-
公开(公告)号：CN111784619B
公开(公告)日：2023-04-28
申请号：CN202010629990.0
申请日：2020-07-03
Applicant: 电子科技大学
IPC: G06T5/50 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理技术领域，具体涉及一种红外和可见光图像的融合方法。本发明提供的基于混合l1‑l0分解模型与自编码器的红外和可见光图像融合方法，使用混合l1‑l0分解模型将图像分解结果作为双层自编码网络的输出，使得双层自编码网络自备层分解能力。将图像特征分解到基础层特征和细节层特征，对不同层次定制不同的融合策略能够保有更多的纹理信息和热辐射信息。利用l1范数策略补偿显著性检测忽略的热辐射信息，提高了基础层融合的鲁棒性。网络采用端到端的方式简化训练过程，降低了模型复杂度。通过矩阵运算，降低了特征融合处理时耗，进而提升融合框架的响应速度。
-
公开(公告)号：CN111784743B
公开(公告)日：2022-03-29
申请号：CN202010629997.2
申请日：2020-07-03
Applicant: 电子科技大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种红外弱小目标检测方法。本发明提供了使用卷积神经网络的空中红外弱小目标检测方法，使用MNIST手写数据集生成需要的数据集，针对基于单帧红外图像的滤波器难以设计的问题，让卷积神经网络学习背景的分布模式，通过学习到的滤波器可以对红外图像的背景进行很好的抑制；避免了通过自己来设计滤波器这一步骤，因为只需要使用简单的滤波器来进行背景抑制，所以对检测速度也有很好的提升。本发明测试红外弱小目标的图像都能很好的检测出来，并且同其他的算法进行ROC曲线对比也有比较好的效果。
-
公开(公告)号：CN111842895A
公开(公告)日：2020-10-30
申请号：CN202010805948.X
申请日：2020-08-12
Applicant: 电子科技大学
Abstract: 本发明提供了一种用于激光选区融化SLM的智能刮刀装置，属于增材制造领域，包括刮刀内芯、调节架体以及铺粉橡胶条；所述调节架体上设置有若干个固定孔，所述刮刀内芯通过固定孔固定在所述调节架体的内部，所述刮刀内芯的下侧设置有工形槽，所述铺粉橡胶条的上部通过工形槽夹持固定在刮刀内芯的下侧。本发明通过以上设计，解决了现有技术中不能精准监测铺粉质量和成型过程中零件表面质量的问题，以及不能精准控制铺粉刮刀的水平度的问题。
-
Patent Agency Ranking
公开(公告)号：CN109034035A
公开(公告)日：2018-12-18
申请号：CN201810790884.3
申请日：2018-07-18
Applicant: 电子科技大学
CPC classification number: G06K9/00369 , G06K9/342 , G06K9/4671 , G06K9/6215 , G06K9/6256 , G06K9/6267 , G06K9/629
Abstract: 本发明提供了一种基于显著性检测和特征融合的行人重识别方法，主要包括：1)将显著性检测作为重识别的预处理部分，即利用基于流行排序的显著性算法计算出行人图像的前景，从而去除冗余的背景干扰信息；2)识别模型将行人重识别作为一种多分类的任务，但由于行人ID较多，相对每一行人样本过少，容易过拟合；验证模型将所有样本分成相同对和非相同对两类，大量增加了样本数量，但对于标签的信息利用不够；传统特征如LAB,HOG等人为手工设计，针对行人重识别任务中跨视角的问题有较好的效果，本发明结合验证和识别模型，融合深度和传统特征，构建了一个识别验证网络，能够提取出有判别性的鲁棒的特征，从而较好的识别效果。
-
公开(公告)号：CN111784743A
公开(公告)日：2020-10-16
申请号：CN202010629997.2
申请日：2020-07-03
Applicant: 电子科技大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种红外弱小目标检测方法。本发明提供了使用卷积神经网络的空中红外弱小目标检测方法，使用MNIST手写数据集生成需要的数据集，针对基于单帧红外图像的滤波器难以设计的问题，让卷积神经网络学习背景的分布模式，通过学习到的滤波器可以对红外图像的背景进行很好的抑制；避免了通过自己来设计滤波器这一步骤，因为只需要使用简单的滤波器来进行背景抑制，所以对检测速度也有很好的提升。本发明测试红外弱小目标的图像都能很好的检测出来，并且同其他的算法进行ROC曲线对比也有比较好的效果。
-
公开(公告)号：CN111784619A
公开(公告)日：2020-10-16
申请号：CN202010629990.0
申请日：2020-07-03
Applicant: 电子科技大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种红外和可见光图像的融合方法。本发明提供的基于混合l1-l0分解模型与自编码器的红外和可见光图像融合方法，使用混合l1-l0分解模型将图像分解结果作为双层自编码网络的输出，使得双层自编码网络自备层分解能力。将图像特征分解到基础层特征和细节层特征，对不同层次定制不同的融合策略能够保有更多的纹理信息和热辐射信息。利用l1范数策略补偿显著性检测忽略的热辐射信息，提高了基础层融合的鲁棒性。网络采用端到端的方式简化训练过程，降低了模型复杂度。通过矩阵运算，降低了特征融合处理时耗，进而提升融合框架的响应速度。
-
公开(公告)号：CN109063609A
公开(公告)日：2018-12-21
申请号：CN201810791861.4
申请日：2018-07-18
Applicant: 电子科技大学
CPC classification number: G06K9/00778 , G06K9/6247 , G06K9/6256 , G06N3/0454
Abstract: 本发明提供一种基于光流特征与全卷积语义分割特征结合的异常行为检测方法，包括训练阶段：1)对搭建好的全卷积网络进行初始化训练；2)加入提取到的光流特征对新加入的一层卷积层进行再次训练得到最终的网络结构和网络参数。测试阶段：1)输入原始图像和提取到的光流特征通过训练好的卷积神经网络得到最初的异常检测结果；2)对初步检测的结果进行空间上的优化，在空间上，异常位置的存在不会是孤立的一些点，会有一定的区域，因此首先设置一个面积阈值去除一些噪声点；3)对空间上优化后的检测结果进行时间上的优化，常行为的发生在时域上是连续的，不会孤立的存在于某一帧，因此设置一个时间阈值，纠正一些检测错误的帧。本发明针对复杂场景下的异常行为检测，通过结合光流特征和全卷积语义分割特征，并通过空间和时间上的优化，有效的提高了检测的准确率和鲁棒性。
-
公开(公告)号：CN212598871U
公开(公告)日：2021-02-26
申请号：CN202021675915.X
申请日：2020-08-12
Applicant: 电子科技大学
Abstract: 本实用新型提供了一种用于激光选区融化SLM的智能刮刀装置，属于增材制造领域，包括刮刀内芯、调节架体以及铺粉橡胶条；所述调节架体上设置有若干个固定孔，所述刮刀内芯通过固定孔固定在所述调节架体的内部，所述刮刀内芯的下侧设置有工形槽，所述铺粉橡胶条的上部通过工形槽夹持固定在刮刀内芯的下侧。本实用新型通过以上设计，解决了现有技术中不能精准监测铺粉质量和成型过程中零件表面质量的问题，以及不能精准控制铺粉刮刀的水平度的问题。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
