基于扩散模型的高噪声侧扫声纳图像超分辨率处理方法和装置

    公开(公告)号:CN119130808A

    公开(公告)日:2024-12-13

    申请号:CN202411180883.9

    申请日:2024-08-27

    Inventor: 沈伊 赵冬冬 陈朋

    Abstract: 基于扩散模型的高噪声侧扫声纳图像超分辨率处理技术及其装置,其方法包括:S1、构建基于扩散模型的声纳图像超分辨率处理模型,其中声纳图像超分辨率处理模型包含一个编码器和解码器;通过对声纳侧扫图像进行统一尺寸调整、归一化处理及特定通道提取,生成了编解码器的训练输入;通过定义并优化编解码器的损失函数;S2、通过对声纳侧扫图像的预处理与降采样生成劣化图像,放入已训练的编码器生成潜在表示和条件信息,结合扩散模型进一步训练UNet模型,并通过梯度下降法提升噪声预测精度;S3、通过将劣化图像xlow与水柱区信息c输入编码器τ生成条件信息d,并结合随机生成的初始噪声状态zT,使用UNet网络进行逆向扩散操作;经过多次迭代消除噪声后,得到清晰的潜在表示,通过训练过的解码器D以及噪声预测网络∈生成最终的超分辨率图像#imgabs0#本发明通过模拟从严重退化图像逐步恢复到高质量图像的过程,有效提升了声纳图像的分辨率和质量,解决了声纳图像因高噪声和低分辨率导致的图像质量不佳问题,显著提高了后续图像分析的准确性和有效性。

    一种基于CNN的多水下信标信号识别方法

    公开(公告)号:CN113572711B

    公开(公告)日:2024-05-07

    申请号:CN202110664623.9

    申请日:2021-06-16

    Abstract: 一种基于CNN的多水下信标信号识别方法,每个信标发射信号的设计,运用扩频编码技术并结合相频同移混合键控方式调制,使不同的信标信号具有不同的相位特征和频率特征;将采样的信标信号序列转换为二维图片,通过短时傅里叶变换得到相位图和频谱图进而融合而成相频特征图,以此作为信号识别的依据;轻量化的卷积神经网络结构的搭建,共由1个输入层、4个卷积层、3个池化层、1个全连接层和1个softmax层组成,完成从相频特征图到信标序号的映射;不仅在相频特征图上进行数据扩充,而且在采样信号序列上进行数据扩充,使训练的模型具有较强鲁棒性。该方法可有效提升信标的作用距离和识别精度,轻量化的模型设计也适用于信号的实时识别。

    一种用于水体COD检测的光谱样本生成方法

    公开(公告)号:CN114943176A

    公开(公告)日:2022-08-26

    申请号:CN202210473377.3

    申请日:2022-04-29

    Abstract: 一种用于水体COD检测的光谱样本生成方法,包括以下步骤:步骤1,利用变分模态分解算法获取不同类型真实样本的光谱特征分量Apc(λ)和残差分量Ares(λ);步骤2,用三阶高斯函数fres(λ)统一表达所有不同类型样本的残差分量,并确定参数ai、bi、ci的可调范围,通过调整参数得到不同的残差分量;步骤3,用生成对抗网络得到不同类型水样的新特征分量Apc‑new(λ);步骤4,将不同的残差分量和新特征分量叠加重构,得到最终新生成的光谱样本Anew(λ)。本发明生成的样本不仅可以保留COD物质的原有光谱特性的同时,还具有多样性;回归模型在不同工厂废水的COD测量中能够达到更好的预测精度。

    用于COD测量中的浊度干扰消除方法

    公开(公告)号:CN110823820A

    公开(公告)日:2020-02-21

    申请号:CN201910985614.2

    申请日:2019-10-17

    Abstract: 用于COD测量中的浊度干扰消除方法,包括以下步骤:步骤1.确定直接导数光谱中通用性求导阶数,具体包括:获取浊度颗粒光谱线型,引入CD和m参数,确定求导阶数;步骤2,消除COD测量中的浊度干扰,具体包括:获取水样的n阶导数光谱,建立回归预测模型与预测COD。本发明将获得适用于大量实际水环境的通用性求导阶数,再利用直接求高阶导数的方法消除浊度干扰,可以同时保留COD物质的原有光谱特性,避免逐一获取浊度基线数据及浊度补偿等操作。本发明避免在各种不同的水环境中对浊度基线光谱数据进行逐一获取,操作简便,普适性好。

