-
公开(公告)号：CN111624549B
公开(公告)日：2023-03-24
申请号：CN202010408859.1
申请日：2020-05-14
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供非共视条件下无源滤波跟踪方法，由观测信息及模型建立系统状态方程和量测方程；判断是否发生非共视情形，调整过程噪声矩阵及其附加系数；根据可视观测站个数，确定量测矩阵维数并进行滤波跟踪中的预测、估计及更新。本发明在跟踪过程中出现非共视情形，即观测站在各时刻接收到的目标信息量不均等，为保证连续跟踪，给定不同的阶段过程噪声及非线性过程噪声附加系数，实时调节对目标预测值与观测值的信任程度，并应用更适合非线性系统的UKF算法，使得跟踪效果更加优越。
-
公开(公告)号：CN111062310B
公开(公告)日：2022-07-29
申请号：CN201911280878.4
申请日：2019-12-13
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/75 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明属于机器学习领域，具体涉及实用性很强的一种基于虚拟样本生成的少样本无人机图像识别方法。本发明通过摄像装置由地对空远距离拍摄一段帧数为N的无人机飞行的短视频，获取N个的无人机区域作为正样本，结合其它相关视频收集树、楼、云、鸟、风筝、气球等干扰小区域作为负样本，作为训练样本集。本发明的有益效果在于：在不过度失真的情况下，增加样本的有效信息和多样性，从而提升了模型的泛化能力；识别算法部分中，快速DPM模型采用固定了根滤波器输入的特征图和锚点的位置以及符合无人机模块化特征的部件模型，提升了运行速度和准确率。
-
公开(公告)号：CN112861744A
公开(公告)日：2021-05-28
申请号：CN202110192691.X
申请日：2021-02-20
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于旋转锚点聚类的遥感图像目标快速检测方法，首先利用基于k‑means聚类算法设计旋转锚点，得到一系列旋转锚点；再通过对旋转锚点进行前景背景二分类和坐标粗回归，结合旋转非极大值抑制后处理，得到正负样本信息和精简后的高质量提案；最后对提案进行多尺度旋转RoI池化处理，得到含有感兴趣区RoIs的固定长度向量，把向量输入到全连接层(FC)进行具体类别的分类与坐标回归，再次采用INMS后处理得到目标的最终检测结果。本发明能有效降低锚点的冗余度、提升遥感图像目标的检测速度与检测精度、算法易于实现、调参简便、具备数学可解释性等优点，该方法具有广阔的应用前景和良好的经济效益。
-
公开(公告)号：CN105389781A
公开(公告)日：2016-03-09
申请号：CN201510726800.6
申请日：2015-10-30
Applicant: 哈尔滨工程大学
CPC classification number: G06T5/001 , G06K9/4604 , G06K9/4652 , G06T2207/10024 , G06T2207/20192
Abstract: 本发明涉及图像处理领域，具体涉及一种基于显著性检测和Criminisi算法的车辆光照修复方法。本发明包括：采集受光照影响的车辆图像；将获取的车辆图像从RGB空间转换到YUV空间，在YUV空间进行亮度显著性检测；同时提取原图像的轮廓边缘特征，找到车辆的边缘信息；利用车辆的边缘信息和Criminisi算法对待修复区域完成光照修复；原图像与修复后的图像在lab空间做差值运算。本发明采用轮廓边缘信息和Criminisi算法相结合可以减少轮廓边缘处信息跳变对修复的影响，采用lab空间原图像和修复图像差值运算，可以使修复效果更准确。本发明具有很大的实际应用性，对车辆的颜色特征识别有很大的帮助。
-
公开(公告)号：CN115797645A
公开(公告)日：2023-03-14
申请号：CN202211549526.6
申请日：2022-12-05
Applicant: 哈尔滨工程大学
IPC: G06V10/30 , G06V10/10 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/048 , G06N3/084 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种防疫场景下目标检测方法，首先对输入图像使用YOLO系列基础网络中的深度卷积神经网络和FPN技术进行特征提取与跨尺度处理，生成三层特征图；然后利用特征融合模块，对每层特征图使用该层的特征并结合其他层的跨尺度特征映射，得到三层融合增强特征图；随后利用特征降噪模块，使用通道注意力机制、卷积操作、Softmax处理生成三层降噪特征图，并且利用显著特征图与二值图计算注意力损失；最后使用YOLO系列预测模块进行分类和坐标回归，采用非极大值抑制处理后显示输出。本发明充分利用图像中目标的多层特征信息，有效抑制背景信息存在的噪声信息，对于检测精度提升效果明显，具有良好的应用前景和经济效益。
