基于形态学增强的暗弱目标序列检测方法

    公开(公告)号:CN117058010A

    公开(公告)日:2023-11-14

    申请号:CN202310811068.7

    申请日:2023-07-04

    Abstract: 一种基于形态学增强的暗弱目标序列检测方法,包括,对原始数据进行预处理,去除周期纹理噪声和热噪声;对预处理结果进行形态学增强;对增强结果进行自适应双参数恒虚警计算得到二值图像,对二值图像进行连通域标注,剔除虚警目标和过曝高亮度星;对得到的二值图像进行多帧叠加,对叠加后图像连通域进行目标连续搜索,以确认移动目标。本公开针对空间暗弱目标,设计了基于形态学的增强计算,通过基础膨胀腐蚀计算,实现了近椭圆目标周边噪声抑制及目标中心增强,并通过叠加后的多帧目标关联检测剔除虚警、保留运动目标信息,设计架构简单、计算量小,能够有效提高实时计算性能。

    一种融合空间运动和表观特征学习的多目标跟踪方法

    公开(公告)号:CN115994929A

    公开(公告)日:2023-04-21

    申请号:CN202310294047.2

    申请日:2023-03-24

    Abstract: 本发明公开了一种融合空间运动和表观特征学习的多目标跟踪方法,首先将视频转换成帧序列,然后使用卷积神经网络对全部帧图像进行特征提取,根据运动目标特征使用目标检测器得到全部目标的目标检测轨迹;再然后对全部目标的目标检测轨迹进行校验以及目标检测轨迹,得到预测位置;利用预测位置和目标检测轨迹进行检测边框大小进行位置重合计算,判断是否发生遮挡,若发生遮挡,将预测目标检测边框的位置替换目标检测轨迹的目标检测边框位置,并输出该运动目标的最终检测轨迹,最终得到全部目标的最终检测轨迹。本发明令检测结果更加精确,实现多目标的准确识别和追踪。

    一种支持多核处理器的星载确定性分区调度方法

    公开(公告)号:CN115437759A

    公开(公告)日:2022-12-06

    申请号:CN202210838653.1

    申请日:2022-07-18

    Abstract: 本发明公开了一种支持多核处理器的星载确定性分区调度方法,通过分区划分、两级调度,将星载计算机多个复杂无序的任务整理成确定的执行序列,按照时间窗口规划分区,每个分区的执行时间是确定的,支持用户按优先级配置任务的处理器核,对于时序和实时性要求高的任务,可以绑定到指定的处理器核上运行,对于时序和实时性要求不高的任务,可以由系统分配空闲的处理器核运行,一方面可以确保任务的时序确定性和执行时间的确定性,解决了多核竞争执行多任务导致的调度序列不确定的问题,另一方面,可以降低处理器核的空闲率,提高多核的调度效率。同时具备分区异常状态检测和动态管理功能,提高了系统的可靠性和扩展性。

Patent Agency Ranking