-
公开(公告)号：CN110245675A
公开(公告)日：2019-09-17
申请号：CN201910264671.1
申请日：2019-04-03
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域，具体为一种基于毫米波图像人体上下文信息的危险物体检测方法。本发明首先利用卷积神经网络对输入的毫米波图像进行下采样操作，在高层特征空间中使用自顶而上结构来恢复人体上下文信息，将下采样阶段获得到的人体携带物与自顶而下结构获得的人体上下文信息相融合，共同预测前景目标；另外，针对初始化的候选框不能有效地匹配地面真实的问题，本发明采用辅助监督函数来给予初始化候选框坐标回归，在标准测试集与实际测试场景中提升模型的检出率。本发明可以实时、自动识别毫米波图像中的危险物体，大大提升安检、安防的效率。
-
公开(公告)号：CN102214298B
公开(公告)日：2013-10-16
申请号：CN201110166001.X
申请日：2011-06-20
Applicant: 复旦大学
Abstract: 本发明属于遥感图像目标检测与识别技术领域，具体为一种基于选择性视觉注意机制的遥感图像机场目标快速检测和识别的方法。本发明用改进后的注意力选择模型GBVS(Graph-basedVisualSaliency)对原始遥感图像进行显著性分析，得到显著性区域，并根据区域上的SIFT(Scale-invariantFeatureTransform)特征结合HDR(HierachicalDiscriminantRegression)树达到机场目标识别的目的。本发明能有效地克服传统机场检测方法中对图像逐像素分析的缺点。实验结果表明，本发明较现有的其它机场检测方法具有速度快、识别率高、虚警率低的特点，同时对噪声有较强的鲁棒性，非常适用于军事和民用领域复杂背景下的实时目标检测，对于实际应用具有较大的意义和价值。
-
公开(公告)号：CN102903116A
公开(公告)日：2013-01-30
申请号：CN201210400139.6
申请日：2012-10-20
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一类基于图像块距离的高光谱图像流形降维方法。本发明提出一种新的距离度量——图像块距离度量，并将其应用于流形学习的邻域选择和低维坐标嵌入中，得到一类新的高光谱遥感图像非线性降维方法。本发明利用高光谱图像物理特性，结合图像的光谱信息和空间信息，可以更好地保持了数据点之间的局部特性，在最大限度减小图像信息冗余的基础之上，很好的保持了原始数据集的特性。本发明对各种不同的高光谱数据都表现出良好的适用性。在基于高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有重要的应用价值。
-
-
公开(公告)号：CN1909064B
公开(公告)日：2011-05-18
申请号：CN200610030252.4
申请日：2006-08-22
Applicant: 复旦大学
Abstract: 本发明属于信号处理技术领域，具体为一种可以在线处理语音信号卷积混合盲分离的无监督学习算法。该算法可以应用于语音通信和机器人语音交互的前端处理方面。本算法充分考虑自然语音信号的时域相关性和非平稳特性，通过构造一组自适应的前馈滤波网络，对多个源的混合语音信号进行实时的分离工作，可以解决语音通信当中的语音增强问题以及机器人语音交互当中只允许单个说话人的局限性问题等。同时，算法本身复杂度较低，易于硬件实现，所以在电话会议，智能机器人，汽车通信等语音信号处理领域内有较好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN102054273A
公开(公告)日：2011-05-11
申请号：CN201010539637.X
申请日：2010-11-11
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于单形体三角分解的高光谱遥感图像混合像元分解方法。本发明采用采用线性混合模型，具体步骤包括两部分：端元提取和丰度估计。该方法既是一种单形体类的几何方法，同时又建立在三角分解的代数原理之上。三角分解可采用Cholesky分解和QR分解，能够通过递归操作，在端元提取过程中提高端元的搜索效率。本发明可以有效地提取高光谱遥感数据中的端元，解决相应的混合像元分解问题。在基于高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有特别重要的应用价值。
-
公开(公告)号：CN101866424A
公开(公告)日：2010-10-20
申请号：CN201010179325.2
申请日：2010-05-20
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于独立分量分析的高光谱遥感图像混合像元分解方法。本发明根据高光谱图像的物理特性，在独立分量分析的目标函数中引入丰度和为一约束与丰度非负约束，并且提出一种自适应的丰度建模方法来描述数据的概率分布，从而对各种不同的遥感数据都表现出良好的适用性。本方法可以有效地解决高混合度和各种干扰下的遥感数据混合像元分解问题。在基于多光谱和高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有重要的应用价值。
-
公开(公告)号：CN101030299B
公开(公告)日：2010-05-19
申请号：CN200710038629.5
申请日：2007-03-29
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于数据空间正交基的遥感图像混合像元分解方法。在由数据集形成的具有最大体积的单形体中，该方法通过递推寻找该单形体的一个新顶点来确定一个新的端元。同时，在每一个端元的提取过程中，将基于行列式的单形体体积计算等价于一组正交基模乘积的计算，从而可显著提高方法的计算效率并确保本方法总能获得相同的端元提取结果。此外，本发明不仅能快速有效的完成端元提取工作，还可以同时完成端元个数确定与丰度解混两项工作，其性能优于传统的基于单形体的遥感图像混合像元分解方法。新方法在基于多光谱和高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有特别重要的应用价值。
-
公开(公告)号：CN101587590A
公开(公告)日：2009-11-25
申请号：CN200910053224.8
申请日：2009-06-17
Applicant: 复旦大学
Abstract: 本发明涉及一种基于脉冲余弦变换的选择性视觉注意计算模型。此模型给定输入图像M，其视觉显著图计算步骤为：式(1)P＝sign(C(M))，式(2)F＝abs(C -1 (P))，式(3)SM＝G*F 2 ，C和C -1 分别表示离散余弦变换和它的逆变换，sign(.)为符号函数，abs(.)为取绝对值函数，G是二维高斯低通滤波器，其中，在(1)式中仅仅保留DCT系数的符号，丢弃了幅度信息；其二元化系数(即-1和1)模拟了人脑神经元的放电与否；将(1)式称为脉冲余弦变换(PCT)，此方法称为计算视觉显著图的模型，最后，视觉显著图由(2)、(3)两式计算得到。此方法模型结构简单，运算量低，在机器人导航，虚拟人系统，自动对焦系统等计算机视觉领域内有广泛的应用前景。
-
公开(公告)号：CN101419669A
公开(公告)日：2009-04-29
申请号：CN200810201170.0
申请日：2008-10-14
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域，具体为一种可以自动地从三维深度数据中提取出人耳的算法。该算法可以应用于计算机自动人耳识别系统的前端处理方面。本算法通过统计耳朵轮廓在Contourlet变换域不同子带不同位置上系数的分布概率，构建耳朵概率模型，利用这个模型，把非人耳轮廓边缘过滤掉，只留下耳朵边缘，再计算这些边缘的凸壳，从而实现了三维人耳的精确提取。本发明具有较低的计算复杂度，同时提取的三维人耳具有较高的精确度，对于进一步提高计算机自动人耳识别系统性能具有重要的实际应用价值，在身份认证和识别领域具有较好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.019 seconds)
