基于鲁棒背景估计方法的高光谱图像局部目标检测方法

    公开(公告)号:CN104346812B

    公开(公告)日:2017-04-12

    申请号:CN201410538062.8

    申请日:2014-10-13

    Abstract: 本发明公开了一种基于鲁棒背景估计方法的高光谱图像局部目标检测方法,用于解决现有高光谱图像局部目标检测方法虚警率高的技术问题。技术方案是首先利用基于光谱角的聚类方法,在白化空间中对输入图像进行聚类。在检测过程中,引入MCD估计方法估计待测像元所属聚类的背景参数,从而提高检测性能。在RIT提供的数据集上目标测试结果显示,反映虚警数的平均得分为2.8,较Halper的改进方法降低了4.4。卫星拍摄的AVIRIS数据集上的测试结果表明,在100%的检测率下,虚警率为0.11%,而Halper的方法虚警率为0.29%左右,全局方法的虚警率为0.82%;可见本发明方法明显降低了虚警率。

    基于非分离稀疏先验的高光谱图像压缩感知方法

    公开(公告)号:CN104732566A

    公开(公告)日:2015-06-24

    申请号:CN201510114262.5

    申请日:2015-03-16

    Abstract: 本发明公开了一种基于非分离稀疏先验的高光谱图像压缩感知方法,用于解决现有高光谱图像压缩感知方法重建精度低的技术问题。技术方案是采集每个像素光谱的少量线性观测值作为压缩数据,实现大幅数据压缩的同时降低了图像采集过程中的资源需求。重建过程中,利用经验贝叶斯推理,构建稀疏信号的非分离稀疏先验,充分考量了稀疏信号内部非零元素之间的潜在相关性,实现了高光谱图像的高精度重建。由于该方法使用小波正交基作为字典,消除了对端元的依赖性。此外,基于贝叶斯框架的推理,实现了所有未知参数的全自动估计,无需人为调节,适应性广。试验表明,当采样率为0.1时,本发明获得的峰值信噪比相对于背景技术压缩感知方法提升4db以上。

    基于结构化稀疏先验的贝叶斯高光谱解混压缩感知方法

    公开(公告)号:CN103745487A

    公开(公告)日:2014-04-23

    申请号:CN201310713709.1

    申请日:2013-12-20

    Abstract: 本发明公开了一种基于结构化稀疏先验的贝叶斯高光谱解混压缩感知方法,用于解决现有联合光谱解混的高光谱图像压缩感知方法精度差的技术问题。技术方案是压缩过程通过线性解混发掘高光谱数据内在的低秩性质,使用小波变换将丰度值转换成结构化稀疏信号,之后使用压缩感知得到压缩数据。重建过程,从光谱库中选择合适的端元矩阵,引入丰度值小波系数的结构化稀疏先验,然后使用基于吉布斯采样的贝叶斯推理方法精确重建丰度值矩阵,最后使用线性混合模型重建原始数据。相对于背景技术压缩感知类算法精度提升10%左右。

    一种减重金属杆及其加工方法

    公开(公告)号:CN102615128A

    公开(公告)日:2012-08-01

    申请号:CN201210084158.2

    申请日:2012-03-27

    Abstract: 本发明公开了一种减重金属杆及其加工方法。所公开的加工方法选用金属管材作为包套材料,金属粉末为内部材料,将粉末压实装入管内,根据材料性质,在常温或一定温度下,通过挤压或轧制等成形方法,使内部粉末发生塑性变形后加工成内部为具有一定的孔隙率的棒材、外部为质密金属管套的内外双层组合的减重金属杆。所提供的减重金属杆包括金属管套,该金属管套内有孔隙率为10%~20%的金属棒。该减重金属杆内部的孔隙有效实现了减重目的,外部的金属管套保证了整个杆件的力学性能,同时由于粉末及加工成本低廉,该金属杆成本低廉。

    基于域适应的半监督水下图像增强方法

    公开(公告)号:CN118229581A

    公开(公告)日:2024-06-21

    申请号:CN202410301808.7

    申请日:2024-03-17

    Abstract: 本发明是一种基于域适应的半监督水下图像增强方法,属于图像增强技术领域;方法步骤为:将陆上图像数据集合成水下图像数据集,输入图像S;选取设定数量的水下真实图像数据集,作为输入图像R;对合成的水下图像数据集和水下真实图像数据集使用暗通道先验方法生成数据集的传输图;构建基于平均教师模型的半监督水下图像增强网络;完成半监督水下图像增强网络的训练;输入测试集,采用训练好的半监督水下图像增强网络对测试集进行图像增强并输出结果,所述测试集是从已有的水下开源数据集中选取的水下真实图像。本发明提高模型增强不同真实水下图像的泛化能力。

    一种嵌段共聚物及其制备方法和应用

    公开(公告)号:CN115160560B

    公开(公告)日:2024-06-04

    申请号:CN202210947577.8

    申请日:2022-08-09

    Abstract: 本发明含能粘结剂技术领域,具体涉及一种嵌段共聚物及其制备方法和应用。本发明提供的嵌段共聚物以第二重复单元作为刚性基团形成第二嵌段修饰第一重复单元形成的线性第一嵌段;且调整第二重复单元占所述嵌段共聚物的总重复单元的摩尔百分含量≤50%,能够有效使第一嵌段的分子链活动受阻,从而得到具有宽温度范围的玻璃化转变温度的全段共聚物。由实施例的结果表明,本发明提供的嵌段共聚物的玻璃化转变温度范围为‑50~0℃作为含能粘结剂使用时,本发明提供的嵌段共聚物能够根据固体燃料的实际力学性能需求,选择适宜的玻璃化转变温度的嵌段共聚物。

    基于可靠样本选择和双分支动态网络的多源域自适应方法

    公开(公告)号:CN115082725B

    公开(公告)日:2024-02-23

    申请号:CN202210542353.9

    申请日:2022-05-17

    Abstract: 本发明公开了一种基于可靠样本选择和双分支动态网络的多源域自适应方法,首先构建了双分支动态网络,通过感知不同域的输入和不同实例输入来动态调整网络参数,得到域感知和实例感知结合的特征表示。在此基础上,对目标域无标记的数据,通过选择模型的分类预测结果的熵小于预先设定阈值的样本来作为可靠样本,并为可靠样本分配伪标签作为监督信息,来参与网络的训练过程,在训练过程中不断增大阈值以使得更多可靠样本被选择,模型达到收敛时,对于目标域无标记样本的分类结果即为最终结果。本发明能一定程度减小噪声伪标签的影响,进一步提升模型的分类效果。

Patent Agency Ranking