-
公开(公告)号：CN107066986A
公开(公告)日：2017-08-18
申请号：CN201710266975.2
申请日：2017-04-21
Applicant: 哈尔滨工业大学
IPC: G06K9/00
CPC classification number: G06K9/00798 , G06K9/00805
Abstract: 一种基于单目视觉的车道线与前方障碍物检测方法，本发明涉及车道线检测与前方障碍物检测方法。本发明的目的是为了解决现有技术对车道线检测不准确以及前方障碍物检测精度低的缺点。具体过程为：一、采用车载CCD摄像机获取原始图像，对原始图像进行灰度处理，得到灰度图像；二、对灰度图像进行预处理，得到去除杂波后的二值化图像；三、对去除杂波后的二值化图像进行基于霍夫变换的近半区车道线初始检测和压线报警检测；四、根据三得到的近半区车道线初始检测线上的点坐标对近视场车道线和远视场车道线进行抛物线拟合，得到拟合车道线；五、对四得到的拟合车道线内进行障碍物检测。本发明用于图像处理技术领域。
-
Patent Agency Ranking
公开(公告)号：CN119762760A
公开(公告)日：2025-04-04
申请号：CN202411973775.7
申请日：2024-12-30
Applicant: 哈尔滨工业大学
IPC: G06V10/25 , G06V10/44 , G06N3/0455 , G06V10/42 , G06V10/80 , G06N3/0464 , G06N3/048
Abstract: 基于全局特征与多分辨率语义特征交互网络的红外冰山目标检测方法，涉及目标检测技术领域。本发明是为了解决现有冰山目标检测准确率低的问题。本发明包括：获取红外冰山图像，利用红外冰山图像获取训练集；所述训练集中包括：红外冰山图像及对应标签；标签为红外冰山图像中冰山目标轮廓；利用训练集训练GMSINet网络，将训练好的GMSINet网络作为冰山目标检测模型。获取待检测红外冰山图像，将待检测红外冰山图像输入到冰山目标检测模型中，获得海面冰山目标的位置。本发明用于冰山目标检测。
-
公开(公告)号：CN119291682A
公开(公告)日：2025-01-10
申请号：CN202411289604.2
申请日：2024-09-14
Applicant: 哈尔滨工业大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于关键帧提取的ISAR像仿真方法及系统，涉及ISAR图像处理技术领域，以解决逆合成孔径雷达图像数据稀缺问题。本发明的技术要点包括：获取特定视频帧序列；对于特定视频帧序列中每个视频帧图像，提取边缘特征值和HSV帧间特征值；确定每一帧图像所对应的包含该帧及该帧前后预设数目内多帧图像的边缘特征值或HSV帧间特征值中的最大值，判断该最大值是否超过预设阈值，若超过则将该帧图像确定为候选关键帧；利用DS证据理论对多个候选关键帧进行筛选，获取关键帧集合；对关键帧集合中的每个关键帧进行处理，获取ISAR图像序列。本发明为ISAR针对非合作目标成像难以获取大量数据集的问题提供了一种解决方案，可大幅降低雷达数据的获取难度。
-
公开(公告)号：CN119006789A
公开(公告)日：2024-11-22
申请号：CN202411091641.2
申请日：2024-08-09
Applicant: 哈尔滨工业大学
IPC: G06V10/25 , G06V10/42 , G06V10/44 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 基于自适应特征增强交互网络的红外冰山目标检测方法，涉及冰山检测领域。本发明是为了解决现有目标检测方法针对红外冰山目标检测准确率低的问题。本发明包括：获取待识别红外冰山图像，将待识别红外冰山图像输入到训练好的ADENet网络中，ADENet网络编码器获取不同分辨率的红外冰山图像特征图组成的红外冰山特征图集合E＝{E1,E2,E3,E4,E5}；全局对比增强模块利用特征图E5提取目标全局特征，获得特征图#imgabs0#和引导特征Eguide；门控语义特征提取模块利用特征Eguide提取目标语义特征，获得特征图#imgabs1#j取2、3、4；细节特征提取模块利用特征图E1、#imgabs2#提取目标浅层细节特征，获得特征图#imgabs3#解码器用于对特征图#imgabs4#解码并聚合获得红外冰山图像中目标识别结果。本发明用于检测红外冰山目标。
-
公开(公告)号：CN105740917B
公开(公告)日：2019-02-19
申请号：CN201610161544.5
申请日：2016-03-21
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 带有标签学习的高分遥感图像的半监督多视图特征选择方法，属于高分遥感图像的半监督特征选择技术领域。本发明是为了解决现有高分遥感图像特征选择方法中，当只有少量的对象被标出时，监督和无监督的方法不能达到足够好的性能以及视图在高分图像的特征中不可用的问题。它包括以下步骤：一、采集原始图像特征集，生成特征组；二、通过类概率矩阵yu以及含有专属组信息的对角矩阵F，计算获得由所有特征组中所有特征向量的权重系数构成的原始特征权重系数矢量β；三、迭代计算特征权重系数矢量β，选定预设个数的权重系数，将选定的权重系数对应的全体特征向量作为选择出的特征集。本发明用于高分遥感图像的特征选择。
-
公开(公告)号：CN105740917A
公开(公告)日：2016-07-06
申请号：CN201610161544.5
申请日：2016-03-21
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 带有标签学习的高分遥感图像的半监督多视图特征选择方法，属于高分遥感图像的半监督特征选择技术领域。本发明是为了解决现有高分遥感图像特征选择方法中，当只有少量的对象被标出时，监督和无监督的方法不能达到足够好的性能以及视图在高分图像的特征中不可用的问题。它包括以下步骤：一、采集原始图像特征集，生成特征组；二、通过类概率矩阵yu以及含有专属组信息的对角矩阵F，计算获得由所有特征组中所有特征向量的权重系数构成的原始特征权重系数矢量β；三、迭代计算特征权重系数矢量β，选定预设个数的权重系数，将选定的权重系数对应的全体特征向量作为选择出的特征集。本发明用于高分遥感图像的特征选择。
-
-
-
-
-
Search Results
6
records
(took 0.034 seconds)
