-
公开(公告)号：CN113484255A
公开(公告)日：2021-10-08
申请号：CN202110885766.2
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 , G06F17/18
Abstract: 本发明公开了基于近红外双光谱实时成像和距离的修正能见度估计方法，属于大气能见度检测技术领域，首先测量太阳光的光谱，并选定两个近红外成像波段；然后测量建筑物的反射率光谱；当两个近红外成像波段的反射率差异满足反射率差异约束公式时，搭建近红外双光谱实时成像光学系统进行成像得到双光谱成像的近红外图像对；然后估计全局大气光值；然后测量建筑物的真实距离；再推导出能见度估计公式；最后建立能见度修正公式，对后续得到的估计能见度进行修正得到修正能见度，将修正能见度作为最终输出结果。本发明克服了现有技术中需要使用特定黑体目标物的缺点，使得本发明能够使用常见建筑物目标。
-
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：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：CN112418014B
公开(公告)日：2023-11-17
申请号：CN202011238990.4
申请日：2020-11-09
Applicant: 南京信息工程大学滨江学院
IPC: H04L27/00 , G06F18/24 , G06F18/10 , G06N3/0464 , G06N3/0442 , G06F18/214 , G06N3/045
Abstract: 本发明公开了一种基于小波变换和卷积长短期记忆神经网络的调制信号识别方法，首先通过无线通信系统预先获取无线连续时间信号，构成数据集；其次，通过选取合理的阈值将含噪信号滤除，然后将处理后获得的小波系数利用逆小波变换进行重构，恢复出有效的信号；最后，发挥卷积神经网络对信号特征的提取能力，结合长短时记忆网络的记忆性，充分学习全局特征，进而对具有时序性的信号样本有效地分类。本发明用小波去噪预处理技术抑制输入信号的高频噪声，构建卷积长短期记忆神经网络，充分学习全局特征，进而对具有时序性的信号样本更加有效地分类；提高复杂环境下识别准确率，是一种适用于真实信道环境下的调制识别方法。
-
Patent Agency Ranking
公开(公告)号：CN111861926B
公开(公告)日：2023-09-29
申请号：CN202010722071.8
申请日：2020-07-24
Applicant: 南京信息工程大学滨江学院
IPC: G06T5/00 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于空域组增强机制与长短时记忆网络的图像去雨方法，首先使用膨胀卷积模块提取多尺度的特征信息，并采用空域组增强模块检测条纹信息，然后引入长短时记忆神经网络传播不同阶段深度特征的依赖性关系，最后利用残差密集块提取丰富的局部特征信息来进一步地提升复原图像的质量。本发明方法在图像去雨上有更优的视觉效果，更好地保持了图像的原有信息，进一步解决了在处理含密集雨条纹图像中出现的雨条纹残留，避免图像出现模糊现象，而且该方法在定量指标上超过了目前先进的对比方法。
-
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：CN112418014A
公开(公告)日：2021-02-26
申请号：CN202011238990.4
申请日：2020-11-09
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明公开了一种基于小波变换和卷积长短期记忆神经网络的调制信号识别方法，首先通过无线通信系统预先获取无线连续时间信号，构成数据集；其次，通过选取合理的阈值将含噪信号滤除，然后将处理后获得的小波系数利用逆小波变换进行重构，恢复出有效的信号；最后，发挥卷积神经网络对信号特征的提取能力，结合长短时记忆网络的记忆性，充分学习全局特征，进而对具有时序性的信号样本有效地分类。本发明用小波去噪预处理技术抑制输入信号的高频噪声，构建卷积长短期记忆神经网络，充分学习全局特征，进而对具有时序性的信号样本更加有效地分类；提高复杂环境下识别准确率，是一种适用于真实信道环境下的调制识别方法。
-
公开(公告)号：CN111861925A
公开(公告)日：2020-10-30
申请号：CN202010721312.7
申请日：2020-07-24
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提出了一种基于注意力机制与门控循环单元的图像去雨方法，首先，构建基于注意力机制与门控循环单元的图像去雨网络架构，包含6个模块，前五个模块每个模块中都包含门控循环单元、空间注意力模块和激活函数；模块1作为编码器，模块2到模块5中分别使用扩张因子为1、2、4和8的膨胀卷积，对应的接受域大小分别为5×5，9×9，17×17，33×33；模块6包含卷积层、通道注意力模块和激活函数，模块6后连接一个1×1的卷积层，作为解码器生成残差映射；然后，选择MSE和SSIM作为损失函数；最后对构建的网络架构进行训练。本发明地解决了在处理含密集雨条纹图像中出现的雨条纹残留和细节模糊的问题，在去除图像中雨线的同时保留了图像的细节部分，使得图像清晰度大幅提高。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.044 seconds)
