-
公开(公告)号：CN112598069B
公开(公告)日：2024-04-16
申请号：CN202011573651.1
申请日：2020-12-25
Applicant: 南京信息工程大学滨江学院
IPC: G06V20/10 , G06N3/0464 , G06T7/11 , G06T7/20
Abstract: 本发明提供了一种基于特征提取和权重系数参数更新的高光谱目标跟踪方法，首先利用基于多维缩放和主成分分析的联合光谱降维方法对原始高光谱图像序列进行降维处理；然后分别提取降维处理后得到的图像序列的四对特征，将四对特征进行融合；并将融合后的特征送入核相关滤波器，得到四个基于第一到第四个特征的弱响应图；并利用权重系数对弱响应图进行加权得到强响应图；将强响应图中最大值位置作为目标的位置；并对权重系数进行更新。本发明克服了现有技术中计算量大，实时性差的缺点，使得本发明提高了复杂背景下高光谱图像序列中目标跟踪的速度，并且当目标出现形变和遮挡时有较好跟踪效果。
-
公开(公告)号：CN113625293A
公开(公告)日：2021-11-09
申请号：CN202110890396.1
申请日：2021-08-03
Applicant: 南京信息工程大学滨江学院
IPC: G01S17/08 , G01N21/359 , G01N15/06 , G01W1/10
Abstract: 本发明公开了一种基于近红外三光谱成像的建筑物相对距离估计方法，首先测量雾天下太阳光的光谱并从中选定三个近红外波段；然后采用同一近红外相机和三个近红外成像波段对应的滤光片在雾天下对选定建筑物目标进行成像得到同一场景下不同波段成像的三幅近红外图像；再分别确定三幅近红外图像的全局大气光值和消光系数；根据三幅近红外图像及其对应的全局大气光值和消光系数推导建筑物相对距离估计公式；最后利用所推导的距离估计公式对建筑物相对距离进行估计。本发明克服了现有技术中不同波段下材料的反射率对距离估计产生的影响，使得本发明对建筑物相对距离的估计更加准确。
-
公开(公告)号：CN112598711A
公开(公告)日：2021-04-02
申请号：CN202011573891.1
申请日：2020-12-25
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提供了一种基于联合光谱降维和特征融合的高光谱目标跟踪方法，首先利用基于多维缩放和主成分分析的联合光谱降维方法对原始高光谱图像序列进行降维处理；然后分别提取降维处理后得到的图像序列的四对特征，将四对特征进行融合；并将融合后的特征送入核相关滤波器，得到四个基于第一到第四个特征的弱响应图；并利用权重系数对弱响应图进行加权得到强响应图；将强响应图中最大值位置作为目标的位置；并对基样本和权重系数的参数进行自适应更新。本发明克服了现有技术中计算量大，实时性差的缺点，使得本发明提高了复杂背景下高光谱图像序列中目标跟踪的速度，并且当目标出现形变和遮挡时有较好跟踪效果。
-
公开(公告)号：CN112911304B
公开(公告)日：2022-03-25
申请号：CN202110132904.X
申请日：2021-01-29
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明公开了一种基于编码的双路视频压缩装置及压缩视频重建方法。基于编码的双路视频压缩装置包括场景压缩模块、编码调制模块、压缩采集模块、压缩视频重建模块。通过双光路实现边信息和编码信息的采集，其中视频重建模块采用基于梭形网络结构的压缩视频重建方法。将边信息、编码信息和编码模板序列进行拼接操作后，经过梭形网络中的通道注意力，空间注意力和残差机制等深层特征提取，快速重建得到高质量的视频图像序列。本发明提高重建视频的图像质量；采用梭形网络结构，通过双注意力残差机制提取深层的空间特征和时间特征，提高了视频重建的速度和质量。
-
公开(公告)号：CN112911304A
公开(公告)日：2021-06-04
申请号：CN202110132904.X
申请日：2021-01-29
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明公开了一种基于编码的双路视频压缩装置及压缩视频重建方法。基于编码的双路视频压缩装置包括场景压缩模块、编码调制模块、压缩采集模块、压缩视频重建模块。通过双光路实现边信息和编码信息的采集，其中视频重建模块采用基于梭形网络结构的压缩视频重建方法。将边信息、编码信息和编码模板序列进行拼接操作后，经过梭形网络中的通道注意力，空间注意力和残差机制等深层特征提取，快速重建得到高质量的视频图像序列。本发明提高重建视频的图像质量；采用梭形网络结构，通过双注意力残差机制提取深层的空间特征和时间特征，提高了视频重建的速度和质量。
-
Patent Agency Ranking
公开(公告)号：CN112634161A
