-
公开(公告)号：CN119810540A
公开(公告)日：2025-04-11
申请号：CN202411890313.9
申请日：2024-12-20
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/52 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种基于多尺度卷积和特征融合的高光谱图像开放集分类方法，旨在提升高光谱图像中已知类别和未知类别的分类精度和分类模型的鲁棒性。该方法通过深度学习模型融合光谱和空间特征，解决了高光谱图像分类中的未知类别识别和特征优化问题。首先通过多尺度卷积提取光谱特征，并结合通道注意力机制，增强了对最具判别性光谱信息的捕捉。其次，通过多分支结构和卷积增强技术优化了光谱特征的表达，提升对复杂空间信息的感知能力。空间特征则通过高频增强技术得到强化，提升了对细节和边缘信息的敏感性。本发明通过创新的特征提取和融合策略，提升了高光谱图像开放集的分类精度与分类模型的鲁棒性。
-
公开(公告)号：CN114049274B
公开(公告)日：2024-08-27
申请号：CN202111343676.7
申请日：2021-11-13
Applicant: 哈尔滨理工大学
IPC: G06T5/73 , G06T5/60 , G06T7/90 , G06N3/0464
Abstract: 本发明一种单幅图像去雾方法属于数字图像处理技术领域；该方法首先构建去雾模块，然后构建阶梯式去雾网络结构：将有雾图像输入到去雾模块得到第一梯度去雾模块，输出为较粗糙的去雾图像，再将输入到去雾模块得到第二梯度去雾模块，得到较高质量的清晰无雾图像；最后设计深度损失函数；本发明单幅图像去雾方法，把阶梯式去雾策略跟改进的去雾模块充分结合，得到了更好的去雾效果。
-
公开(公告)号：CN113180684B
公开(公告)日：2023-10-24
申请号：CN202110621487.5
申请日：2021-06-03
Applicant: 哈尔滨理工大学
Abstract: 本发明一种Ⅱ导联心电信号分类方法，属于心电信号识别分类领域；该方法首先对Ⅱ导联心电信号原始数据进行滤除肌电干扰、工频干扰，然后建立训练模型对心电信号进行无监督算法时间序列特征提取，通过改进传统多层卷积神经网络时域上的梯度消失与时间序列敏感度低、参数复杂等问题获得了一个时间序列敏感、时域表现稳定的新型神经网络分类模型，最后通过该模型获得了特定心跳类型的时间序列特征用以实现心跳信号的分类。该方法包含了基于时间序列特征检测的LSTM神经网络与Auto Encoder模型相结合的方法，实验证明，该方法不仅能够较好的提取信号中的时间序列，减少输入参数复杂度，还适用于多种心电信号的判别分类。
-
公开(公告)号：CN114548260A
公开(公告)日：2022-05-27
申请号：CN202210152900.2
申请日：2022-02-18
Applicant: 哈尔滨理工大学
IPC: G06K9/62 , G06V10/764 , G06V10/56 , G06V10/80
Abstract: 本发明一种基于深度学习的车辆重识别方法属于图像识别、深度学习技术领域；该方法首先对目标车辆图片与采集到的车辆图片进行提取HSV空间下的颜色特征和提取RGB图像多维度特征，然后对二者进行级联得到最终的特征，从而从采集到的车辆图片中筛选出与目标车辆图片相同类别的图片；然后把目标车辆图片与筛选出来的图片再进行特征提取，获取到高维特征，之后以特征集中相同类别的特征为基础，对此特征进行相似DC模块处理和差异DC模块处理，将处理之后的两特征融合为新的特征，最后根据新特征判断其与目标车辆图片是否为同一辆车。实验证明，该方法能够提高重识别的准确率和速度。
-
公开(公告)号：CN113514009A
公开(公告)日：2021-10-19
申请号：CN202110904262.0
申请日：2021-08-06
Applicant: 哈尔滨理工大学
IPC: G01B11/25
Abstract: 一种移位阶梯相位码与相移条纹非对称组合三维测量方法属于结构光三维测量技术领域。该方法包括以下步骤：依据相移法生成余弦相移图案；设计生成移位阶梯相位码字；将码字嵌入相移条纹中生成移位阶梯相位码图案；投射余弦相移条纹和移位阶梯相位码条纹图案并同步采集它们的图像；利用相移法获取包裹相位和包裹移位阶梯相位；将包裹移位阶梯相位转换为其十进制包裹数字码；对包裹数字码进行解包裹得到连续数字码；对包裹相位进行解包裹得到绝对相位；根据三角法使用绝对相位计算被测表面三维坐标。相比于阶梯相位码与相移条纹组合方法，本发明方法的测量结果不会产生由跳变误差导致的粗大误差，能更可靠地得到绝对相位，可提供更准确的测量结果。
