-
公开(公告)号：CN116612160A
公开(公告)日：2023-08-18
申请号：CN202310389302.1
申请日：2023-04-13
Applicant: 甘肃省科学院 , 中国科学院自动化研究所
IPC: G06T7/30 , G06V10/80 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/08 , G06T3/40
Abstract: 本发明涉及图像处理技术领域，具体为一种大幅面图像配准和融合的方法及装置，其方法包括：提取源图像中不同深度的卷积层特征信息；计算得到源图像上的特征点对在目标图像上的位置信息；基于所述位置信息配准目标图像；将所述目标图像分解成若干个图像块，生成对应的两个低分辨率图像，并将所述两个低分辨率图像泊松融合成稀疏边图像；计算所述若干个四边形图像块的内部像素点信息，结合所述稀疏边图像进行融合，生成最终的融合图像。本发明通过提取源图像上特征点在目标图像上的位置信息，同时采用基于稀疏采样的图像融合方式，实现大幅面目标图像的快速配准和融合，提高了在文物修复领域中海量大幅面高分辨率图像配准和融合的效率。
-
公开(公告)号：CN105787494B
公开(公告)日：2019-04-23
申请号：CN201610102378.1
申请日：2016-02-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于多级分区词袋模型的脑疾病识别装置。其中，该装置包括对训练样本集和测试样本集中各样本的脑部磁共振结构图像进行预处理；接着基于标准脑模板、训练样本集中各样本和测试样本集中各样本的二维磁共振结构图像，分别提取其结构特征；再对标准脑模板进行多级脑分区；又针对标准模板的结构特征，在各分区采用无监督聚类方法分别构造分区词袋；然后，利用各等级分区词袋，构建各样本的各等级词袋直方图；最后，利用各等级词袋直方图，建立多级分类器对测试样本进行分类，进而实现脑部疾病识别。本发明实施例通过基于多级分区词袋模型的脑部磁共振结构图像分类方法，进行疾病识别和个体属性判定，辅助脑疾病临床分析诊断。
-
公开(公告)号：CN101759092A
公开(公告)日：2010-06-30
申请号：CN200810240941.7
申请日：2008-12-24
Applicant: 中国科学院自动化研究所
Abstract: 单配重式自动水平调节吊具及使用方法，涉及装卸吊运装置技术，包括一承重吊具，一自动水平调节装置，装在承重吊具上，自动水平调节装置内有配重块；初始底面测距器和目标底面测距器，分别位于初始承重支架和目标承重支架下；一台计算机与两底面测距器通讯，根据初始底面测距器和目标底面测距器的测量信息，结合已输入的载荷对接面结构尺寸，计算载荷对接面水平倾角，计算出控制信号，传给自动水平调节装置，控制自动水平调节装置内的配重块位置，基于重心补偿原理补偿载荷的偏心力矩，使载荷对接面从水平的初始承重支架起吊和与水平的目标承重支架对接过程中保持水平状态；以实现精密易损载荷的吊装，具有精度高、速度快、安全可靠的优点。
-
公开(公告)号：CN101789178B
公开(公告)日：2011-12-21
申请号：CN200910076851.3
申请日：2009-01-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种街区路口交通信号优化控制方法，基于自适应动态规划的优化控制，步骤1：为街区路口设计最基本的模糊神经网络交通信号控制器；步骤2：获得一段时间内的状态变量和控制变量；步骤3：利用一个时刻的状态变量、控制变量和评价变量等构造训练误差信号，训练人工神经网络评价器；步骤4：利用人工神经网络评价器构造训练误差信号，训练模糊神经网络交通信号控制器；步骤5：使人工神经网络评价器、模糊神经网络交通信号控制器同时满足预定训练指标要求；步骤6：利用下一时刻的训练数据，重复步骤3～5，直至利用完所有时刻的训练数据；步骤7：最终获得优化的模糊神经网络交通信号控制器，传输到街区路口机，对交通信号进行控制。
-
公开(公告)号：CN116612017A
公开(公告)日：2023-08-18
申请号：CN202310394049.9
申请日：2023-04-13
Applicant: 甘肃省科学院 , 中国科学院自动化研究所
IPC: G06T5/00 , G06T5/50 , G06V10/762 , G06V10/80 , G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像提取技术领域，具体为一种提取潜在文物待修复区域图像的方法及装置，其方法包括：采集全局图像，并进行图像预处理，得到预处理后的全局图像；建立待修复区域图像检测识别网络，基于所述待修复区域图像检测识别网络生成用于检测待修复区域图像的边界框；基于所述边界框对所述预处理后的全局图像进行裁剪；建立待修复区域图像分割网络，基于所述待修复区域图像分割网络对所述裁剪后的全局图像进行分割，得到待修复区域图像；对所述待修复区域图像进行精度评定。本发明通过建立待修复区域图像检测识别网络和分割网络，实现对待修复区域图像的检测识别和分割，能大大提高待修复区域图像的提取精度，为后续的图像修复工作提高了效率。
