-
公开(公告)号：CN110033028A
公开(公告)日：2019-07-19
申请号：CN201910206387.9
申请日：2019-03-19
Applicant: 河南大学
Abstract: 本发明公开了一种基于算术平均贴近度的冲突证据融合方法，包括如下步骤：获取多个传感器测量信息根据实际应用场景选择合适的方法获取证据的BPA，并转换为证据信息，引入模糊理论中算术平均贴近度概念度量证据对同一焦元的相互支持程度，利用证据之间的算术平均贴近度计算融合证据的权重系数；最后采用Dempster组合规则对修正后的证据进行逐个融合，输出最终目标识别的决策结果。本发明引入模糊数学中的算术平均贴近度方法，利用证据中同一焦元的基本概率赋值的算术平均贴近度衡量各证据对同一命题的相互支持程度，并对证据进行修正后采用Dempster组合规则对修正后的证据进行逐个融合，具有重要的理论意义和应用价值。
-
公开(公告)号：CN106650785B
公开(公告)日：2019-05-03
申请号：CN201610984406.7
申请日：2016-11-09
Applicant: 河南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于证据分类和冲突衡量的加权证据融合方法，包括如下步骤：首先，获取多个传感器测量信息，转换为证据信息，然后，对上述每两个证据进行计算其是否具有一致性；如果有计算一致性冲突系数，如果没有计算非一致性冲突系数；然后共同求解证据的权重系数，通过权重系数对融合的证据进行修正，最后采用采用Dempster组合规则对修正后的证据进行逐个融合，输出最终目标识别的决策结果。本发明方案与传统算法相比，综合考虑证据之间单子集焦元基本概率赋值的差异和证据之间不同焦元交集不为空集部分的支持程度，共同衡量证据之间的冲突程度，在此基础上确定融合证据的权重系数，并对融合证据进行修正，具有重要的理论意义和应用价值。
-
公开(公告)号：CN106202926B
公开(公告)日：2018-08-14
申请号：CN201610541108.0
申请日：2016-07-11
Applicant: 河南大学
Abstract: 本发明公开了一种基于多节点协同探测的空间系统偏差配准优化方法，首先给出多个节点的综合系统偏差的后验分布函数极大化表达式；然后利用序贯量测、预设空间范围等信息构造约束条件，通过凸优化技术求解系统偏差的后验分布函数表达式的解，即系统偏差估计；接着利用估计出的系统偏差对探测节点量测进行配准，最后对所有采样时间点依次运算，进而实现探测网络中多传感器对机动目标协同探测的在线优化处理。本发明提高了探测精度，降低了融合处理的时间复杂度，缩短了计算时间。
-
公开(公告)号：CN104021392B
公开(公告)日：2018-01-19
申请号：CN201410039585.8
申请日：2014-01-27
Applicant: 河南大学
Abstract: 本发明公开了一种基于向量度量的冲突证据融合方法，能实现对多源信息融合中证据之间冲突程度的衡量，通过证据之间的冲突程度衡量确定融合证据的权重因子，并对融合证据进行修正，利用Dempster组合规则融合可以获得可靠的目标识别决策结果。本发明方案与传统算法相比，从证据向量的角度出发，综合考虑证据向量差异度和相似度共同度量证据之间的冲突程度，通过证据冲突程度因子确定融合证据的权重因子，并对证据进行修正后采用Dempster组合规则对修正后的证据进行逐个融合，获得合理的决策结果，可以很好的应用于目标识别领域中，具有重要的理论意义和应用价值。
-
公开(公告)号：CN106650785A
公开(公告)日：2017-05-10
申请号：CN201610984406.7
申请日：2016-11-09
Applicant: 河南大学
IPC: G06K9/62
CPC classification number: G06K9/6267 , G06K9/6288 , G06K9/6289 , G06K2009/6294
Abstract: 本发明公开了一种基于证据分类和冲突衡量的加权证据融合方法，包括如下步骤：首先，获取多个传感器测量信息，转换为证据信息，然后，对上述每两个证据进行计算其是否具有一致性；如果有计算一致性冲突系数，如果没有计算非一致性冲突系数；然后共同求解证据的权重系数，通过权重系数对融合的证据进行修正，最后采用采用Dempster组合规则对修正后的证据进行逐个融合，输出最终目标识别的决策结果。本发明方案与传统算法相比，综合考虑证据之间单子集焦元基本概率赋值的差异和证据之间不同焦元交集不为空集部分的支持程度，共同衡量证据之间的冲突程度，在此基础上确定融合证据的权重系数，并对融合证据进行修正，具有重要的理论意义和应用价值。
-
Patent Agency Ranking
公开(公告)号：CN106202926A
公开(公告)日：2016-12-07
申请号：CN201610541108.0
申请日：2016-07-11
Applicant: 河南大学
