-
公开(公告)号：CN117152470A
公开(公告)日：2023-12-01
申请号：CN202311148175.2
申请日：2023-09-07
Applicant: 西北工业大学
IPC: G06V10/75 , G06V10/44 , G06V10/82 , G06V20/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于深度特征点匹配的空天非合作目标位姿估计方法及装置，属于图像处理、深度学习、航空航天领域。构建了特征点回归提取模块，利用编码器‑解码器结构，从RGB图像和深度图像中提取亚像素关键点。设计了一个多通道特征点配对网络，利用三种损失函数，获取体参考系中关键点的配对。提出了一种非迭代不匹配移除方法，进一步提高配对精度，并从匹配的关键点中提取目标旋转矩阵，获得非合作目标的姿态信息。本发明解决了非合作目标的前后景不显著问题和非合作目标特征点提取精确度不高问题，提高了目标姿态估计的准确度和鲁棒性。
-
公开(公告)号：CN115018748A
公开(公告)日：2022-09-06
申请号：CN202210635583.X
申请日：2022-06-06
Applicant: 西北工业大学
Abstract: 本发明提供了一种结合模型结构重构和注意力机制的空天遥感图像融合方法。分别对红外图像和可见光图像进行特征提取，使用注意力机制进行权重分配，将两个通道的数据进行拼接，最后再结合图像特征提取阶段的浅层数据特征进行图像重建，最后得到融合结果。本发明在图像重构时同时使用浅层特征层和深度特征层，有效避免了深层神经网络结构容易出现的特征丢失问题；引入了注意力机制模块，有效减弱了源图像中复杂背景的干扰，有效凸显重要目标信息；引入了模型结构重构模块，在保证图像融合效果的前提下有效提升了图像的融合速度。
-
公开(公告)号：CN117495659A
公开(公告)日：2024-02-02
申请号：CN202311405331.9
申请日：2023-10-27
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于温度热力特性的红外背景多波段图像生成方法，属于图像处理、红外特性领域。用于合成真实的红外背景用作红外特征，利用红外成像系统仿真中的长波红外实现短波红外、中波红外之间的波段转换。首先利用长波波段的红外背景图转换为辐射值，再将辐射值转换为具有温度‑辐射特性的温度特性图；然后，将温度特性转换为对应波段的红外图像；最后根据变换后的红外背景的辐射值调整红外目标特征的灰度级，将红外目标和背景特征可以合成为特定波长的图像。
-
公开(公告)号：CN114972720A
公开(公告)日：2022-08-30
申请号：CN202210605452.7
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V10/22 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/762 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于自主图像感知的高精度无人定位方法，采用方形函数和可变焦损失函数对图像中的密集陨石坑进行检测，利用相似度聚类和灰度直方图匹配实现模型迁移，提升算法的泛化性和鲁棒性，之后采用多维三角定位法，实现陨石坑的高精度辨识和定位。通过本发明可以实现高精度的陨石坑自主检测和辨识方法，从而为航天器着陆提供高精度的地标信息。本发明对密集陨石图像的目标检测精度高、可靠性好，模型适应性强，可以适应多种分辨率，多种陨石坑图像场景，同时能够对图像中的陨石坑实现高精度辨识和定位。
-
公开(公告)号：CN113902974B
公开(公告)日：2024-05-17
申请号：CN202111134920.9
申请日：2021-09-27
Applicant: 西北工业大学
IPC: G06V10/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明公开了一种基于卷积神经网络的空战威胁目标识别方法，首先在ResNet模型的主干网络中加入注意力机制，增强感兴趣区域的特征表现能力，降低无用信息对于识别结果的影响，提高检测模型的区域聚焦能力；然后在ResNet模型的最后将单一全连接层的结构改成双全连接层的结构，分别对空战威胁目标的威胁类型与制导类型进行特征映射，以便提高模型的识别能力，加快模型的收敛。通过上述两种方法，得到改进后的ResNet模型，使用改进后的ResNet模型能够对空战威胁目标类型进行识别，实现空战威胁目标识别任务。本发明充分利用通道注意力和空间注意力机制来指导重要特征信息的传递，有效的提高识别模型对于全局信息的感知能力和空战威胁目标类型的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN114972920A
公开(公告)日：2022-08-30
申请号：CN202210605542.6
