-
公开(公告)号：CN117152217B
公开(公告)日：2025-01-21
申请号：CN202310711301.4
申请日：2023-06-15
Applicant: 无锡学院
Abstract: 本发明公开了基于特征值偏离比的点云配准方法，对采集的源点云和目标点云进行体素滤波，得到源点云重心点和目标点云重心点，以源点云重心点为查询点，计算其邻域协方差矩阵的特征值，利用源点云特征点判别式筛选出源点云特征点，以目标点云重心点为查询点，计算其邻域协方差矩阵的特征值，利用目标点云特征点判别式筛选出目标点云特征点，再利用匹配对判别公式得到匹配对，利用奇异值分解完成粗配准，最后利用ICP完成精配准。
-
公开(公告)号：CN118196845A
公开(公告)日：2024-06-14
申请号：CN202410438583.X
申请日：2024-04-12
Applicant: 无锡学院
IPC: G06V40/12 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于掩码对比训练的半监督射频指纹识别方法及系统，属于射频指纹识别的技术领域，旨在提升未标记数据在射频指纹识别中的使用效率与识别准确性，方法包括预训练和参数微调两部分，利用区间掩码掩蔽I/Q信号并结合掩码自编码器和对比学习技术；通过预测被掩码位置的信号值，进行特征提取，并在微调阶段通过有限标记样本优化模型参数。本发明创新性的将掩码学习和对比学习两种策略结合，构建了一个充分利用未标记样本的识别方案；该技术适用于军事雷达识别、物联网设备物理层验证等领域，在不提高标记样本数量的前提下能够完成对射频设备的高效识别。
-
公开(公告)号：CN116167956A
公开(公告)日：2023-05-26
申请号：CN202310313924.6
申请日：2023-03-28
Applicant: 无锡学院
Abstract: 本发明公开了一种基于非对称多层分解的ISAR与VIS图像融合方法，载入空间分辨率相同的逆合成孔径雷达图像与可见光图像，比较逆合成孔径雷达图像与可见光图像的加权空间频率方差的大小，将两幅图像分为细节图像Ia和粗糙图像Ib；使用多层高斯边窗滤波器分解框架对Ia和Ib分别进行分解，获得Ia的细节保留层Sda、边缘保留层Sea、基本能量层Sga、Ib的细节保留层Sdb、边缘保留层Seb和基本能量层Sgb；通过获得的Sda对Sdb进行引导融合策略获得Ib最终的非对称细节保留融合层Sfb；使用局部方差与空间频率构造判别标准对Sda和Sfb进行融合，获得最终的细节保留融合层Sfd；利用ω对Sea和Seb进行融合，获得最终的边缘保留融合层Sfe；将Sga与Sgb融合，获得最终的基本能量层Sfg；将Sfd，Sfe和Sfg相加获得最终的融合图像If。
-
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：CN115345909A
公开(公告)日：2022-11-15
申请号：CN202211271914.2
申请日：2022-10-18
Applicant: 无锡学院
Abstract: 本发明公开了一种基于深度空间光谱卷积融合特征的高光谱目标跟踪方法，确定归一化后的第t帧高光谱图像的目标区域Tt和搜索区域St；将Tt进行降维得到Xp；提取Xp的深度特征E；确定搜索区域x、y、z方向的边缘特征；确定融合后的三维边缘特征、深度空间光谱卷积融合特征Z、八邻域的干扰因子；获得排序前四个干扰因子和其对应的背景区域；确定对应的抑制权重以及滤波器模板；输入第t+1帧图像，以第t帧目标区域为基础，生成不同尺度的目标区域，并且将其输入，提取特征送入滤波器，得到响应值，将响应值最高的尺度确定为当前帧的目标尺度并跟新滤波器；依次读入高光谱图像序列内每一帧高光谱图像完成目标跟踪。
-
Patent Agency Ranking
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：CN116167956B
公开(公告)日：2023-11-17
申请号：CN202310313924.6
申请日：2023-03-28
Applicant: 无锡学院
Abstract: 本发明公开了一种基于非对称多层分解的ISAR与VIS图像融合方法，载入空间分辨率相同的逆合成孔径雷达图像与可见光图像，比较逆合成孔径雷达图像与可见光图像的加权空间频率方差的大小，将两幅图像分为细节图像Ia和粗糙图像Ib；使用多层高斯边窗滤波器分解框架对Ia和Ib分别进行分解，获得Ia的细节保留层Sda、边缘保留层Sea、基本能量层Sga、Ib的细节保留层Sdb、边缘保留层Seb和基本能量层Sgb；通过获得的Sda对Sdb进行引导融合策略获得Ib最终的非对称细节保留融合层Sfb；使用局部方差与空间频率构造判别标准对Sda和Sfb进行融合，获得最终的细节保留融合层Sfd；利用ω对Sea和Seb进行融合，获得最终的边缘保留融合层Sfe；将Sga与Sgb融合，获得最终的基本能量层Sfg；将Sfd，Sfe和Sfg相加获得最终的融合图像If。
-
公开(公告)号：CN116863364A
公开(公告)日：2023-10-10
申请号：CN202310633976.1
申请日：2023-05-31
Applicant: 无锡学院
IPC: G06V20/40 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于动态光谱感知模块的高光谱视频目标跟踪方法，首先读入高光谱图像序列中的第t帧高光谱图像，通过矩阵减法确定第t帧高光谱图像的高光谱梯度图Gt，根据Gt确定Gt中第j个像素的光谱梯度向量#imgabs0#以及第k个聚类中心的光谱梯度向量Gt(k)，计算#imgabs1#与Gt(k)之间的光谱角距离dj,k，根据dj,k判断第j个像素所属的聚类中心，设定迭代次数q并计算损失函数ε，重复上述步骤直至ε与q达到条件，根据最终结果得到降维后的单通道灰度图，将灰度图送入孪生网络进行特征提取，通过1×1卷积将提取的特征调整为适应特定任务的特征，利用互相关生成分类特征Pcls与回归特征Preg，通过两种动态光谱感知模块SPMcls以及SPMreg将Pcls与Preg分别增强为Pcls‑en和Preg‑en，Pcls‑en与Preg‑en经过预测头网络确定目标位置。
-
公开(公告)号：CN116228524A
公开(公告)日：2023-06-06
申请号：CN202310113352.7
申请日：2023-02-14
Applicant: 无锡学院
IPC: G06T3/00
Abstract: 本发明公开了一种基于光谱差异的高光谱图像序列降维方法,载入的高光谱图像序列中的第1、t帧高光谱图像进行灰度归一化，分别获得归一化后的第1、t帧高光谱图像并且确定第1帧高光谱图像中的选定局部区域通过中每个像素的光谱曲线确定最大、最小光谱曲线Cmax、Cmin；确定中第i个像素在16个波段上的灰度平均值通过获得中第i个像素的去均值光谱曲线Ci；确定光谱差异图通过确定第t帧高光谱图像第b个波段第i个像素的量化偏差通过确定第t帧高光谱图像16个波段的总差异图通过确定重构总差异图通过确定的降维结果图K；通过K获得降维结果重复上述步骤，依次处理高光谱图像序列中每一帧高光谱图像获得高光谱图像序列降维结果。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.024 seconds)
