时电子稳像方法。本发明是为解决现有基于灰度信息的实时电子稳像方法无法对图像的大范围旋转运动进行准确估计，块匹配搜索算法无法准确对大范围的图像帧间旋转及平移运动进行估计，对灰度色调单一的抖动视频只采用块匹配稳像一种方法稳像效果不佳，鲁棒性弱的问题。稳像方法采用图像位平面金字塔中间层进行块匹配解算帧间旋转运动角度，采用图像位平面金字塔自适应取块匹配，配合基于图像位平面金字塔的投影法进行相邻帧间平移运动估计，采用改进的六边形搜索算法进行搜索。本发明用于需进行大范围旋转及平移运动估计的实时电子稳像场合。
-
公开(公告)号：CN103345733B
公开(公告)日：2016-01-13
申请号：CN201310325849.1
申请日：2013-07-31
Applicant: 哈尔滨工业大学
Abstract: 基于改进暗通道先验的快速低照度图像增强方法，本发明涉及快速低照度图像增强方法。本发明是要解决低照度图像增强方法计算量大，实时性差、边缘信息易被模糊、暗通道先验方法对浅色区域不适用、原有的基于暗通道先验低照度增强方法对于反光和不均匀光照区域处理效果差的问题。一、输入图像I(i，j)；二、计算图像I(i，j)的初始暗通道图像D(i，j)；三、计算D(i，j)的像素平均暗通道灰度值和最大暗通道灰度值；四、判断图像I(i，j)中的浅色区域；五、对修改后的暗通道图像进行线性平滑；六、获得平滑的光照强度图像的直方图，并确定标准光照强度；七、恢复图像。属于图像和视频处理领域。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.018 seconds)
