-
公开(公告)号：CN114202539A
公开(公告)日：2022-03-18
申请号：CN202111556995.6
申请日：2021-12-18
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于端到端RX的高光谱图像异常检测方法，该方法包括：利用变分自编码对高光谱图像的每个像素点进行特征学习；提取变分自编码网络的隐含层特征作为高光谱像素的特征表示；估计高光谱图像中各像素点特征表示的局部均值和局部协方差矩阵；构建可微分的RX异常检测算法得到异常指数；计算可微分RX结构的反向传播模式；构建基于端到端RX的高光谱异常检测网络结构；融合变分自编码网络和端到端RX的损失函数并训练；输入高光谱图像在训练好的网络并输出异常检测结果。本发明方法具有有效融合VAE网络隐含层特征空间和RX异常特征信息的能力，应用于高光谱图像异常检测任务具有优异性能。
-
公开(公告)号：CN114186799A
公开(公告)日：2022-03-15
申请号：CN202111381476.0
申请日：2021-11-21
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于异构图神经网络的企业估值方法及系统，属于图神经网络领域。该方法包括如下步骤：搭建行业异构图；待估值企业邻居采样；对采样节点注意力聚合学习；加权融合异构节点的聚合特征；预测企业估值。本发明采用图神经网络作为基本模型，在异构图神经网络的聚合学习中引入公司节点和人员节点的连接信息并通过注意力机制融合；由于引入了图神经网络算法，相较于传统专家估值效率大幅度提升，在公司和人员信息变更、市场出现波动时，可以对企业估值快速更新；从行业领域信息从高层次视角聚焦公司估值，依托海量数据有效地解决了专家对企业直接建模导致的认知偏差和主观局限性。
-
公开(公告)号：CN113850129A
公开(公告)日：2021-12-28
申请号：CN202110964104.4
申请日：2021-08-21
Applicant: 南京理工大学
Abstract: 本发明公开了一种旋转等变的空间局部注意力遥感图像目标检测方法，包括：采取多方向旋转卷积，构造旋转等变卷积模块；级联旋转等变残差子模块，构造特征张量增强模块；采取邻域权重自适应上采样，构建注意力上采样模块；采取金字塔注意力模块提取多尺度特征张量；采取可学习的非极大值抑制损失重构损失函数训练网络，指导区域建议网络生成候选区域；对候选区域进行特征提取并实现目标的分类和定位。本发明方法充分考虑了目标的尺度和旋转对检测任务的影响，上采样注意力机制和非极大值抑制机制提高了多尺度目标的检测精度和检测速度，能够有效处理大纵横比、分布密集和方向任意的目标检测问题，且网络轻量化，小样本学习能力强。
-
公开(公告)号：CN111355881B
公开(公告)日：2021-09-21
申请号：CN201911260902.8
申请日：2019-12-10
Applicant: 南京理工大学
Abstract: 本发明公开了一种同时消除卷帘伪影和抖动的视频稳定化方法，包括如下步骤：1)网格化视频帧；2)估计帧间运动；3)构造数据保真项与运动平滑正则项；4)构建帧间帧内运动联合优化模型；5)估计帧内运动；6)设定自适应滑动窗口；7)计算自适应权重；8)求解复原变换；9)同时去卷帘伪影稳定化视频生成。本发明通过网格化视频的每一帧，利用单应性变换模拟帧间运动，刚性变换模拟帧内运动，建立帧间帧内运动联合模型，直接求解出去卷帘伪影且去抖动的复原变换；该方法可同时实现视频去卷帘伪影与视频稳定化，避免了视频去抖过程中的过平滑问题，可广泛应用于采用CMOS相机的手机拍摄、无人机拍摄、车载导航等多种类型的视频稳定化。
-
公开(公告)号：CN109905565B
公开(公告)日：2021-04-27
申请号：CN201910169528.4
申请日：2019-03-06
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于运动模式分离的视频去抖动方法，包括如下步骤：1)运动估计矩阵计算；2)自适应滑动窗口计算；3)局部运动矢量矩阵计算；4)构造局部自回归项、加权核范数项以及稀疏性项；5)构造运动模式形态多约束优化模型；6)运动片段模式分类和正则化参数估计；7)迭代优化求解当前运动平滑矩阵；8)稳定化视频生成。本发明利用帧间运动的平稳性，阶跃运动的稀疏性以及平滑运动的低秩性，同时实现模型中正则化参数的自适应估计；与传统方法相比具有更好的鲁棒性与抗噪性，较好地克服了视频去抖过程中的过平滑与欠平滑问题，能够广泛应用于手机拍摄、无人机拍摄、航拍等多种类型的视频去抖动。
