-
公开(公告)号：CN114596463B
公开(公告)日：2025-03-04
申请号：CN202210188605.2
申请日：2022-02-28
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/82 , G06V20/13 , G06N3/0464 , G06N3/045
Abstract: 本发明属于计算机技术应用领域，具体涉及一种基于图像的地块类型分类方法。本发明采用神经网络区分从原始卫星图像中以路网信息作为边界划分出的地块单元的类型。神经网络由特征提取器、自适应金字塔池化层以及分类器组成。特征提取器具体包括卷积、批量归一化、ReLU以及最大池化处理；述自适应金字塔池化层利用不同数目及大小的池化窗口对特征提取器得到的特征数据进行最大池化操作，之后再对池化结果进行拼接处理；分类器是将得到的特征向量映射到输入数据的实际标签空间。经过训练的网络模型对地块数据进行类型预测。
-
公开(公告)号：CN114612587B
公开(公告)日：2025-02-28
申请号：CN202210188468.2
申请日：2022-02-28
Applicant: 复旦大学
IPC: G06T11/20
Abstract: 本发明属于计算机技术应用领域，具体涉及一种基于图像的路网结构矢量拟合方法。本发明基于RANSAC算法的原型，设计DL‑RANSAC多尺度矢量拟合算法，用于二值图像目标结构的矢量拟合与便捷存储。算法输入,给定具有目标结构骨架的二值图像，并设定基准算法RANSAC的相关参数,对于DL‑RANSAC的双循环机制，设定两个动态阈值来控制外循环的终止边界：内循环执行RANSAC，每次拟合的线段集合保存后，原图中相应的像素点被删除，通过外循环的动态参数机制，以及最终原图中所剩余像素点数量不满足要求时，算法终止；最终输出拟合的线段集合，包含垂直于x轴的线段集合及非垂直于x轴的线段集合。本发明能实现对目标的多尺度高效拟合。
-
公开(公告)号：CN113376931B
公开(公告)日：2022-11-04
申请号：CN202110646651.8
申请日：2021-06-10
IPC: G03B15/035 , G03B15/05 , H04N5/235 , G06N3/04 , G06N3/08
Abstract: 本发明提出了用于甲状旁腺探测的荧光区域光强补光方法，包括：构建训练数据库；利用神经网络对训练数据库进行训练，以第一光强参数、荧光区域的第二光强参数、补光光源位置信息为神经网络的输入参数，以补光光源的光强为输出结果进行训练；获取待测荧光区域的第一光强参数、待测荧光区域的第二光强参数、补光光源位置信息，根据训练后的神经网络，控制补光光源发出对应光强的光对包含第一光强参数、第二光强参数的荧光区域进行补光，本发明还提出了用于甲状旁腺探测的荧光区域光强补光装置及系统，有效解决由于人为手动调节补光光强造成补光效率低的问题，有效的提高了光强差别较小的荧光区域进行补光的效率以及准确性。
-
公开(公告)号：CN113376931A
公开(公告)日：2021-09-10
申请号：CN202110646651.8
申请日：2021-06-10
IPC: G03B15/035 , G03B15/05 , H04N5/235 , G06N3/04 , G06N3/08
Abstract: 本发明提出了用于甲状旁腺探测的荧光区域光强补光方法，包括：构建训练数据库；利用神经网络对训练数据库进行训练，以第一光强参数、荧光区域的第二光强参数、补光光源位置信息为神经网络的输入参数，以补光光源的光强为输出结果进行训练；获取待测荧光区域的第一光强参数、待测荧光区域的第二光强参数、补光光源位置信息，根据训练后的神经网络，控制补光光源发出对应光强的光对包含第一光强参数、第二光强参数的荧光区域进行补光，本发明还提出了用于甲状旁腺探测的荧光区域光强补光装置及系统，有效解决由于人为手动调节补光光强造成补光效率低的问题，有效的提高了光强差别较小的荧光区域进行补光的效率以及准确性。
-
Patent Agency Ranking
公开(公告)号：CN120047912A
公开(公告)日：2025-05-27
申请号：CN202510113438.9
申请日：2025-01-24
Applicant: 复旦大学
