-
公开(公告)号：CN118212401A
公开(公告)日：2024-06-18
申请号：CN202410377102.9
申请日：2024-03-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于非稳态杂波抑制的暗弱目标检测方法，属于目标探测与识别技术领域。所述方法为：采用两个可学习的滤波器提取输入红外图像的目标特有频谱和目标‑背景一致性频谱；采用一个带残差连接模块的密集连接的U‑Net网络作为主干网络，该网络采用双向交互式注意力机制模块，从频谱分量中提取特征，并得到目标特有特征和目标‑背景一致性特征；对两个特征采用一个实例级的对比损失来辅助滤波器的学习，实现目标特有特征与目标背景一致性特征的解耦；对目标特有特征采用真实标注进行监督，执行红外小目标检测任务。本发明提出一个频域解耦方法，保留有效的频谱可提升目标检测的性能，实现了复杂背景的有效去除。
-
公开(公告)号：CN117745777A
公开(公告)日：2024-03-22
申请号：CN202410019506.0
申请日：2024-01-05
Applicant: 哈尔滨工业大学
IPC: G06T7/33 , G06V10/764 , G06V10/762 , G06V20/13
Abstract: 一种基于时空配准的遥感检测地表密集异常元去除方法，所述方法包括如下步骤：步骤1：提取卫星姿态轨道数据，拟合相机成像模型，构建像面坐标到地心地固坐标系的配准模型；步骤2：基于地表异常元能量、形态等特性，构建杂波点特征向量；步骤3：基于步骤1得到的配准数据，以步骤2构建的杂波特征作为先验信息，对检测得到的所有检出结果进行匹配筛选，对地表异常元进行标定和去除。该方法可以实现对地表密集异常元在不同场景、不同分辨率、不同轨道高度下的实时标定及更新，获取更准确的有利于后续目标检测跟踪等应用的目标特性。
-
公开(公告)号：CN116994137A
公开(公告)日：2023-11-03
申请号：CN202310979011.8
申请日：2023-08-04
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 一种基于多尺度形变建模和区域精细提取的目标检测方法，属于目标检测与识别技术领域。方法如下：设计多尺度特征动态融合模块，获得多尺度形变目标的候选区域提取结果；将候选区域提取结果分类，获得用最小边界矩形框标记的所有目标区域；提出定制化的结合二进制交叉熵、偏置损失和结构相似度的显著区域精细提取损失函数，实现复杂场景干扰下舰船目标的准确检测。本发明实现目标多尺度形变特征的增强学习，提高检测网络对目标与复杂背景的分辨能力，可实现在云层、光照阴影、港口设施等复杂场景下的舰船目标准确检测，为航空管制、海上救援和港口管理等军民应用提供有力支持。
-
公开(公告)号：CN116645681A
公开(公告)日：2023-08-25
申请号：CN202310691044.2
申请日：2023-06-12
Applicant: 哈尔滨工业大学
IPC: G06V30/19 , G06V30/32 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于模板字多维特征比对的练字评价系统及方法，所述练字评价系统包括临摹字帖采集模块、图像预处理模块、多维特征提取比对模块、书写质量评价模块四部分。该系统对用户友好，具备便捷性、客观性优势。用户只需要基于标准化字帖进行汉字书写练习，通过本系统可以快速获得针对书写情况的反馈，获取手写汉字存在的各项问题，方便用户在低成本的情况下随时随地练字。本发明提出的基于模板字多维特征比对的书写质量评价方法从长宽比、重心位置等字形结构的关键要素出发，结合卷积神经网络提取到的深度表观特征，给出用户汉字书写的具体指标评价和全局指标评价，方便用户提高汉字书写质量，具备可解释性和客观性。
-
公开(公告)号：CN116777953B
公开(公告)日：2025-04-15
申请号：CN202310650409.7
申请日：2023-06-03
Applicant: 哈尔滨工业大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于多尺度特征聚合增强的遥感图像目标跟踪方法，所述方法包括如下步骤：步骤1：使用基于编码‑解码结构的特征提取网络输出高分辨率特征图，特征图下采样级为原始图像的4倍；步骤2：使用多尺度特征聚合模块规整并聚合步骤1中高分辨率特征图中的多尺度特征，输出规整后特征图；步骤3：对于步骤2规整后的特征图，通过跨域注意力增强模块从三路分支捕获空间、通道维度之间的依赖关系，实现对特征图的增强；步骤4：基于增强后的特征图预测目标位置、尺寸、偏移等信息，通过匹配算法实现目标轨迹输出。该方法可以规整增强不同尺度下的有效特征，减少虚警源干扰，实现复杂场景下的目标跟踪。
-
Patent Agency Ranking
公开(公告)号：CN116434074B
公开(公告)日：2025-04-08