-
Patent Agency Ranking
公开(公告)号：CN113091649A
公开(公告)日：2021-07-09
申请号：CN202110381204.4
申请日：2021-04-09
Applicant: 哈尔滨理工大学
Abstract: 本发明格雷码与相移非等周期组合测量中周期跳变误差消除方法属于结构光三维测量技术领域；该方法包括以下步骤：根据格雷码与相移非等周期组合方法获得高频绝对模拟码；通过高频绝对模拟码和由相移法得到的低频包裹模拟码直接计算低频模拟码序号；计算低频绝对模拟码；利用高频绝对模拟码和低频绝对模拟码的差值计算校正系数；计算校正后的高频绝对模拟码；本发明方法同对格雷码容错能力最优的《一种可靠的绝对模拟码检索方法》相比，消除周期跳变误差能力相同，但是投射图案的数量更少，因此测量效率得到了提高。
-
公开(公告)号：CN112785531A
公开(公告)日：2021-05-11
申请号：CN202110293179.4
申请日：2021-03-18
Applicant: 哈尔滨理工大学
Abstract: 本发明一种内腔图像高光抑制方法属于微创手术处理技术领域；该方法首先采用一种基于自适应阈值Sobel算法检测高光区域边界，然后把高光边界划分为多个子区域，对每个子区域使用优先级函数判断各个子区域的优先级，先对优先级较高的子区域行像素填补处理，直至处理完全部高光区域，得到高光抑制后的内腔图像；实验证明本方法能够去除内腔图像中的高光，为手术导航中的目标跟踪、三维重建提供了稳定、准确的特征描述基础，为医生提供更可靠的信息，便于临床诊断。
-
公开(公告)号：CN111695577A
公开(公告)日：2020-09-22
申请号：CN202010533776.5
申请日：2020-06-12
Applicant: 哈尔滨理工大学
Abstract: 本发明一种多特征融合的安全帽跟踪算法属于安全帽图像目标跟踪领域；该方法首先获取初始帧图像A中目标安全帽信息及下一帧图像B中候选安全帽信息，并分别使用空间颜色直方图和LBP统计直方图描述目标及候选安全帽；然后分别在空间与纹理特征下对下一帧图像B中候选安全帽与初始帧图像A中目标安全帽进行相似性度量，进行多次向量迭代获取最优候选安全帽位置；之后进行多特征加权融合获取下一帧图像B中安全帽的位置；最后将图像B的处理结果作为后一帧图像C的目标安全帽位置，重复之前操作，实现对运动目标安全帽的跟踪。实验证明，该算法能够在背景颜色与目标安全帽颜色相近时克服干扰，实现对目标安全帽的跟踪。
-
公开(公告)号：CN111368125A
公开(公告)日：2020-07-03
申请号：CN202010149888.0
申请日：2017-02-13
Applicant: 哈尔滨理工大学
IPC: G06F16/583 , G06F16/55 , G06K9/46 , G06K9/62
Abstract: 本发明一种面向图像检索的距离度量方法，包括改进传统Hausdorff距离度量，包括以下步骤：首先写出成本函数的微分方程形式，然后得到成本函数的通解，最后用传统的Hausdorff距离作为成本函数的变量，改进的Hausdorff距离；将本发明距离度量方法应用于基于词汇树信息融合与豪斯多夫距离结合的图像检索方法中，能够为提高图像检索准确率，并适用于复杂背景的图像检索提供理论基础。
-
公开(公告)号：CN111127443A
公开(公告)日：2020-05-08
申请号：CN201911362647.8
申请日：2019-12-25
Applicant: 哈尔滨理工大学
Abstract: 本发明一种基于PTAM的内腔图像特征点检测方法属于微创手术处理技术领域；该方法首先对内腔图像进行预处理，其次采用灰度重心法提取血管中心线，然后对提取的血管中心线进行进一步处理，采用基于八邻域滤波的方法检测血管分支点，该方法提取的血管分支会存在伪分支点，需要对血管伪分支点进行去除操作；然后提取内腔表面特征点，并进行非极大值抑制去除多余的内腔表面特征点，最后将提取的血管分支点和内腔表面特征点结合起来作为内腔血管图像的特征点。实验证明本方法明显提高内腔血管图像的匹配率，可以很好的实现内腔图像三维建模，为医生提供更可靠的信息，便于临床诊断。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.03 seconds)