IPC: G06V20/56 , G06V10/764 , G06V10/80 , G06T17/05 , G06V10/762 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种月球永久阴影区内的平坦区域检测方法和系统，方法包括：获取待检测的SAR图像和DEM数据；将SAR图像输入目标检测算法模型中，获取陨石坑区域和未检出陨石坑区域的检测结果；对SAR图像进行Kmeans检测，得到SAR图像中每个像素点为粗糙区域还是非粗糙区域的统计分类结果；将DEM数据转变为倾斜角度图，通过阈值提取算法在倾斜角度图中确定平坦区域和斜坡区域的分类结果；将陨石坑区域和未检出陨石坑区域的检测结果、粗糙区域和非粗糙区域的统计分类结果，以及平坦区域和斜坡区域的分类结果进行配准后融合，得到最终的平坦区域检测结果。与现有技术相比，本发明具有能够快速、精确、安全地进行月球永久阴影区内的平坦区域检测等优点。
-
公开(公告)号：CN114596373B
公开(公告)日：2025-05-13
申请号：CN202210188473.3
申请日：2022-02-28
Applicant: 复旦大学
IPC: G06T9/00 , G06V10/762 , G06V10/764
Abstract: 本发明属于计算机技术应用领域，具体为一种线段聚合重构及压缩优化方法。本发明包括设定一定的线段分类聚集规则，将属于同一结构段的线段进行归类并加以处理，随后根据线段的坐标集合表示，进行进一步的矢量压缩，得到目标结构最终的矢量表示结果。其中，线段分类聚集规则，基于二维数据结构[k,b](k为直线的斜率，b为偏置)，利用线段的夹角θ作为相似的度量值之一，对不同的线段进行聚类。根据两线段的平行、相交等多种情况，设定不同的阈值。本发明方法在实验数据上的结果表明，经过对同一路段多条结果的分类重构之后，效果依然良好。
-
公开(公告)号：CN114612587A
公开(公告)日：2022-06-10
申请号：CN202210188468.2
申请日：2022-02-28
Applicant: 复旦大学
IPC: G06T11/20
Abstract: 本发明属于计算机技术应用领域，具体涉及一种基于图像的路网结构矢量拟合方法。本发明基于RANSAC算法的原型，设计DL‑RANSAC多尺度矢量拟合算法，用于二值图像目标结构的矢量拟合与便捷存储。算法输入,给定具有目标结构骨架的二值图像，并设定基准算法RANSAC的相关参数,对于DL‑RANSAC的双循环机制，设定两个动态阈值来控制外循环的终止边界：内循环执行RANSAC，每次拟合的线段集合保存后，原图中相应的像素点被删除，通过外循环的动态参数机制，以及最终原图中所剩余像素点数量不满足要求时，算法终止；最终输出拟合的线段集合，包含垂直于x轴的线段集合及非垂直于x轴的线段集合。本发明能实现对目标的多尺度高效拟合。
-
公开(公告)号：CN114596373A
公开(公告)日：2022-06-07
申请号：CN202210188473.3
申请日：2022-02-28
Applicant: 复旦大学
IPC: G06T9/00 , G06K9/62 , G06V10/762 , G06V10/764
Abstract: 本发明属于计算机技术应用领域，具体为一种线段聚合重构及压缩优化方法。本发明包括设定一定的线段分类聚集规则，将属于同一结构段的线段进行归类并加以处理，随后根据线段的坐标集合表示，进行进一步的矢量压缩，得到目标结构最终的矢量表示结果。其中，线段分类聚集规则，基于二维数据结构[k,b](k为直线的斜率，b为偏置)，利用线段的夹角θ作为相似的度量值之一，对不同的线段进行聚类。根据两线段的平行、相交等多种情况，设定不同的阈值。本发明方法在实验数据上的结果表明，经过对同一路段多条结果的分类重构之后，效果依然良好。
-
公开(公告)号：CN114596463A
公开(公告)日：2022-06-07
申请号：CN202210188605.2
申请日：2022-02-28
Applicant: 复旦大学
Abstract: 本发明属于计算机技术应用领域，具体涉及一种基于图像的地块类型分类方法。本发明采用神经网络区分从原始卫星图像中以路网信息作为边界划分出的地块单元的类型。神经网络由特征提取器、自适应金字塔池化层以及分类器组成。特征提取器具体包括卷积、批量归一化、ReLU以及最大池化处理；述自适应金字塔池化层利用不同数目及大小的池化窗口对特征提取器得到的特征数据进行最大池化操作，之后再对池化结果进行拼接处理；分类器是将得到的特征向量映射到输入数据的实际标签空间。经过训练的网络模型对地块数据进行类型预测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