Abstract: 本发明公开了一种基于多节点协同探测的空间系统偏差配准优化方法，首先给出多个节点的综合系统偏差的后验分布函数极大化表达式；然后利用序贯量测、预设空间范围等信息构造约束条件，通过凸优化技术求解系统偏差的后验分布函数表达式的解，即系统偏差估计；接着利用估计出的系统偏差对探测节点量测进行配准，最后对所有采样时间点依次运算，进而实现探测网络中多传感器对机动目标协同探测的在线优化处理。本发明提高了探测精度，降低了融合处理的时间复杂度，缩短了计算时间。
-
公开(公告)号：CN119672556A
公开(公告)日：2025-03-21
申请号：CN202411751865.1
申请日：2024-12-02
Applicant: 河南大学
IPC: G06V20/13 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于对比度增强和层级注意力融合的光学遥感图像显著性检测方法、系统、存储介质和电子设备，包括如下步骤：首先通过数据增广增加样本数量，数据增强提升模型泛化能力，然后将增强后的图像输入CEHAFNet中编码；对比度增强模块对前四层编码特征进行增强；解码器将全局语义与增强的特征结合，逐步解码恢复显著特征；接着显著头对各层显著特征进行预测，通过层级注意力融合模块整合显著特征，生成最终显著图，并采用自适应混合损失计算显著图与标签间的差异；训练完成后，保存模型参数；最后将待测样本输入模型中，经计算输出显著图。本发明在复杂背景、显著目标和背景相似等情况下能够对光学遥感图像更有效的进行显著性检测。
-
公开(公告)号：CN119494830A
公开(公告)日：2025-02-21
申请号：CN202411607051.0
申请日：2024-11-12
Applicant: 河南大学
IPC: G06T7/00 , G06V10/26 , G06V20/70 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/0464
Abstract: 本发明提出了一种基于变化感知与语义引导的光学遥感图像变化检测方法、系统、存储介质和电子设备，包括如下步骤：首先，对双时态图像进行预处理，并对变化区域进行标注生成变化标签图。将图像与标签切割为小样本，作为训练数据输入CASGNet模型。通过编码器提取多尺度特征，并利用时空差分融合模块进行变化感知，有效捕捉跨时间的变化信息，抑制伪变化噪声，获取可靠的多尺度差异特征。接着，语义引导模块对多尺度差异特征进行解码，通过语义聚合模块生成语义掩码，引导多尺度特征的融合，消除干扰并补全变化区域的边缘细节。最后，在检测阶段，将预处理后的待测样本输入模型，得到完整且准确的变化检测结果，适用于复杂场景与高分辨率图像的检测任务。
-
公开(公告)号：CN118229548A
公开(公告)日：2024-06-21
申请号：CN202410334891.8
申请日：2024-03-22
Applicant: 河南大学
IPC: G06T5/50 , G06T5/60 , G06V10/143 , G06V10/42 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于渐进多分支和改进UNet3+深监督的红外与可见光图像融合方法，包括如下步骤：对红外与可见光图像进行预处理，以获得数据均为灰度化的图像，得到训练样本；然后将红外与可见光图像输入到渐进多分支模块中，引入SE注意力机制对多尺度信息动态调整；接着输入到引入ECA注意力机制的UNet3+模块中，强化全局感知和局部细节捕获；然后通过深监督进行多尺度特征融合和图像重建操作，以捕捉全局上下文信息并提取目标边缘信息，增强融合区域的目标特征。待训练结束后，将模型的所有参数信息保存下来；最后将待测样本输入至红外与可见光图像融合模型中，经计算输出融合结果图，融合出的图像整体更加完整，细节更加完善，边缘更加平滑。
-
公开(公告)号：CN117078930A
公开(公告)日：2023-11-17
申请号：CN202311011424.3
申请日：2023-08-11
Applicant: 河南大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06T7/12 , G06T7/13 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于边界感知和注意力机制的医学图像分割方法，包括如下步骤：将医学图像数据集进行划分；然后对医学图像进行数据增强，以提升模型鲁棒性；然后将数据增强后的医学图像输入到医学图像分割网络中进行编码操作，提取多尺度特征图；然后进行边界感知操作，提取边界信息；然后进行解码操作，增强边界特征，增加重要通道的特征表示；待训练结束后，将模型的所有参数信息保存下来；最后将待测样本输入至医学图像分割模型中，经计算输出分割结果图。本发明方案利用PVT v2‑b2编码器、边界感知模块、特征融合和特征增强模块实现医学图像分割方法，分割出的图像整体更加完整，细节更加完善，边缘更加平滑。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.024 seconds)
