-
公开(公告)号：CN116091545A
公开(公告)日：2023-05-09
申请号：CN202310060920.1
申请日：2023-01-13
Applicant: 无锡学院
Abstract: 本发明公开了基于深度光谱级联纹理特征的高光谱视频目标跟踪方法，获得第t帧高光谱图像局部区域的光谱曲线，将未知区域像素的光谱曲线与局部区域的光谱曲线做差，将图像分割为目标区域与背景区域，导入第t+1帧，获得搜索区域每个像素点的光谱曲线，对其进行降维处理得到降维后一波段图像，提取该图像的深度特征与纹理特征，根据图像信噪比曲线获得每个光谱通道的权重，与对应纹理特征相乘进而获得光谱级联特征，将其覆盖上设置好的掩膜，获得光谱级联纹理预测特征，将其与深度特征进行逐像素卷积获得深度平均光谱级联纹理特征Uk，将第一帧图像的Uk送入DCF滤波器训练好模板，将t+1帧图像的Uk送入滤波器模板获得响应图，根据分布策略估计目标尺度，确定预测框位置，获得跟踪的目标。
-
公开(公告)号：CN116012403A
公开(公告)日：2023-04-25
申请号：CN202310079879.2
申请日：2023-01-13
Applicant: 无锡学院
Abstract: 本发明公开了一种基于目标和背景分割的高光谱图像序列降维方法，确定归一化后第t帧高光谱图像的目标局部区域Lt和搜索区域St；确定光谱平均值；确定局部光谱曲线Cl，并确定局部光谱平均值Cli；利用St减去Lt获得未知区域Rt；确定Rt内的未知像素的光谱曲线Cu，并确定灰度值Cuij；利用Cuij减去Cli获得误差εij；利用误差εij和灰度阈值β确定问题波段，并统计问题波段的数量；将问题波段数量小于带宽阈值η的像素标记为目标像素，并将目标像素的集合定义为目标区域Ot；计算Ot的目标平均光谱曲线Co，并确定目标平均光谱值Coi，载入第t+1帧搜索区域St+1，获得St+1上各像素点的光谱曲线Cs，并确定光谱值Csi；计算Csi和Coi的欧氏距离Dj，Dj即为降维后St+1上各像素点的灰度值，依次处理高光谱图像序列中的每一帧高光谱图像序列。
-
公开(公告)号：CN115457286B
公开(公告)日：2024-09-24
申请号：CN202211235788.5
申请日：2022-10-10
Applicant: 无锡学院
IPC: G06F17/16 , G06V10/32 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/50 , G06V10/58 , G06V10/60 , G06V10/80
Abstract: 本发明公开了一种基于全局和局部光谱加权的高光谱图像序列降维方法，载入高光谱图像序列中的第t帧高光谱图像，并对第t帧高光谱图像进行灰度归一化得到归一化后第t帧高光谱图像，确定归一化后第t帧高光谱图像的目标区域Tt；确定所述归一化后第t帧高光谱图像的目标区域Tt的第i个波段图像Tit的光谱平均值；根据所述Tt的第i个波段图像Tit的光谱平均值确定归一化后第t帧高光谱图像的目标区域Tt的全局光谱；确定Tt的局部光谱；将所述Tt的全局光谱与局部光谱加权融合成最终光谱；根据所述最终光谱确定降维之后的高光谱图像；依次载入高光谱图像序列中的所有帧高光谱图像完成高光谱图像序列降维。
-
公开(公告)号：CN116128925B
公开(公告)日：2025-03-14
申请号：CN202310086475.6
申请日：2023-02-09
Applicant: 无锡学院
IPC: G06T7/246
Abstract: 本发明公开了基于自适应权重和置信度的高光谱图像目标跟踪方法，获得归一化后第一帧、第t帧和相邻帧高光谱图像，再通过主成分分析法对图像降维分别获得三张单波段的灰度图像Z1、Zt和#imgabs0#根据双孪生网络以第一帧和相邻帧为模板图像，第t帧为搜索图像，分别提取它们降维后图像的深度特征，将模板图像与搜索图像的特征俩俩朴素相关，获得初始响应图R1和相邻响应图#imgabs1#采用自适应权重w1和w2将俩个响应图融合获得融合响应图#imgabs2#分别对其进行置信度确定和尺度估计并获得当前帧高光谱图像的跟踪目标，再依据置信度确定来判断是否让第t帧的相邻帧高光谱图像对第t帧高光谱图像进行更新。
-
公开(公告)号：CN115908199B
公开(公告)日：2024-11-26
申请号：CN202211700123.7
申请日：2022-12-28
Applicant: 无锡学院
Abstract: 本发明公开了一种基于深度去噪器的压缩红外图像复原方法，首先原始红外图像经过编码测量后获得原始测量值，复原原始红外图像时在传统基于优化的算法中插入深度网络学习获得的深度去噪器，然后通过设计基于空间注意力和通道注意力的特征提取网络得到深度去噪器，最后迭代求解两个子过程得到复原的红外图像，从而同时具有基于模型的优化算法的可解释性和基于卷积神经网络的鲁棒性和快速性，提高了图像复原的质量。
-
Patent Agency Ranking
公开(公告)号：CN116128925A
