-
公开(公告)号：CN106846469A
公开(公告)日：2017-06-13
申请号：CN201710091014.2
申请日：2017-02-20
Applicant: 北京信息科技大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于特征点追踪由聚焦堆栈重构三维场景的方法和装置，包括：建立由三维场景生成聚焦堆栈的正演模型，给出三维场景特征点与聚焦堆栈的几何关系；提取聚焦堆栈中每个图像的特征点，追踪匹配成功的特征点的坐标，得到特征点在聚焦堆栈中的轨迹；建立由聚焦堆栈重构三维场景的反演模型：由匹配成功的特征点，建立关于特征点三维坐标的方程组，通过求解方程组得到特征点的三维坐标，重构三维场景，并实现三维几何测量。本发明的聚焦堆栈是将探测器固定，通过沿光轴移动透镜完成聚焦堆栈的采集，采用本发明的方案，能够实现相机拍摄视角下的三维重构，可以为虚拟现实和几何测量提供精确的三维结构信息。
-
公开(公告)号：CN119515718A
公开(公告)日：2025-02-25
申请号：CN202411582663.9
申请日：2024-11-07
Applicant: 北京信息科技大学 , 中国绿化基金会 , 山东黄河三角洲国家级自然保护区管理委员会
Abstract: 本发明公开了一种基于隐式神经表示的珍稀鸟类虚拟数字化方法和系统，其包括：步骤1，创建输入数据；步骤2，将珍稀鸟类重建区域的空间位置坐标X经过傅立叶特征映射为高维傅立叶特征向量γ(X)，在X处设自适应可学习滤波器HB(α(X))，HB(α(X))包含控制HB(α(X))的维度用的B和控制HB(α(X))滤波初始位置用的α(X)；步骤3，将HB(α(X))与γ(X)结合，得到MLPs网络Fθ的第1层的隐藏单元z(1)，以得到X处的颜色和体密度；步骤4，通过体渲染技术，生成珍稀鸟类静态背景的新视角和新姿势图。本发明能够仅通过单目相机采集到的数据，快速渲染出任意视角的珍稀鸟类高质量图片，在处理珍稀鸟类复杂的形态和细节时表现出色。
-
公开(公告)号：CN119151783A
公开(公告)日：2024-12-17
申请号：CN202410944662.8
申请日：2024-07-15
Applicant: 北京信息科技大学
IPC: G06T3/4053 , G06T3/4046 , G06T7/00 , G06N3/0455 , G06N3/088
Abstract: 本发明涉及一种基于条件VAE模型的光场角度超分辨方法，属于计算成像、机器视觉与数字图像处理技术领域，包括如下步骤：通过采集视点平面等间隔稀疏的光场子孔径图像阵列LFγ和中心子孔径图像LF0分别输入视差估计模块(P)和特征提取模块(F)，获得场景初始视差图和不同层级的中心子孔径特征；本发明可以不依赖大规模的高分辨率训练数据集，可对全部光场子孔径图像同步做角度域的超分辨重构，设计一种基于光场数据的空角一致性混合损失函数，使新模型在重构角度高分辨率的子孔径图像时能够利用耦合在子孔径图像种的视差信息，在合成和真实数据集上数值实验结果接近有监督方法，同时能够满足基于深度学习的方法对光场角度域的超分辨。
-
公开(公告)号：CN117196158B
公开(公告)日：2024-04-02
申请号：CN202311453686.5
申请日：2023-11-03
IPC: G06Q10/063 , G06F16/29 , G06Q50/26
Abstract: 本发明公开了一种基于GPS数据的东方白鹳幼鸟时期划分方法，其包括：步骤1，获取东方白鹳巢号对应巢中每只幼鸟的GPS数据；步骤2，将GPS数据中不符合条件的数据去除，每一数据作为一个轨迹点；步骤3，计算同一东方白鹳巢号对应巢中每只幼鸟的每一轨迹点分别到幼鸟所住巢的离巢距离；步骤4，确定每只幼鸟在各关键时期的开始时间，以获得每只幼鸟对应的初步的东方白鹳幼鸟时期划分结果；步骤5，获取同一东方白鹳巢号对应巢中每两只幼鸟在同日的活动区重合度随时间变化的信息；步骤6，对每只幼鸟对应的初步的东方白鹳幼鸟时期划分结果进行调整。本发明属于时空数据挖掘与处理技术领域，用于获得每只东方白鹳的幼鸟时期划分结果。
-
公开(公告)号：CN117639099A
公开(公告)日：2024-03-01
申请号：CN202311615130.1
申请日：2023-11-29
Applicant: 国网吉林省电力有限公司电力科学研究院 , 北京信息科技大学 , 吉林省电力科学研究院有限公司
Abstract: 本发明属于光伏发电技术领域，具体涉及一种多目标优化器的高渗透率光伏配电台区优化运行方法。本方法包括：定义待优化的光伏配电台区的目标函数、决策变量和约束条件；设计多目标优化器：随机产生初始种群，对当前种群进行非支配排序后，使用基于参考点临界层中的环境选择方法进一步筛选出更优的种群进入下一代，依据搜索机制更新下一代种群新的位置，计算当前所有种群个数的目标函数值，重复操作直至到达最大迭代次数，使用熵权法从Pareto解集中选择最终种群，输出当前种群和目标函数的结果。该方法对高维非线性的含高渗透率的配电台区优化运行问题具有更强的求解能力和更快的求解速度，且多目标优化器的应用方法更方便，适应性更强。
