-
公开(公告)号:CN102214298A
公开(公告)日:2011-10-12
申请号:CN201110166001.X
申请日:2011-06-20
Applicant: 复旦大学
Abstract: 本发明属于遥感图像目标检测与识别技术领域,具体为一种基于选择性视觉注意机制的遥感图像机场目标快速检测和识别的方法。本发明用改进后的注意力选择模型GBVS(Graph-basedVisualSaliency)对原始遥感图像进行显著性分析,得到显著性区域,并根据区域上的SIFT(Scale-invariantFeatureTransform)特征结合HDR(HierachicalDiscriminantRegression)树达到机场目标识别的目的。本发明能有效地克服传统机场检测方法中对图像逐像素分析的缺点。实验结果表明,本发明较现有的其它机场检测方法具有速度快、识别率高、虚警率低的特点,同时对噪声有较强的鲁棒性,非常适用于军事和民用领域复杂背景下的实时目标检测,对于实际应用具有较大的意义和价值。
-
公开(公告)号:CN101221662B
公开(公告)日:2011-07-20
申请号:CN200810033321.6
申请日:2008-01-31
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域,具体为一种基于自组织映射神经网络的遥感图像混合像元分解方法。该方法将自组织映射神经网络和模糊理论中的模糊隶属度相结合,来计算分解后的丰度值。同时,由于自组织映射神经网络的无目标函数的竞争学习特性,本方法摆脱了局部极值问题。此外,本发明自动满足混合像元分解问题所要求的两个约束:丰度值非负约束和丰度值和为1约束,有较好的混合像元分解结果,同时具有较强的抗噪声能力。新方法在基于多光谱和高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有特别重要的应用价值。
-
公开(公告)号:CN101692125A
公开(公告)日:2010-04-07
申请号:CN200910195453.3
申请日:2009-09-10
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域,具体为一种基于Fisher判别零空间的高光谱遥感图像混合像元分解方法。Fisher判别零空间法是针对混合像元分解中普遍存在的同物异谱现象引起的分解精度降低的问题而提出的。该方法通过对端元纯像元光谱组成的训练样本进行分析,构造训练样本的类内散布矩阵零空间,使端元内的光谱差异变为零,再在此零空间内寻找令类间散布矩阵离散度最大的判别矢量,使不同类的端元光谱分离度最大,从而最大程度上减少了由于同物异谱而导致的分解误差。本发明方法在高光谱遥感图像的高精度的地物分解以及地面目标的检测和识别方面具有特别重要的应用价值。
-
公开(公告)号:CN101281965A
公开(公告)日:2008-10-08
申请号:CN200810038217.6
申请日:2008-05-29
Applicant: 复旦大学
IPC: H01M4/58 , H01M4/48 , H01M4/04 , C01D15/00 , C01G1/02 , C04B35/622 , C04B35/624
Abstract: 本发明属于电化学技术领域,具体涉及一种锂离子电池正极材料及其制备方法。该正极材料为在锰位上由铬进行取代的Li[NixCoyMn1-x-y-zCrz]O2。该正极材料具有良好的锂离子脱嵌和嵌入可逆性和良好的循环性能,容量高。制备方法包括固相法、共沉淀法和溶胶-凝胶法。本发明操作性强,成本较其它方法低,重现性好,所得的产品质量稳定,可用于锂离子电池。
-
公开(公告)号:CN119829805A
公开(公告)日:2025-04-15
申请号:CN202411898191.8
申请日:2024-12-23
IPC: G06F16/901 , G06F16/903 , G06F16/24 , G16B5/00
Abstract: 本发明公开了一种构建环境暴露、生物学过程和疾病间网络关系的方法。该方法包括:从多种支持性数据库中分类提取得到环境暴露的信息、疾病的信息、生物学过程每个类型的信息、环境暴露分别与生物学过程每个类型的关联信息、第一蛋白质与第二蛋白质的关联信息以及生物学过程每个类分别与疾病的关联信息,并生成综合数据库;根据综合数据库存储的信息特征,构建环境暴露、生物学过程与疾病间网络关系的网络关系模型;根据用户选择的网络关系模型和输入的构建信息构建环境暴露、生物学过程与疾病间的网络关系。本发明基于涵盖广泛且高度集成的综合数据库构建环境暴露、生物学过程及疾病之间网络关系,人力成本低、效率和准确性高。
-
公开(公告)号:CN119579643A