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V10/774 , G06N3/04 , G06N3/08 , G06V10/80 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种多层次无监督领域自适应目标检测识别方法，首先利用源数据域的图像和对应的标签，对深度学习模型进行有监督训练。同时利用仿真生成模型，生成对应目标的图像，和目标域数据中的目标保持一致，通过修改仿真模型参数，生成不同条件下的数据集，从而实现泛化的中间域数据集。之后，利用源域训练好的模型，对中间域数据集进行渐次的域适应。模型参数适应之后，再引入目标域数据集，进行无监督自学习，生成伪标签，再次对模型进行参数微调，最终实现目标检测模型的多层次无监督领域自适应。本发明方法提高了模型的无监督目标检测精度和可靠性。
-
公开(公告)号：CN113902974A
公开(公告)日：2022-01-07
申请号：CN202111134920.9
申请日：2021-09-27
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于卷积神经网络的空战威胁目标识别方法，首先在ResNet模型的主干网络中加入注意力机制，增强感兴趣区域的特征表现能力，降低无用信息对于识别结果的影响，提高检测模型的区域聚焦能力；然后在ResNet模型的最后将单一全连接层的结构改成双全连接层的结构，分别对空战威胁目标的威胁类型与制导类型进行特征映射，以便提高模型的识别能力，加快模型的收敛。通过上述两种方法，得到改进后的ResNet模型，使用改进后的ResNet模型能够对空战威胁目标类型进行识别，实现空战威胁目标识别任务。本发明充分利用通道注意力和空间注意力机制来指导重要特征信息的传递，有效的提高识别模型对于全局信息的感知能力和空战威胁目标类型的识别精度。
-
公开(公告)号：CN112465759A
公开(公告)日：2021-03-09
申请号：CN202011303408.8
申请日：2020-11-19
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于卷积神经网络的航空发动机叶片缺陷检测方法，将Yolov3模型上采样结构中的双线性插值方法改为双三次插值方法，增强底层特征与深层特征的融合效果，提高检测模型的细节感知能力；同时在Yolov3模型的主干网络中加入注意力机制，增强感兴趣区域的特征表现能力，降低背景噪声等无用信息对于检测结果的影响，提高检测模型的区域聚焦能力。通过上述两种方法，得到改进后的Yolov3模型，使用改进后的Yolov3模型能够对航空发动机叶片缺陷进行检测，有效提升了图像中缺陷区域检测框的召回率，提高了缺陷区域的检测精度。
-
公开(公告)号：CN114972720B
公开(公告)日：2024-02-20
申请号：CN202210605452.7
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V10/22 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/762 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于自主图像感知的高精度无人定位方法，采用方形函数和可变焦损失函数对图像中的密集陨石坑进行检测，利用相似度聚类和灰度直方图匹配实现模型迁移，提升算法的泛化性和鲁棒性，之后采用多维三角定位法，实现陨石坑的高精度辨识和定位。通过本发明可以实现高精度的陨石坑自主检测和辨识方法，从而为航天器着陆提供高精度的地标信息。本发明对密集陨石图像的目标检测精度高、可靠性好，模型适应性强，可以适应多种分辨率，多种陨石坑图像场景，同时能够对图像中的陨石坑实现高精度辨识和定位。
-
公开(公告)号：CN114973390A
公开(公告)日：2022-08-30
申请号：CN202210605519.7
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V40/18 , G06T7/80 , G06T7/246 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种结合眼动注意力机制的复杂背景红外微弱目标检测方法，采集红外微弱目标图像数据作为训练样本；再进行数据增强，然后设计带有眼动采集功能的专家判读系统和相应的采集流程，收集专家的眼动信号；对眼动信号进行预处理，同时利用图神经网络获取眼动信号的局部特征和全局特征；构建眼动注意力机制，采用典型的YOLO网络对红外微弱目标图像进行特征提取，然后将眼动信号的特征作为注意力特征的YOLO网络的特征进行特征融合，将眼动信号作为网络特征参数的约束；最后对模型进行训练，并进行对比分析。本发明能够实现红外图像的自动化检测，大幅提高图像判读的准确性，可靠性和泛化性，进一步降低红外图像检测的人工成本。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.022 seconds)