-
Patent Agency Ranking
公开(公告)号：CN101789178A
公开(公告)日：2010-07-28
申请号：CN200910076851.3
申请日：2009-01-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种街区路口交通信号优化控制方法，基于自适应动态规划的优化控制，步骤1：为街区路口设计最基本的模糊神经网络交通信号控制器；步骤2：获得一段时间内的状态变量和控制变量；步骤3：利用一个时刻的状态变量、控制变量和评价变量等构造训练误差信号，训练人工神经网络评价器；步骤4：利用人工神经网络评价器构造训练误差信号，训练模糊神经网络交通信号控制器；步骤5：使人工神经网络评价器、模糊神经网络交通信号控制器同时满足预定训练指标要求；步骤6：利用下一时刻的训练数据，重复步骤3～5，直至利用完所有时刻的训练数据；步骤7：最终获得优化的模糊神经网络交通信号控制器，传输到街区路口机，对交通信号进行控制。
-
公开(公告)号：CN1782659A
公开(公告)日：2006-06-07
申请号：CN200410009931.4
申请日：2004-12-02
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及机器人技术领域，是一种基于激光结构光的焊缝跟踪视觉传感器，采用激光作为结构光的光源，由激光发生器、摄像机、监视器和处理单元等组成。利用激光束经过柱面镜形成激光平面，投射到工件上产生激光条纹，视觉传感器采集焊缝激光图像，通过图像处理计算焊缝位置，并进行转换成模拟信号或无线通信输出，以达到控制焊接机器人实现焊缝自动跟踪的目的。针对多种类型焊缝，和一次焊缝、多次焊缝等不同工序开发了不同的焊缝图像处理模块，以适应多种类型、工序的焊缝跟踪要求。本发明能够提高焊缝位置的测量精度，增加焊缝跟踪的抗干扰能力，并具有适应各种焊缝跟踪系统的通用性和灵活性。
-
公开(公告)号：CN117311379A
公开(公告)日：2023-12-29
申请号：CN202311111412.8
申请日：2023-08-30
Applicant: 中国科学院自动化研究所
IPC: G05D1/10 , G06N5/04 , G06N3/0499 , G06N3/084
Abstract: 本发明提供一种基于虚实互动的飞行器追逃博弈控制方法及装置，基于初始时刻飞行器实际博弈系统中飞行器追逃的状态数据，构造初始飞行器虚拟博弈系统；基于飞行器实际博弈系统中的任务，确定初始飞行器虚拟博弈系统的性能指标函数，并确定第一控制策略；根据第一控制策略在初始时刻对飞行器实际博弈系统的有效性，确定飞行器实际博弈系统的控制策略。本发明提供的基于虚实互动的飞行器追逃博弈控制方法及装置，通过构造飞行器虚拟博弈系统以及虚拟博弈系统与实际博弈系统的互动，确定对飞行器实际博弈系统有效的控制策略，解决了在飞行器实际博弈系统未知的情况下难以精确建模求解的问题，简化了确定飞行器实际博弈系统的控制策略的过程。
-
公开(公告)号：CN117193358A
公开(公告)日：2023-12-08
申请号：CN202311220599.5
申请日：2023-09-20
Applicant: 中国科学院自动化研究所
IPC: G05D1/10
Abstract: 本发明提供一种飞机编队协同控制方法及相关设备，涉及航空技术领域，所述方法包括：获取编队飞行数据；对编队飞行数据进行特征提取，获取第一关键特征；将第一关键特征输入训练好的自学习模型，输出最优控制策略；训练好的自学习模型是基于历史编队飞行数据训练得到的；根据最优控制策略，协同控制飞机编队中的每架飞机。本发明避免最优控制策略依赖于飞行员的经验和技能，减少人工干预和协调，以最优控制策略协同控制飞机编队中的每架飞机，实现提高飞机编队的规模，以及提高飞机编队完成任务的能力。
-
公开(公告)号：CN105787494A
公开(公告)日：2016-07-20
申请号：CN201610102378.1
申请日：2016-02-24
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/54 , G06K9/4676 , G06K9/6218 , G06K9/6227 , G06K9/6269 , G06K2209/05
Abstract: 本发明公开了一种基于多级分区词袋模型的脑疾病识别方法。其中，该方法包括对训练样本集和测试样本集中各样本的脑部磁共振结构图像进行预处理；接着基于标准脑模板、训练样本集中各样本和测试样本集中各样本的二维磁共振结构图像，分别提取其结构特征；再对标准脑模板进行多级脑分区；又针对标准模板的结构特征，在各分区采用无监督聚类方法分别构造分区词袋；然后，利用各等级分区词袋，构建各样本的各等级词袋直方图；最后，利用各等级词袋直方图，建立多级分类器对测试样本进行分类，进而实现脑部疾病识别。本发明实施例通过基于多级分区词袋模型的脑部磁共振结构图像分类方法，进行疾病识别和个体属性判定，辅助脑疾病临床分析诊断。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.035 seconds)