-
Patent Agency Ranking
公开(公告)号：CN111062310A
公开(公告)日：2020-04-24
申请号：CN201911280878.4
申请日：2019-12-13
Applicant: 哈尔滨工程大学
Abstract: 本发明属于机器学习领域，具体涉及实用性很强的一种基于虚拟样本生成的少样本无人机图像识别方法。本发明通过摄像装置由地对空远距离拍摄一段帧数为N的无人机飞行的短视频，获取N个的无人机区域作为正样本，结合其它相关视频收集树、楼、云、鸟、风筝、气球等干扰小区域作为负样本，作为训练样本集。本发明的有益效果在于：在不过度失真的情况下，增加样本的有效信息和多样性，从而提升了模型的泛化能力；识别算法部分中，快速DPM模型采用固定了根滤波器输入的特征图和锚点的位置以及符合无人机模块化特征的部件模型，提升了运行速度和准确率。
-
公开(公告)号：CN109859246A
公开(公告)日：2019-06-07
申请号：CN201910117155.6
申请日：2019-02-15
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于相关滤波算法与视觉显著性算法的低空慢速无人机跟踪方法，属于图像处理领域，主要包括如下步骤：在实际应用场合获取地面监控提供的图片序列数据，获取上帧目标信息后，通过相关滤波算法在较小搜索区域内计算相关性响应输出，再通过视觉显著性算法在较大搜索区域内提取目标周边显著性图，最后对二者的输出结果进行融合，获取目标的跟踪结果。该无人机跟踪方法适用于地面监控对空中无人机进行跟踪，具有实用性强、鲁棒性好、易于实现的特点，并能适应较复杂的气象背景，对目标过小、目标快速运动、目标尺度快速变化等不利因素有一定抗性；该方法可以广泛应用于四旋翼无人机跟踪领域。
-
公开(公告)号：CN112861744B
公开(公告)日：2022-06-17
申请号：CN202110192691.X
申请日：2021-02-20
Applicant: 哈尔滨工程大学
IPC: G06V20/13 , G06V10/25 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于旋转锚点聚类的遥感图像目标快速检测方法，首先利用基于k‑means聚类算法设计旋转锚点，得到一系列旋转锚点；再通过对旋转锚点进行前景背景二分类和坐标粗回归，结合旋转非极大值抑制后处理，得到正负样本信息和精简后的高质量提案；最后对提案进行多尺度旋转RoI池化处理，得到含有感兴趣区RoIs的固定长度向量，把向量输入到全连接层(FC)进行具体类别的分类与坐标回归，再次采用INMS后处理得到目标的最终检测结果。本发明能有效降低锚点的冗余度、提升遥感图像目标的检测速度与检测精度、算法易于实现、调参简便、具备数学可解释性等优点，该方法具有广阔的应用前景和良好的经济效益。
-
公开(公告)号：CN110288539A
公开(公告)日：2019-09-27
申请号：CN201910474573.0
申请日：2019-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种结合颜色空间移动与暗通道先验的水下图像清晰方法，通过采集水下图像，对输入的已经产生雾化效果的水下图像，反演水下图像雾化过程建立退化模型；通过颜色空间移动得到暗通道图，使此暗通道图更适应水下环境成像特性，进而对暗通道图进行分块循环筛选，定位到最佳分析区域，以便更加准确的利用上述模型估计全局背景光强；再通过得到的暗通道图与全局背景光强，带入已建立的模型，反演图像退化过程，复原水下图像，有效的去除雾化效果带来的模糊，实现水下图像的清晰化。该水下图像去雾清晰化方法具有实用性强、鲁棒性好、易于实现的特点，对人工照明、白色鱼群等不利因素有一定抗性，具有广阔的应用前景和良好的经济效益。
-
公开(公告)号：CN109859200A
公开(公告)日：2019-06-07
申请号：CN201910117583.9
申请日：2019-02-15
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于背景分析的低空慢速无人机快速检测方法，属于四旋翼无人机快速检测领域。该方法主要包括如下步骤：在实际应用场合获取地面监控提供的图片序列数据，提取并量化图像中运动目标的信息，同时提取图像边缘信息进行背景分析，借此检测出低空慢速无人机。在背景分析的过程中，首先选取运动目标的邻近区域，进行分块处理，并统计各个分块内的边缘信息量；然后通过统计结果判断该运动目标的背景情况，保留天空背景下的疑似目标信息；最后对下一帧再次进行背景分析，若分析结果均为疑似目标，则判断为无人机。该方法具有实用性强、鲁棒性好、易于实现的特点，并能适应较复杂的气象条件，对镜头抖动、镜头转动、等不利因素有一定抗性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.025 seconds)