公开(公告)日：2021-04-09
申请号：CN202011573525.6
申请日：2020-12-25
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提供了一种基于两级反射光消除网络和像素损失的反射光去除方法，首先设置两级反射光消除网络中生成器的一级子网络和二级子网络；然后设定两级反射光消除网络中生成器基于像素损失的损失函数；再设定两级反射光消除网络中鉴别器的损失函数；训练两级反射光消除网络直到两级反射光消除网络参数收敛得到训练好的两级反射光消除网络；最后用训练好的两级反射光消除网络对测试数据集进行图像反射光去除，输出图像反射光去除以后的透射图。本发明克服了现有技术中容易出现色彩失真和细节损失的缺点，使得本发明对反射图像的去除效果更加明显，并且不存在色彩失真。
-
公开(公告)号：CN112598598A
公开(公告)日：2021-04-02
申请号：CN202011573740.6
申请日：2020-12-25
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提供了一种基于两级反射光消除网络的图像反射光去除方法，首先设置两级反射光消除网络中生成器的一级子网络和二级子网络；然后设定两级反射光消除网络中生成器的损失函数，由像素损失和感知损失两部分构成；再设定两级反射光消除网络中鉴别器的损失函数；训练两级反射光消除网络直到两级反射光消除网络参数收敛得到训练好的两级反射光消除网络；最后用训练好的两级反射光消除网络对测试数据集进行图像反射光去除，输出图像反射光去除以后的透射图。本发明克服了现有技术中容易出现色彩失真和细节损失的缺点，使得本发明对反射图像的去除效果更加明显，并且不存在色彩失真。
-
公开(公告)号：CN112634161B
公开(公告)日：2022-11-08
申请号：CN202011573525.6
申请日：2020-12-25
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提供了一种基于两级反射光消除网络和像素损失的反射光去除方法，首先设置两级反射光消除网络中生成器的一级子网络和二级子网络；然后设定两级反射光消除网络中生成器基于像素损失的损失函数；再设定两级反射光消除网络中鉴别器的损失函数；训练两级反射光消除网络直到两级反射光消除网络参数收敛得到训练好的两级反射光消除网络；最后用训练好的两级反射光消除网络对测试数据集进行图像反射光去除，输出图像反射光去除以后的透射图。本发明克服了现有技术中容易出现色彩失真和细节损失的缺点，使得本发明对反射图像的去除效果更加明显，并且不存在色彩失真。
-
公开(公告)号：CN113484254A
公开(公告)日：2021-10-08
申请号：CN202110885762.4
申请日：2021-08-03
Applicant: 南京信息工程大学滨江学院
IPC: G01N21/27 , G01N21/3504 , G01N21/359
Abstract: 本发明公开了基于三光谱实时成像和多项式回归的修正能见度估计方法，属于大气能见度检测技术领域，利用三台近红外相机、三个分光镜、三个近红外成像波段对应的滤光片、三个镜组搭建三光谱实时成像光学系统；利用三光谱实时成像系统在雾天下对选定建筑物目标进行成像得到同一场景下不同波段成像的三幅近红外图像；进一步推导雾天下基于近红外三光谱成像和距离的能见度估计公式；得到多对标准能见度U与估计能见度V，然后使用多项式回归方程建立能见度修正公式，对后续得到的估计能见度V进行修正得到修正能见度Vx。本发明利用三光谱实时成像与多项式回归克服了现有技术中需要大量训练样本来优化神经网络性能，使得本发明测量雾天下能见度误差较低。
-
公开(公告)号：CN112598069A
公开(公告)日：2021-04-02
申请号：CN202011573651.1
申请日：2020-12-25
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提供了一种基于特征提取和权重系数参数更新的高光谱目标跟踪方法，首先利用基于多维缩放和主成分分析的联合光谱降维方法对原始高光谱图像序列进行降维处理；然后分别提取降维处理后得到的图像序列的四对特征，将四对特征进行融合；并将融合后的特征送入核相关滤波器，得到四个基于第一到第四个特征的弱响应图；并利用权重系数对弱响应图进行加权得到强响应图；将强响应图中最大值位置作为目标的位置；并对权重系数进行更新。本发明克服了现有技术中计算量大，实时性差的缺点，使得本发明提高了复杂背景下高光谱图像序列中目标跟踪的速度，并且当目标出现形变和遮挡时有较好跟踪效果。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.036 seconds)
