基于标签约束和邻域密度相似度量的海面小目标检测方法

    公开(公告)号:CN118501844A

    公开(公告)日:2024-08-16

    申请号:CN202410966112.6

    申请日:2024-07-18

    摘要: 本发明提出了基于标签约束和邻域密度相似度量的海面小目标检测方法。该方法首先提取样本的特征向量,设置杂波样本中心与目标样本中心,然后通过样本间的距离关系获取每个样本的h近邻。选择近邻平均距离较大的样本,根据其与两个样本中心之间的关系进行近邻平均距离的调整,控制虚警率。以调整后的近邻平均距离作为一个参考信息,参与样本相似性的衡量。最后基于相似性矩阵进行矩阵变换和谱分解,利用谱聚类方法对未知杂波样本进行分类。在谱聚类过程中引入标签约束,保证所有样本都能被分为杂波或目标。该方法解决了传统谱聚类算法不适用于海杂波样本的问题,且受样本不均衡的影响较小,是一种极具应用潜力的海面小目标检测方法。

    一种通过自动睡眠分期结果的常见睡眠疾病检测方法

    公开(公告)号:CN113080864B

    公开(公告)日:2022-02-01

    申请号:CN202110370678.9

    申请日:2021-04-07

    IPC分类号: A61B5/00

    摘要: 本发明公开了一种通过自动睡眠分期结果的常见睡眠疾病检测方法,包括以下步骤:S1、获取健康人、患有夜间额叶癫痫的患者、患有阻塞性睡眠呼吸暂停的患者的睡眠数据集;S2、特征提取;S3、采用时间注意力结合条件随机场构建睡眠自动分期模型;S4、采用迁移学习进行患者数据集分期;S5、构建睡眠疾病检测模型:将睡眠分期的预测结果作为输入数据,打上相应身体状态的标签,制作睡眠疾病检测数据集;然后通过机器学习Xgboost模型进行训练,得到睡眠疾病检测模型。本发明采用条件随机场和时间注意力模型,可以有效提取睡眠数据的时间连续性信息;引入迁移学习,将睡眠疾病数据集迁移到健康人数据集的网络上;数据量少,且可以完成多种睡眠疾病检测。

    基于超像素显著性分析的SAR图像变化检测方法

    公开(公告)号:CN107341800B

    公开(公告)日:2019-10-11

    申请号:CN201710556678.1

    申请日:2017-07-10

    摘要: 本发明公开了一种基于超像素显著性分析的SAR图像变化检测方法,主要解决传统技术检测精度低的问题。其方案是:1)输入在同一场景的两个不同时刻的图,得图像的对数比率图;对对数比率图进行导向滤波得滤波图;2)对滤波图进行超像素分割得到分割图;3)用显著性方法对分割图计算得到显著图;对显著图进行阈值处理,结合两幅不同时刻的图得到差异图;4)用模糊局部信息C均值聚类法对差异图进行聚类,得到变化图。本发明引入超像素分割和导向滤波,不仅降低了SAR图像的噪声,而且得到的显著图有效地提高了SAR图像的精确度,可用于对变化区域的检测。

    基于超像素显著性分析的SAR图像变化检测方法

    公开(公告)号:CN107341800A

    公开(公告)日:2017-11-10

    申请号:CN201710556678.1

    申请日:2017-07-10

    摘要: 本发明公开了一种基于超像素显著性分析的SAR图像变化检测方法,主要解决传统技术检测精度低的问题。其方案是:1)输入在同一场景的两个不同时刻的图,得图像的对数比率图;对对数比率图进行导向滤波得滤波图;2)对滤波图进行超像素分割得到分割图;3)用显著性方法对分割图计算得到显著图;对显著图进行阈值处理,结合两幅不同时刻的图得到差异图;4)用模糊局部信息C均值聚类法对差异图进行聚类,得到变化图。本发明引入超像素分割和导向滤波,不仅降低了SAR图像的噪声,而且得到的显著图有效地提高了SAR图像的精确度,可用于对变化区域的检测。

    一种眼睛、嘴巴及多关节可动提线木偶

    公开(公告)号:CN105194887A

    公开(公告)日:2015-12-30

    申请号:CN201510664917.6

    申请日:2015-10-15

    IPC分类号: A63J19/00 B33Y80/00

    摘要: 本发明公开了一种眼睛、嘴巴及多关节可动提线木偶,所述眼睛、嘴巴及多关节可动提线木偶包括偶人眼睛、偶人嘴巴、偶人上肢、偶人下肢,所述偶人眼睛与第三提线和第五提线连接,偶人嘴巴与第四提线连接,偶人上肢与第二提线和第六提线连接,偶人下肢与第一提线和第七提线连接。本发明的偶人部分采用3D打印技术进行加工,3D打印可以在更小的体积下进行更复杂的部件加工,且加工过程不用依赖传统木偶制作艺人,具有更好的灵活性和推广性。本发明突破了普通提线木偶只能双手和双脚运行的限制,实现了提线木偶动作的多样化。

    一种基于结构相似度与全变差混合模型的图像去噪方法

    公开(公告)号:CN103310424A

    公开(公告)日:2013-09-18

    申请号:CN201310285213.9

    申请日:2013-07-08

    IPC分类号: G06T5/00

    摘要: 本发明公开了一种基于结构相似度与全变差混合模型的图像去噪方法,所述方法包括:(1)设计泛函E(u);(2)在E(u)中引入新的辅助变量,利用交替迭代方法化原模型为两个简单的子模型;(3)对两个子模型分别用梯度下降法和chambolle投影方法进行数值求解,得到离散数学模型;(4)输入噪声图像f;(5)利用离散数学模型对f进行迭代去噪;(6)直到迭代达到设置的终止条件时停止,输出去噪后的图像。本发明在有效去除噪声的同时,能够较好地保持图像的结构信息,提高图像的视觉效果,可用于自然图像的去噪。

    一种基于深度无监督学习的图像阴影检测方法

    公开(公告)号:CN113436115B

    公开(公告)日:2023-09-19

    申请号:CN202110874144.X

    申请日:2021-07-30

    摘要: 本发明公开了一种基于深度无监督学习的图像阴影检测方法,包括:(1)使用多种不同的传统无监督阴影检测模型对无标签的训练样本集进行预测,生成相应的预测阴影图:(2)构建初始伪标签生成模块,利用多个预测阴影图生成初始伪标签;(3)构建课程学习模块,利用多个阴影图设计由简单到复杂的学习课程;(4)构建伪标签更新模块,利用伪标签阴影强度作为评估标准,来评估已训练模型的预测阴影图和初始伪标签阴影图的可靠性,进而将可靠性高的阴影图作为新的伪标签;(5)构建基于轻量级网络结构的阴影检测模型;(6)利用课程学习和伪标签更新模块对网络模型进行多阶段训练,获得最后一阶段的网络模型参数;(7)预测图像的阴影结果图。