-
Patent Agency Ranking
公开(公告)号：CN112634167A
公开(公告)日：2021-04-09
申请号：CN202011608483.5
申请日：2020-12-29
Applicant: 南京理工大学
Abstract: 本发明公开了一种全变差协同范数约束迭代投影的高光谱图像滤波方法，该方法包括：将三维的高光谱图像逐波段转化为二维光谱‑像元矩阵；构造线性差分算子计算水平和垂直方向的梯度图像；构造协同范数约束集合，应用投影公式更新对偶变量和潜在图像的主变量；应用奇异值收缩算法更新矩阵低秩约束的辅助变量；判断终止条件决定是否继续迭代。本发明利用全变差协同范数约束高光谱图像的空间维和光谱维的平滑性，利用核范数约束高光谱图像的光谱低秩相关性，主对偶迭代优化求解在滤除图像噪声的同时，有效地保持了图像的空间结构和光谱特性，可以广泛应用于高光谱图像高斯、混合和条带噪声的去除。
-
公开(公告)号：CN112556848A
公开(公告)日：2021-03-26
申请号：CN202011365495.X
申请日：2020-11-28
Applicant: 南京理工大学
IPC: G01J3/28 , G06K9/62 , G06F30/20 , G06F17/15 , G06F17/12 , G06F111/04 , G06F111/10
Abstract: 本发明公开了一种双相机压缩测量协同张量表示的融合计算成像方法，包括：建立双光路压缩测量装置，一路为编码孔径快照光谱测量装置，另一路为全色相机测量装置；通过伯努利随机矩阵生成的压缩编码孔径、色散棱镜引起的偏移、相机的光谱响应构造前向压缩采样过程；两路测量信息经过三阶张量表示，综合各向异性加权空‑谱全变差先验约束，建立双相机压缩测量协同张量表示正则化模型；采取交替方向乘子方法进行模型迭代优化求解。本发明方法中的张量表示能充分地挖掘高光谱图像的立方体图谱特性，并能有效地利用全色图像提供的空间细节信息，通过融合计算，大幅度地提升高光谱成像质量和空‑谱特征保持能力。
-
公开(公告)号：CN108401108B
公开(公告)日：2020-09-11
申请号：CN201810197990.0
申请日：2018-03-12
Applicant: 南京理工大学 , 中国地质调查局南京地质调查中心
Abstract: 本发明公开了一种推扫式高光谱相机快速自动调焦方法，该方法包括以下步骤：初始化镜头位置；改变离焦状态获取光谱数据；构建光谱数据矩阵；计算并存储光谱质量指标值；拟合光谱质量指标值与镜头伸缩量间的高斯分布函数；估算最佳调焦位置。本发明仅仅利用单行光谱数据进行光谱质量评价，计算量小,调焦速度快；采用四元数小波变换提取光谱数据多尺度信息构造调焦函数，准确度高，稳健性强；利用高斯函数拟合光谱评价值，能够实现推扫式相机自动调焦。
-
公开(公告)号：CN107292959B
公开(公告)日：2020-09-11
申请号：CN201710445821.X
申请日：2017-06-14
Applicant: 南京理工大学
IPC: G06T17/05
Abstract: 本发明公开了一种利用岩心边界品位等值面重建矿体三维表面轮廓的方法，该方法包括：1)岩心矿物品位归一化；2)计算边界品位；3)搜索高品位矿体片段集；4)矿体片段过滤与填充；5)矿体片段集相似性分组；6)插值生成矿体上下品位等值面轮廓；7)表面轮廓缝合。本发明可利用少量钻井岩心数据，快速重建高品位矿体的表面轮廓；采用过滤填充操作能够较好克服品位数据中的噪声和孤立的孔洞。
-
公开(公告)号：CN110533077A
公开(公告)日：2019-12-03
申请号：CN201910709042.5
申请日：2019-08-01
Applicant: 南京理工大学
Abstract: 本发明公开了一种用于高光谱图像分类的形状自适应卷积深度神经网络方法，该方法包括：采取空间结构信息学习支路；采取基于导向图的形状自适应卷积核且可训练；由光谱维一维卷积层与空间维二维卷积层构成空-谱特征提取单元，每个单元拥有两个输入，分别为特征图和导向图；深度网络由多个空-谱特征提取单元堆叠而成，且每两个特征提取单元间建立跳层连接；网络损失函数为加权交叉熵。本发明通过学习空-谱数据中相邻像元间的空间相关性，能够根据显式定义像元间的空间结构关系自适应调整卷积运算的接受域形状，克服了固定方形卷积不能捕获各向异性特征的缺陷，对不同分辨率不同场景复杂度的高光谱图像均具有优良的分类及泛化性能。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.028 seconds)
