基于两级反射光消除网络和像素损失的反射光去除方法

    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

    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。

    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

    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

    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。

    基于两级反射光消除网络和像素损失的反射光去除方法

    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

    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。

    一种基于两级反射光消除网络的图像反射光去除方法

    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

    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。

    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

    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

    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。

    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

    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

    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。

    一种基于两级反射光消除网络的图像反射光去除方法

    公开(公告)号:CN112598598B

    公开(公告)日:2023-11-28

    申请号:CN202011573740.6

    申请日:2020-12-25

    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。(56)对比文件US 2018075581 A1,2018.03.15王青等.一种基于直接数字控制的Buck变换器的设计《.数字技术与应用》.2017,(第04期),全文.南栋等.一种基于稀疏系数匹配学习的图像去雾算法《.控制与决策》.2020,第35卷(第11期),全文.Taesik Go et al.Deep learning-basedhologram generation using a white lightsource《.Open Access》.2020,全文.

    一种目标检测用测量设备安装架

    公开(公告)号:CN215173805U

    公开(公告)日:2021-12-14

    申请号:CN202023136952.6

    申请日:2020-12-23

    Abstract: 本实用新型提供一种目标检测用测量设备安装架,包括支架和安装座,安装座上安装测量设备,测量设备通过将安装杆插入安装孔内固定,安装座内平设置第一滑槽,第一滑槽内部固定设置有隔板,隔板两侧安装有弹簧,弹簧远离隔板一端固定连接有锁舌,锁舌端部呈斜面结构且斜面朝上,安装杆底端为斜面结构且斜面朝下,斜面结构的上方设置有锁槽;安装座侧面水平设置第二滑槽,第二滑槽内设置两个滑杆,滑杆一端与锁舌连接,另一端穿过第二滑槽并延伸至安装座外;支架包括升降杆,安装座在升降杆的带动下进行上下移动。本装置结构稳定,拆装方便,操作简单,提高了安装设备时的工作效率;可调节支架高度,以适应不同高度的测量目标以及不同身高的使用者。

Patent Agency Ranking