公开(公告)日：2023-05-16
申请号：CN202310086475.6
申请日：2023-02-09
Applicant: 无锡学院
IPC: G06T7/246
Abstract: 本发明公开了基于自适应权重和置信度的高光谱图像目标跟踪方法，获得归一化后第一帧、第t帧和相邻帧高光谱图像，再通过主成分分析法对图像降维分别获得三张单波段的灰度图像Z1、Zt和根据双孪生网络以第一帧和相邻帧为模板图像，第t帧为搜索图像，分别提取它们降维后图像的深度特征，将模板图像与搜索图像的特征俩俩朴素相关，获得初始响应图R1和相邻响应图采用自适应权重w1和w2将俩个响应图融合获得融合响应图分别对其进行置信度确定和尺度估计并获得当前帧高光谱图像的跟踪目标，再依据置信度确定来判断是否让第t帧的相邻帧高光谱图像对第t帧高光谱图像进行更新。
-
公开(公告)号：CN115457286A
公开(公告)日：2022-12-09
申请号：CN202211235788.5
申请日：2022-10-10
Applicant: 无锡学院
Abstract: 本发明公开了一种基于全局和局部光谱加权的高光谱图像序列降维方法，载入高光谱图像序列中的第t帧高光谱图像，并对第t帧高光谱图像进行灰度归一化得到归一化后第t帧高光谱图像，确定归一化后第t帧高光谱图像的目标区域Tt；确定所述归一化后第t帧高光谱图像的目标区域Tt的第i个波段图像Tit的光谱平均值；根据所述Tt的第i个波段图像Tit的光谱平均值确定归一化后第t帧高光谱图像的目标区域Tt的全局光谱；确定Tt的局部光谱；将所述Tt的全局光谱与局部光谱加权融合成最终光谱；根据所述最终光谱确定降维之后的高光谱图像；依次载入高光谱图像序列中的所有帧高光谱图像完成高光谱图像序列降维。
-
公开(公告)号：CN115908199A
公开(公告)日：2023-04-04
申请号：CN202211700123.7
申请日：2022-12-28
Applicant: 无锡学院
Abstract: 本发明公开了一种基于深度去噪器的压缩红外图像复原方法，首先原始红外图像经过编码测量后获得原始测量值，复原原始红外图像时在传统基于优化的算法中插入深度网络学习获得的深度去噪器，然后通过设计基于空间注意力和通道注意力的特征提取网络得到深度去噪器，最后迭代求解两个子过程得到复原的红外图像，从而同时具有基于模型的优化算法的可解释性和基于卷积神经网络的鲁棒性和快速性，提高了图像复原的质量。
-
公开(公告)号：CN114425856B
公开(公告)日：2023-03-21
申请号：CN202210059553.9
申请日：2022-01-19
Applicant: 无锡学院
IPC: B29C64/386 , B29C64/393 , B33Y50/00 , B33Y50/02 , G06T3/60 , G06T5/00 , G06T7/33 , G06T7/66 , G06T17/20
Abstract: 本发明公开了一种基于三维相机的不规则目标扫描打印方法，属于三维重建领域。首先，进行相机初始化和通信初始化，利用三维相机采集多幅点云数据；然后进行统计滤波处理；然后进行随机抽样一致性估计，去除参考面；然后进行顶部投影实现补底面；然后进行去质心操作和旋转变换；然后使用迭代最近点算法进行配准，得到多个点云配准后的完整不规则目标点云数据；然后使用移动最小二乘算法进行平滑；然后使用贪婪投影三角化算法进行曲面重建；最后将文件格式由pcd转换成stl，再进行切片处理，将最终的G‑code文件数据传输给3D打印机，进行3D实物打印。本发明利用三维相机多角度拍摄不规则目标，无需手动建模，克服了复杂物体难以手动建模的缺点，使得3D打印技术应用更广泛。
-
公开(公告)号：CN114425856A
公开(公告)日：2022-05-03
申请号：CN202210059553.9
申请日：2022-01-19
Applicant: 无锡学院
IPC: B29C64/386 , B29C64/393 , B33Y50/00 , B33Y50/02 , G06T3/60 , G06T5/00 , G06T7/33 , G06T7/66 , G06T17/20
Abstract: 本发明公开了一种基于三维相机的不规则目标扫描打印方法，属于三维重建领域。首先，进行相机初始化和通信初始化，利用三维相机采集多幅点云数据；然后进行统计滤波处理；然后进行随机抽样一致性估计，去除参考面；然后进行顶部投影实现补底面；然后进行去质心操作和旋转变换；然后使用迭代最近点算法进行配准，得到多个点云配准后的完整不规则目标点云数据；然后使用移动最小二乘算法进行平滑；然后使用贪婪投影三角化算法进行曲面重建；最后将文件格式由pcd转换成stl，再进行切片处理，将最终的G‑code文件数据传输给3D打印机，进行3D实物打印。本发明利用三维相机多角度拍摄不规则目标，无需手动建模，克服了复杂物体难以手动建模的缺点，使得3D打印技术应用更广泛。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.024 seconds)