申请号：CN202310019335.7
申请日：2023-01-06
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于邻支互补显著性和多先验稀疏表征的目标识别方法，所述方法包括如下步骤：步骤1：提出邻支互补显著性提取网络，挖掘图像深层次、语义一致性信息，提取多尺度目标的候选显著区域；步骤2：通过结合目标多先验信息的稀疏表征分类器，抑制显著性提取网络可能产生的虚警，实现复杂场景下舰船目标的准确识别。该方法通过深度显著性特征提取网络挖掘图像中舰船目标的显著区域特征，与图像数据的多先验稀疏表征分类方法结合，不但可以充分发挥深度网络多层级提取图像特征的优势，而且对物体部分遮挡复杂海杂波、港口设施、光照阴影等复杂环境干扰具有鲁棒性的特点，可为港口救援、海上交通维护等应用提供支持。
-
公开(公告)号：CN117761713B
公开(公告)日：2025-02-25
申请号：CN202311795749.5
申请日：2023-12-25
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种目标探测谱段的筛选方法、装置、设备和存储介质，其涉及目标检测技术领域。包括：获取目标的背景起伏尺度，对背景起伏尺度进行杂波量化并建立杂波定量化表征模型；通过杂波定量化表征模型计算目标相对于不同背景的信杂比投影图，选取包括峰值信杂比谱段作为初选探测谱段；将杂波定量化表征模型与天基探测链路进行结合得到目标可检测性表征模型；通过目标可检测性表征模型在初选探测谱段中筛选得到优选探测谱段。本发明考虑了天基探测链路及其各环节多尺度耦合效应，能够解决天基目标可检测性能的多尺度耦合匹配所存在的问题,在保证谱段优选性能的前提下，极大地提升了优选探测谱段选择的效率。
-
公开(公告)号：CN117689879B
公开(公告)日：2024-08-23
申请号：CN202410019504.1
申请日：2024-01-05
Applicant: 哈尔滨工业大学
Abstract: 一种天基巡天望远镜图像中的空间目标检测方法，所述方法包括如下步骤：步骤1：对大视场深空图像非均匀性特性进行校正；步骤2：基于星图预匹配与最大相关相结合进行图像配准；步骤3：利用三帧中值对图像背景进行估计；步骤4：设计合理的分割阈值，在对低信噪比目标提取时，引入线性结构因子的形态学去噪算法去除剩余恒星残留和离散分布的噪点，最终对步骤3中结果进行连通域提取得到疑似目标。该方法在对恒星残留的去除上有良好的效果，并在一定的恒星密集程度时可以达到对信噪比3以上的目标极高的检测率，为地月拉格朗日点观测图像目标提取提供理论和技术支撑。
-
公开(公告)号：CN117237802A
公开(公告)日：2023-12-15
申请号：CN202311173885.0
申请日：2023-09-12
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/776 , G06V10/80 , G06F18/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 一种基于多分支信息互补的多源遥感图像目标检测识别方法，所述方法为：基于跨域信息引导的信号级融合检测识别。信号级融合检测识别通过跨域信息引导融合模块实现多源数据互补信息的充分融合，再经由目标检测识别模块实现目标位置、类别信息输出。基于交并比的多分支融合识别结果关联。利用单源目标检测识别模块处理单源图像，输出单源检测识别结果，结合信号级融合识别结果，计算多分支目标预测框交并比并进行关联。基于阶梯置信度阈值筛选的多分支识别结果决策级融合。对于关联后的多分支预测结果，基于预测框关联数目、目标置信度和类别，筛选目标并确定最终目标类型。本方法可以实现针对复杂场景、环境下的目标高概率、低虚警率的检测识别。
-
公开(公告)号：CN116777953A
公开(公告)日：2023-09-19
申请号：CN202310650409.7
申请日：2023-06-03
Applicant: 哈尔滨工业大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于多尺度特征聚合增强的遥感图像目标跟踪方法，所述方法包括如下步骤：步骤1：使用基于编码‑解码结构的特征提取网络输出高分辨率特征图，特征图下采样级为原始图像的4倍；步骤2：使用多尺度特征聚合模块规整并聚合步骤1中高分辨率特征图中的多尺度特征，输出规整后特征图；步骤3：对于步骤2规整后的特征图，通过跨域注意力增强模块从三路分支捕获空间、通道维度之间的依赖关系，实现对特征图的增强；步骤4：基于增强后的特征图预测目标位置、尺寸、偏移等信息，通过匹配算法实现目标轨迹输出。该方法可以规整增强不同尺度下的有效特征，减少虚警源干扰，实现复杂场景下的目标跟踪。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.02 seconds)
