一种自适应生成对抗网络图像降噪方法

    公开(公告)号:CN113962895B

    公开(公告)日:2024-06-28

    申请号:CN202111270671.6

    申请日:2021-10-29

    摘要: 本发明公开了一种自适应生成对抗网络图像降噪方法,将任意噪声图像分别送入到生成器G1和G2中,生成器G1对给定噪声图像中的噪声建模,以便可以学习从噪声图像中提取噪声图;通过将提取的噪声图添加真实的无噪声图像来构建图像对生成噪声图像,用原带噪声的图像减去提取的噪声图得到降噪的图像;将生成的噪声图像与真实的有噪声图像一起送到鉴别器D1中并鉴别真假;有噪声的图像被送到生成器G2后,G2的任务是尝试学会从有噪声的图像中生成干净的降噪图像ID2,通过将生成的干净降噪图像ID2、之前得到的降噪图像ID1和真实的无噪声图像送入到鉴别器D2中,在迭代中不断提升鉴别器的判定真假能力和生成器生成逼真图像的能力。

    基于单目视觉移动机器人目标跟踪及平台控制系统和方法

    公开(公告)号:CN108646760B

    公开(公告)日:2022-03-25

    申请号:CN201810757763.9

    申请日:2018-07-11

    IPC分类号: G05D1/02

    摘要: 本发明公开了一种基于单目视觉移动机器人目标跟踪及平台控制系统和方法,它涉及机器人技术领域。其流程为:首先根据k时刻机器人和目标的估计状态生成控制分量,包括角速度和线速度Δxk,其次利用单目视觉SLAM方法得到机器人状态和协方差估计,目标根据运动模型ft预测自身状态和协方差阵然后利用和结合目标观测模型预测本轮目标观测值并生成观测残差阵最后利用目标实际观测值对目标状态和方差阵进行更新得到和本发明实现利用装载在移动机器人上的摄像机所拍摄的图片完成对环境特征状态、机器人状态和移动目标状态的实时在线估计,保证机器人对目标产生足够的观测视差,保证目标纯方向观测量条件下的目标状态收敛,应用前景广阔。

    一种基于多核机器学习的不平衡高光谱图像分类方法

    公开(公告)号:CN113283482A

    公开(公告)日:2021-08-20

    申请号:CN202110528831.6

    申请日:2021-05-14

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种基于多核机器学习的不平衡高光谱图像分类方法,包括以下步骤:1)获取原始样本,通过原始样本构建原始训练集X,得原始训练集X的Gram矩阵;2)根据原始训练集X的Gram矩阵计算扩展合成Gram矩阵Km;3)根据扩展合成Gram矩阵Km构建多核模型,然后基于多核模型,计算MKLMO目标函数,得最优内核函数权系数及拉格朗日乘子4)将最优内核函数权系数及拉格朗日乘子代入到决策函数中,将待分类样本代入决策函数中,得待分类样本的类别,完成基于多核机器学习的不平衡高光谱图像分类,该方法对样本特性的适应能力较强,分类效果优异。

    一种基于生成对抗网络的红外图像边缘保留超分辨重建方法

    公开(公告)号:CN113920015A

    公开(公告)日:2022-01-11

    申请号:CN202111269585.3

    申请日:2021-10-29

    摘要: 本发明公开了一种基于生成对抗网络的红外图像边缘保留超分辨重建方法,包括两层生成对抗网络,该网络将图像的生成过程分解为两个阶段,第一阶段GAN:在第一阶段中,将低分辨率图像作为输入,送到第一阶段生成器中,生成一张假的的图像,将这张生成的图像与真实的图像一起送到第一阶段鉴别器中,并辨别真假;第二阶段GAN:在第二阶段中,将生成的低分辨率图像作为输入,送到第二阶段生成器中,生成一张的图像;将这张生成的图像与真实的图像一起送到第二阶段鉴别器中,并辨别真假。使用本发明的方法能得到具有照片般逼真细节的高分辨率图像。

    一种基于改进YOLOv3的红外目标检测方法

    公开(公告)号:CN112348042A

    公开(公告)日:2021-02-09

    申请号:CN201910728022.2

    申请日:2019-08-08

    IPC分类号: G06K9/62

    摘要: 一种基于改进YOLOv3的红外目标检测方法,使用Darknet‑53作为网络检测框架,移除网络检测框架与预测模块之间的卷积层,加入多尺度融合预测,利用残差层融合低级特征的重复块。在重复块的底部加入注意力模块,在重复块之间加入残差金字塔过渡网络,重复块的通道数随重复次数递增。本发明具有针对红外图像的目标检测时提取特征能力和信息过渡水平都较好的特点。

    一种双冷却的PCI Express Gen3FPGA波形发生卡

    公开(公告)号:CN109696941A

    公开(公告)日:2019-04-30

    申请号:CN201910066141.6

    申请日:2019-01-24

    IPC分类号: G06F1/02 G06F1/20

    摘要: 一种双冷却的PCI Express Gen3FPGA波形发生卡,采用FPGA开发软件使用XILINX Vivado 2018.3,基于Verilog-HDL编写用户的逻辑接口源代码,采用XILINX Virtex FPGA处理器,ZDWV5000提供64位Windows 10设备驱动程序,采用单次或多次触发回放模式产生开放的任意波形,ZDWV5000 通过PCI Express Gen3总线连接到计算机主机,主板上安装有轴流风扇。通过解决通信配合,同时解决冷却方式,我们可以成功地把2通道5.0Gsps 12bit PCI ExpressGen3FPGA开放的任意波形发生卡安装在电脑的主机箱内。

    基于迁移学习和光谱恢复的HSI超分辨重建方法及相关设备

    公开(公告)号:CN113284045A

    公开(公告)日:2021-08-20

    申请号:CN202110550369.X

    申请日:2021-05-20

    IPC分类号: G06T3/40 G06N3/04 G06N3/08

    摘要: 本发明涉及高光谱图像领域,公开基于迁移学习和光谱恢复的HSI超分辨重建方法及相关设备,用于通过机器学习模型实现从低分辨高光谱图像预测HSI,方法包括:获取高光谱图像集训练集和彩色图像训练集;根据高光谱图像集训练集进行光谱下采样得到多光谱图像集;根据彩色图像训练集对预设迁移学习模型进行训练,得到空间超分辨模型,并对空间超分辨模型进行调优,得到目标空间超分辨模型;根据低分辨率多光谱图像集和低分辨率高光谱图像集,对预设深度学习模型进行训练,得到目标光谱超分辨模型;获取待重建的低分辨率高光谱图像,基于目标空间超分辨模型及目标光谱超分辨模型分别进行迁移学习与光谱恢复处理,得到对应的高分辨率高光谱图像。