    一种基于模糊解耦的三维声纳目标检测方法和装置

    公开(公告)号:CN119439137A

    公开(公告)日:2025-02-14

    申请号:CN202411313054.3

    申请日:2024-09-20

    Abstract: 一种基于模糊解耦的三维声纳目标检测方法和装置,其方法包括:S1、基于原始点云的预处理模块,通过最大最小标准化减少不同采集设备带来的误差;S2、基于先验知识对声纳原始点云进行模糊特征解耦编码,建立点云解耦隶属度函数并使用编码函数将离散点云编码为特征序列。S3、编码后的两个解耦特征通过VFE模块进行特征提取得到BEV特征。S4、BEV特征经过主干网络预测高斯热力图并解码为一阶段提案。S5一阶段提案结合基于马尔可夫预测的二阶段细化,得到最终的三维标定框及其类别和得分。本发明针对三维声纳点云目标识别任务中,目标的异质性弱的问题,通过模糊解耦的特征编码、基于点的高斯热力图预测和基于马尔可夫预测的二阶段细化,有效解决了三维声纳弱异质性识别的挑战。

    一种基于昇腾AI处理器的人体运动监控存储方法和装置

    公开(公告)号:CN118012269A

    公开(公告)日:2024-05-10

    申请号:CN202410241404.3

    申请日:2024-03-04

    Inventor: 陈朋 赖亮 赵冬冬

    Abstract: 一种基于昇腾AI处理器的人体运动监控存储方法和装置,其方法包括以下步骤:S1、实时采集、识别和处理视频中的人体动作,包括目标检测、骨骼数据提取、动作识别以及数据压缩;S2、进行视频的区分存储,将数据存储在不同类型的存储介质上,以优化存储成本并提高数据访问效率。本发明通过将运动监控的计算和存储功能下沉至网络边端,实现系统小型化,从而大幅度减少数据传输带来的延迟和数据传输过程的安全风险;通过数据冷热存储策略,将动作数据进行分级存储,根据动作的热度和访问频率将数据分为热数据和冷数据,分别存储在不同的存储介质上,从而提升访问效率、节省存储空间,此外将动作文本信息,进行结构化存储,提高用户检索时响应速度。

    一种基于昇腾处理器的指节纹和指静脉身份识别装置

    公开(公告)号:CN113052072B

    公开(公告)日:2024-05-10

    申请号:CN202110318506.7

    申请日:2021-03-25

    Abstract: 一种基于昇腾处理器的指节纹和指静脉身份识别装置,包括昇腾处理器图像处理子系统以及指节纹和指静脉图像采集子系统,系统以搭载昇腾310处理器的Atlas200模块为核心设计嵌入式平台,构建了昇腾处理器图像处理子系统;以650nm和850nm光波长的LED阵列和摄像头为核心搭建指节纹和指静脉图像采集子系统,光强可调;同时,在图像采集过程中通过预处理和图像评估获得最佳质量图像,并使用Triplet Loss函数神经网络进行高效的特征匹配,实现身份识别。本发明有效地解决不同环境下指节纹和指静脉图像差异明显、手指图像识别算法难以实时实现以及低功耗和小型化条件下系统开发的难题。

    一种基于改进D-S证据理论的多光谱信息融合水体污染物识别方法

    公开(公告)号:CN117132862A

    公开(公告)日:2023-11-28

    申请号:CN202311183942.3

    申请日:2023-09-14

    Abstract: 本发明公开一种基于改进D‑S证据理论的多光谱信息融合水体污染物识别方法,具体步骤包括:采集样本的吸收光谱和三维荧光光谱;建立污染物识别模型,根据已知污染物样本的光谱建立识别模型,包括单光谱模型建立和决策级融合过程;对待测样本进行识别,将待测样本的吸收光谱和三维荧光光谱输入到建立好的污染物识别模型中进行识别,得到样本中可能含有的污染物的类别标签。本申请根据吸收光谱和三维荧光光谱的相关性和互补性,建立这两种光谱的融合模型,采用基于改进D‑S证据理论的决策级融合方法,根据特定的融合规则,对每个单光谱模型的预测结果进行融合,避免不同光谱数据类型差异的影响,获取更全面的污染物特征信息,使模型具有更高的可靠性和鲁棒性。

    一种基于昇腾+FPGA的侧扫声呐智能成像硬件系统和方法

    公开(公告)号:CN117092627A

    公开(公告)日:2023-11-21

    申请号:CN202311255749.6

    申请日:2023-09-27

    Abstract: 一种基于昇腾+FPGA的侧扫声呐智能成像硬件系统和方法,其系统包括昇腾智能图像处理子系统和声呐信号采集与处理子系统,采用昇腾310B处理和FPGA的双核心架构,构建了以昇腾310B处理为核心的昇腾智能图像处理子系统,负责命令控制、解析声呐信号、实时成像、处理声呐图像;以及以FPGA为核心的声呐信号采集与处理子系统,负责声呐模拟信号的采集、传输、转换和数字信号的预处理。本发明有效解决了侧扫声呐系统难以部署AI算法,智能化、自动化程度低,集成度低,高速信号数据量大而难以实时成像的技术难题,同时满足小体积、低功耗的侧扫声呐产品要求。

Patent Agency Ranking