-
公开(公告)号：CN114612709A
公开(公告)日：2022-06-10
申请号：CN202210185676.7
申请日：2022-02-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种图像金字塔特征指导的多尺度目标检测方法，包括步骤：S1，以彩色图像作为网络输入，以FPN作为目标检测的框架，采用排序下采样方法提取图像特征；S2，以同一幅彩色图像作为输入，采用构建的双瓶颈子卷积网络提取图像金字塔中每层级的位置信息和细节特征；S3，将步骤S2中提取的每层级的图像特征和主干网络对应的深层特征输入到构建的分层式特征融合模块中，完成高分辨率、弱语义特征与低分辨率、强语义特征的融合；S4，引入Focal loss重构损失函数，完成目标检测。本发明不仅能加强空间位置信息，而且能避免在下采样中丢失大量细节信息，从而增加了目标检测网络对小目标和邻近目标的辨识度。
-
公开(公告)号：CN111369449A
公开(公告)日：2020-07-03
申请号：CN202010107191.7
申请日：2020-02-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于生成式对抗网络的红外盲元补偿方法，用于红外成像技术领域，通过对抗网络模型结合盲元补偿函数，以生成新图像的方式实现对原图像盲元像素灰度的预测。首先，基于生成式对抗网络构建盲元补偿网络模型，通过训练使得模型学习到红外盲元图像特征并对用于训练的盲元图像数据集实现较好的补偿效果；然后，对待补偿的盲元图像进行盲元检测生成二值矩阵，结合盲元补偿损失函数生成伪造图像；最后，通过泊松融合算法将盲元图像和生成的伪造图像融合，通过迭代来提高补偿精度，最终完成对红外盲元的补偿。本发明对盲元像素灰度值的预测更加准确，恢复的图像拥有较好的细节和纹理信息，对于大量孤立盲元和盲元簇有较强的适应性。
-
公开(公告)号：CN111259930A
公开(公告)日：2020-06-09
申请号：CN202010020371.1
申请日：2020-01-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种自适应注意力指导机制的一般性目标检测方法，属于计算机视觉目标检测领域。包括交叉下采样、目标区域识别(SORR)、注意力指导机制的金字塔预测卷积(APPK)和并交比(IoU)自适应损失优化。交叉下采样可保留多尺度特征图中的整体细纹理特征，减少了在图像下采样过程中空间信息的丢失；SORR模块将特征图划分为n×n网格，并得到注意力得分图，提高了目标检测效率；APPK模块可以选择推荐区域来处理预测模块和多尺度目标之间的不匹配问题；IoU自适应损失函数用于处理训练中难样本(Hard example)的问题。该目标检测方法在准确度和检测速度方面都优于现有的一般性目标检测方法。
-
公开(公告)号：CN110988883A
公开(公告)日：2020-04-10
申请号：CN201911309889.0
申请日：2019-12-18
Applicant: 南京信息工程大学
Abstract: 本发明提供一种雷达回波图像中飑线特征的智能识别预警方法，以多普勒天气雷达探测资料为主要数据源，对雷达探测到的基本反射率的空间分布和强度进行分析，通过数值预处理、滤波、图像特征提取、对目标物的中轴线分析和飑线形态分析等一系列步骤，实现对雷达飑线特征的智能识别预警。本发明方法的应用能够将以往本需要由气象专业人员主观分析、判读雷达回波图像的工作自动化、客观化，提高了飑线识别、强对流天气告警相关业务的准确性和时效性。
-
公开(公告)号：CN110139402A
公开(公告)日：2019-08-16
申请号：CN201910326893.1
申请日：2019-04-23
Applicant: 南京信息工程大学
Abstract: 本发明提出一种基于灾害应急通信的自适应网关及其网络选择方法，所述网关包括主控制器、电源模块、存储模块、人机交互模块、串口通信接口、无线数传接口、上行通信模块和下行通信模块。所述的方法步骤如下：S1、网络切换预判断；S2、基于AHP法和G-1法求解待传输数据的权重向量；S3、结合S2基于TOPSIS法对备选网络进行排序；S4、根据排序选取网络传输数据；S5、判断网络可靠性，选择备份网络同时传输数据；S6、动态调整网络用户偏好属性值。本发明的网关解决了网络物理层互联问题，提高了信息传递效率，本发明方法在多个网络中选取最优网络传输数据，既保证了灾区应急通信，又可以有效兼顾社会公共资源的效益。
-
Patent Agency Ranking
公开(公告)号：CN106355608B
公开(公告)日：2019-03-26
申请号：CN201610816422.5
申请日：2016-09-09
Applicant: 南京信息工程大学
IPC: G06T7/33