公开(公告)日:2025-03-07
申请号:CN202411491095.1
申请日:2024-10-24
Applicant: 复旦大学 , 中国航空无线电电子研究所
Abstract: 本发明提出了一种空中加油锥套目标检测跟踪和位姿估计方法。利用YOLOv8的骨干网络从图像中提取特征,并在此基础上嵌入小目标检测分支,以提高小锥套目标的检测精度;重新设计了特征融合网络,以克服非相邻层之间特征融合时语义差距过大的问题;设计了基于卡尔曼滤波的多目标跟踪算法,确保视频帧间目标位置的一致性。更进一步,在位姿估计方面,通过卡尔曼滤波对传统方法的估计结果进行修正,实现了更高精度的锥套位姿估计。本发明旨在解决传统技术中存在的小目标检测精度低、锥套多尺度特征考虑不足、缺乏有效跟踪机制的问题,以及传统锥套目标相对位姿估计精度低的问题,以实现高精度的空中加油锥套目标检测跟踪和位姿估计。
-
公开(公告)号:CN114596482B
公开(公告)日:2023-04-07
申请号:CN202210123089.5
申请日:2022-02-10
Applicant: 复旦大学
IPC: G06V20/10
Abstract: 本发明属于遥感图像处理技术领域,具体为一种基于扩展多线性混合模型的高光谱图像鲁棒非线性解混方法。本发明通过引入鲁棒性较好的目标函数,构造了一个基于扩展多线性混合模型的鲁棒非线性解混模型,有效地抑制了噪声波段的干扰。此外,利用高光谱图像的局部空间相似性设计了丰度的重加权协同稀疏正则项以及非线性参数的重加权光谱全变差正则项,并将它们添加到模型中以缓解大量参数的引入所带来的过拟合问题,解混精度得到进一步的提升,因此在实际高光谱图像的非线性解混方面有着重要的应用价值。
-
公开(公告)号:CN110245675B
公开(公告)日:2023-02-10
申请号:CN201910264671.1
申请日:2019-04-03
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/766 , G06V10/94 , G06V10/774
Abstract: 本发明属于图像处理技术领域,具体为一种基于毫米波图像人体上下文信息的危险物体检测方法。本发明首先利用卷积神经网络对输入的毫米波图像进行下采样操作,在高层特征空间中使用自顶而上结构来恢复人体上下文信息,将下采样阶段获得到的人体携带物与自顶而下结构获得的人体上下文信息相融合,共同预测前景目标;另外,针对初始化的候选框不能有效地匹配地面真实的问题,本发明采用辅助监督函数来给予初始化候选框坐标回归,在标准测试集与实际测试场景中提升模型的检出率。本发明可以实时、自动识别毫米波图像中的危险物体,大大提升安检、安防的效率。
-
公开(公告)号:CN110298226B
公开(公告)日:2023-01-06
申请号:CN201910264672.6
申请日:2019-04-03
Applicant: 复旦大学
IPC: G06V20/50 , G06V10/82 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/766 , G06V10/94 , G06N3/04
Abstract: 本发明属图像处理技术领域,具体为一种毫米波图像人体携带物的级联检测方法。为了解决毫米波图像中人体携带物较小的问题,本发明采用自顶而下(Top‑down)结构来获取到毫米波图像的上下文信息,通过上下文关系来完成对小目标的定位与识别;为了解决毫米波图像中正样本稀疏的问题,本发明采用级联模型的方式,利用第一个阶段的级联模型过滤负样本,与此同时,调整模型初始化候选框的坐标位置,给第二个阶段的级联模型提供有效的候选框信息;基于正负样本比例均衡、坐标位置准确的候选框,第二个阶段的级联模型进一步提升了模型的检出率,降低了模型的误报率。
-
公开(公告)号:CN110334571B
公开(公告)日:2022-12-20
申请号:CN201910264654.8
申请日:2019-04-03
Applicant: 复旦大学
IPC: G06V40/10 , G06V10/82 , G06V10/762 , G06V10/774 , G06V10/74 , G06N3/04 , G06T5/00
Abstract: 本发明属于图像处理技术领域,具体为一种基于卷积神经网络的毫米波图像人体隐私保护方法。本发明首先将人体划分为十个区域,并且针对十个区域设计人体结构数据集,训练深度学习模型,来检测受检人的人体区域;然后利用人体区域坐标来给人体隐私部位添加遮挡;最后利用人体结构信息,结合最近邻算法、坐标投影算法,将违禁物体预测框投影到卡通图片的对应位置。外部用户只能观察到卡通图片及其对应的违禁物体预测框,从而保护了受检人员的隐私安全。
-
-
-
-
-
-
-
-
-