-
Patent Agency Ranking
公开(公告)号：CN116777750B
公开(公告)日：2023-12-26
申请号：CN202310943431.0
申请日：2023-07-31
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
Abstract: 本发明公开了一种基于视差维滤波的聚焦堆栈视差维超分辨方法和装置，其包括：S1，通过低通滤波器#imgabs0#对低视差分辨率聚焦堆栈频谱#imgabs1#进行视差维滤波，并输出；S2，对S1输出的滤波后的聚焦堆栈频谱#imgabs2#进行三维傅里叶逆变换，获得高视差分辨率的聚焦堆栈#imgabs3#。本发明获得的高视差分辨率的聚焦堆栈能够为视差估计等计算成像应用提供数据支撑。本发明属于计算成像和计算机视觉技术领域。
-
公开(公告)号：CN116740622B
公开(公告)日：2023-10-27
申请号：CN202311027313.1
申请日：2023-08-16
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
IPC: G06V20/40 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/46 , G06V10/82 , G06V10/80 , G06V10/762
Abstract: 本发明公开了一种基于多尺度特征编码的密集油滴目标检测计数方法和装置。该方法包括：步骤1，采集密集油滴目标视频数据；步骤2，对视频数据的油滴识别定位，获得每一油滴的边界框；步骤2包括：先对密集油滴目标视频数据多尺度特征编码，获得特征权重；再对特征图进行增强处理，获得增强特征图；其次对增强特征图引导处理，获得密集油滴的特征图；最后使用回归和分类思想对密集油滴目标的特征图进行检测，获得每一个油滴的边界框。本发明涉及计算机视觉技术领域和石油开采与加工领域，解决了密集油滴目标检测中存在多形态以及遮挡导致难以检测的技术问题。本发明能够提升网络对不同形态目标的学习能力，还能增强对密集油滴遮挡场景的识别能力。
-
公开(公告)号：CN116721142A
公开(公告)日：2023-09-08
申请号：CN202311000568.9
申请日：2023-08-10
Applicant: 山东黄河三角洲国家级自然保护区管理委员会 , 北京信息科技大学
Abstract: 本发明公开了一种基于区域匹配正则化的由光场数据估计视差的方法及应用。基于区域匹配正则化的由光场数据估计视差的方法包括：步骤1，建立用于衡量区域匹配窗口区域匹配窗口准确性和稳定性的窗口适应性度量函数；步骤2，建立场景视差估计优化模型；步骤3，利用搜索法实现区域匹配正则化，得到最优区域匹配窗口；步骤4，利用最优区域匹配窗口，求解最优视差函数。本发明用于对四维光场数据进行高精度和高鲁棒性的视差估计，以及用于场景三维重建、虚拟现实和三维显示等。本发明属于计算成像和计算机视觉技术领域。
-
公开(公告)号：CN111932648B
公开(公告)日：2023-05-12
申请号：CN202010766903.6
申请日：2020-08-03
Abstract: 本发明公开了一种由螺旋采样光场数据重建三维物体的方法，其包括：步骤1，将螺旋采样光场数据表示为Ls(x，y，Φ)：相机采集到的光场数据为螺旋采样光场数据，s表示螺距，为螺旋角度，表示在第k层下的旋转角度，x、y分别为相机的探测器平面在世界坐标系中的横、纵坐标；步骤2，建立物点在螺旋采样光场下的理想轨迹方程；步骤3，进行亚光圈区域匹配，追踪匹配点在螺旋采样光场数据中的轨迹；步骤4，对轨迹进行参数拟合，得到匹配点的三维坐标，重构三维物体。本发明方法能够实现高精度的物体三维表面重构，由于与螺旋CT数据采集模式相匹配，可与螺旋CT一起构成同时重构物体表面和内部结构信息的双模态成像系统。
-
公开(公告)号：CN114626476A
公开(公告)日：2022-06-14
申请号：CN202210279684.8
申请日：2022-03-21
Applicant: 北京信息科技大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于Transformer和部件特征融合的鸟类细粒度图像识别方法及装置，该方法包括：步骤1，通过将预处理后的图像输入基于Transformer架构网络的特征编码器，提取出基础特征图，并将所述基础特征图输入注意力模块，生成部件注意力图；步骤2，将所述基础特征图和所述部件注意力图进行双线性注意力池化操作，获得判别性部件特征；步骤3，通过将判别性部件特征在通道维度上进行拼接，得到融合了判别性部件信息的增强特征表示；步骤4，通过将增强特征表示输入全连接层，完成类别的映射，并通过交叉熵损失和中心损失对模型参数进行优化。本发明能够实现在弱监督下对鸟类图像进行高精度识别。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.104 seconds)