Abstract: 本发明公开了一种基于可变权重代价计算与S‑census变换的立体匹配方法，利用星型邻域最小均匀度的均值代替中心像素灰度值进行census变换；以可变权重的Hamming距作为匹配代价，采用非局部代价聚合方法获取初始视差；利用基于均值偏移的视差提精方法，对初始视差做进一步的处理，处理不可信视差区域，获得高精度视差图。本发明分析了传统census变换的不足，提出了可变权重代价计算与S‑census变换，有效地增强了算法的抗干扰能力；通过可变权重汉明距作为对匹配代价的选取分析方法，有效的提高了匹配精准度，减少了误匹配率；采用非局部代价聚合的方法获取初始视差，提高了视差的区分度；突破了局部立体匹配精度不高、抗干扰能力弱等局限性、能够实现高精度的立体匹配。
-
公开(公告)号：CN106203448B
公开(公告)日：2019-03-12
申请号：CN201610538778.7
申请日：2016-07-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于非线性尺度空间的场景分类方法，构建非线性尺度空间，提取并融合图像颜色特征和空间特征，得到C‑KAZE特征描述向量，通过K‑means将得到的C‑KAZE特征向量聚类生成视觉词包，经过编码池化后，得到高层语义，结合BoVW模型，SPM模型提取并融合图像的高层语义特征和空间布局信息，通过编码和平均池化操作得到最终的特征向量，输入SVM分类器完成场景分类。本发明可快速有效的完成高分辨率，大数据量的场景图像分类，其平均分类准确率和实时性均高于现有分类算法。
-
公开(公告)号：CN107480718A
公开(公告)日：2017-12-15
申请号：CN201710706366.4
申请日：2017-08-17
Applicant: 南京信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6272 , G06K9/6223 , G06K9/629
Abstract: 本发明公开了一种基于视觉词袋模型的高分辨率遥感图像分类方法，包括，图像多特征提取；构建初始视觉词典；筛选视觉单词，构建视觉词典子集；图像表达和分类。本发明有效减少了词典中的冗余信息，平衡了单词的相关性和冗余性，从而提高词典子集的特征描述能力，使高分辨率遥感图像的分类精度得到显著提升。
-
公开(公告)号：CN104361574B
公开(公告)日：2017-02-15
申请号：CN201410539145.9
申请日：2014-10-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于稀疏表示的无参考彩色图像质量评价方法，属于数字图像处理技术领域。本发明对待评价图像，在HSV彩色空间选取具有像素空间相关性标准差最大值的图像块，由图像块来匹配字典中的原子，字典中的每个原子由训练图集中具有像素空间相关性最大标准差的图像块、DMOS值、最大标准差三个元素组成，然后采用匹配追踪的方法在该字典中得到待评价图像的稀疏表示，并由原子字典中被选取到的原子的DMOS及最大标准差值来构建彩色图像质量评价指标。本发明的原子字典的构建方法简单明了，所提取的特征更符合人眼视觉感受，整个算法更简单，质量评价结果更准确。(56)对比文件袁飞等.视频质量客观评价技术研究《.电视技术》.2007,第31卷(第3期),第91-94页.桑庆兵等.基于DCT系数无参考模糊图像质量评价方法《.仪器仪表学报》.2013,第34卷(第11期),第2599-2604页.H.R. Sheikh等.An information fidelitycriterion for image quality assessmentusing natural scene statistics《.IEEE.Trans. Image Process.》.2005,第2117-2128页.Y. Pang等.Learning optimal spatialfilters by discriminant analysis forbrain-computer-interface.《Neurocomputing》.2012,第20-27页.任波波等.通用型无监督的无参考图像质量评价算法《.电视技术》.2013,第37卷(第19期),第36-41页.王正有等.结合HVS和相似特征的图像质量评估方法《.仪器仪表学报》.2012,第33卷(第7期),第1606-1612页.
-
公开(公告)号：CN104915931A
公开(公告)日：2015-09-16
申请号：CN201510182605.1
申请日：2015-04-16
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于压缩感知理论的自适应光学波前信号去噪方法，其包括对自适应光学波前信号建立数学模型，设计由仿真生成的波前信号及噪声信号构成的训练波前信号，将所述训练波前信号作为构造字典的训练样本；采用K-SVD算法对所述训练波前信号通过训练来构造一个过完备K-SVD字典；基于所构造的K-SVD字典，对所述光学波前信号的数学模型采用基于l0-范数优化的压缩感知信号算法，进行波前信号的稀疏分解，在远小于Nyquist采样率的条件下，获取该光学波前信号在K-SVD字典下稀疏表示的估计，由该稀疏表示的估计和K-SVD字典的乘积重构得到时域波前信号，去除噪声，并简化庞大的自适应光学系统，降低成本，拓展自适应光学系统的应用领域。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.056 seconds)
