-
公开(公告)号：CN106204612B
公开(公告)日：2018-11-13
申请号：CN201610575637.2
申请日：2016-07-20
Applicant: 北京理工大学 , 南方电网科学研究院有限责任公司 , 天津航天中为数据系统科技有限公司
Abstract: 本发明提供一种基于自适应特征的故障引流管智能识别的方法，具体步骤如下：步骤A，对输电线路的红外灰度图像进行Otsu自适应阈值分割，得到疑似目标图像；步骤B，对疑似目标图像运用Sobel算子和边界拓展提取疑似目标轮廓；步骤C，对疑似目标轮廓图像进行种子填充；步骤D，对步骤C得到的图像，通过Thread特征依次判断图像中的各疑似目标是否为故障引流管，若是，则输出；不是，则进入步骤E，所述Thread特征为:提取的疑似目标的长度和宽度之比应该大于5:1；步骤E，对输电线路的红外灰度图像，利用高压输电线平行特征寻找主干线区域；步骤F，在主干线区域内寻找Harris角点并通过的STWN特征判断是否为故障引流管。本发明具有较好的识别效果。
-
公开(公告)号：CN106251336A
公开(公告)日：2016-12-21
申请号：CN201610575207.0
申请日：2016-07-20
Applicant: 南方电网科学研究院有限责任公司 , 北京理工大学 , 天津航天中为数据系统科技有限公司
IPC: G06T7/00
CPC classification number: G06T7/0004 , G06T2207/30184
Abstract: 本发明提供一种通过USFPF特征识别故障跳线联板的方法，具体过程为：步骤A，对输电线路的红外灰度图像的进行Otsu自适应阈值分割，得到疑似目标图像；步骤B，对疑似目标图像进行连通域分离，得到多幅图像；步骤C，对步骤B得到的多幅图像进行骨架提取，得到多幅骨架图像；步骤D，计算多幅骨架图像中每一幅的USFPF特征，根据所述USFPF特征识别故障跳线联板。该方法综合考虑故障跳线联板的形状特征，从识别的故障跳线联板的整体表现情况出发，有选着性的选择识别特征，使识别效果得到提高。
-
公开(公告)号：CN106204612A
公开(公告)日：2016-12-07
申请号：CN201610575637.2
申请日：2016-07-20
Applicant: 北京理工大学 , 南方电网科学研究院有限责任公司 , 天津航天中为数据系统科技有限公司
IPC: G06T7/00
Abstract: 本发明提供一种基于自适应特征的故障引流管智能识别的方法，具体步骤如下：步骤A，对输电线路的红外灰度图像进行Otsu自适应阈值分割，得到疑似目标图像；步骤B，对疑似目标图像运用Sobel算子和边界拓展提取疑似目标轮廓；步骤C，对疑似目标轮廓图像进行种子填充；步骤D，对步骤C得到的图像，通过Thread特征依次判断图像中的各疑似目标是否为故障引流管，若是，则输出；不是，则进入步骤E，所述Thread特征为:提取的疑似目标的长度和宽度之比应该大于5:1；步骤E，对输电线路的红外灰度图像，利用高压输电线平行特征寻找主干线区域；步骤F，在主干线区域内寻找Harris角点并通过的STWN特征判断是否为故障引流管。本发明具有较好的识别效果。
-
公开(公告)号：CN114359636B
公开(公告)日：2025-04-18
申请号：CN202210020297.2
申请日：2022-01-10
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V10/764 , G06N20/00
Abstract: 本发明公开了一种采用全局‑局部通道注意力模块校准高光谱特征方法，包括：通过骨干网络提取高光谱原始图像的深度语义特征，得到局部高光谱特征图；采用全局‑局部通道注意力模块，通过压缩、复制、连接、激励和校准五个步骤，实现重新校准所述局部高光谱特征图。本发明提出了一个全局‑局部通道注意力模块以即插即用的方式工作，以像素方式灵活且精确地重新校准通道特性响应，增强了有用信息，抑制了无用信息，重新校准的特征映射，减少了冗余和噪声，有效地提高了基于深度学习网络的高光谱图像分类方法的性能，可以应用于任何现有的基于深度高光谱图像分类中，同时无需额外的计算成本。
-
公开(公告)号：CN118230159B
公开(公告)日：2024-11-26
申请号：CN202410334186.8
申请日：2024-03-22
Applicant: 重庆华地资环科技有限公司 , 重庆地质矿产研究院 , 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V20/10 , G06V10/20 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于双分支深度监督的遥感采矿图斑时序变化检测方法，包括：获取采矿区域的时序遥感数据，所述时序遥感数据包括多个时间点且覆盖采矿区域全部范围的高分辨率遥感影像；对所述时序遥感数据进行预处理，所述预处理包括大气校正、辐射定标和图像配准操作；构建基于深度学习的语义变化检测模型并训练，所述语义变化检测模型包括前端时序差异检测网络和后端时序差异检测网络，形成基于双分支时序变化检测的语义变化检测模型；采用训练好的语义变化检测模型，根据所述时序遥感数据生成差异图，得到时序变化检测结果。本发明提高了时序变化检测的准确性和效率，且能够适用于大范围或长时间序列的变化检测。
-
Patent Agency Ranking
公开(公告)号：CN114387258B
公开(公告)日：2024-03-22
申请号：CN202210039789.6
申请日：2022-01-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于区域动态深度展开神经网络的高光谱图像重构方法，包括如下步骤：S1，模拟高光谱数据的真值图像；S2，将真值图像经过掩膜编码得到混叠图像；S3，混叠图像经过数据预处理后输入深度展开神经网络进行训练；所述深度展开神经网络包括区域权重生成模块、阈值迭代算法变换模块以及像素级自适应阈值模块；S4，利用训练好的深度展开神经网络进行光谱图像重构。本发明采用基于区域动态的深度展开神经网络根据混叠图像的区域化特征来动态指导重构变换域的生成，有效提升了快照压缩光谱成像中的图像重构质量，在网络训练和实用中更为便捷灵活，节省计算资源和降低时间消耗。
-
公开(公告)号：CN111161321B
公开(公告)日：2023-07-04
申请号：CN201911410671.4
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种基于背景感知的相关滤波跟踪方法，包括以下过程：步骤1、读取视频第一帧图像与待跟踪目标的位置信息，加入训练集；步骤2、提取训练集中目标区域特征训练带有背景感知的相关滤波器；步骤3、读取下一帧视频图像并提取搜索区域图像特征；步骤4、将提取的搜索区域图像特征与相关滤波器进行卷积操作得到当前帧待跟踪目标位置信息，并将当前帧视频图像与待跟踪目标位置信息加入训练集；步骤5、重复步骤2‑4直至读取视频所有帧结束，得到每一帧视频图像中待跟踪目标位置信息。通过采用该方法能够有效利用跟踪过程中的背景信息，更加准确地预测目标位置。
-
公开(公告)号：CN111998945B
公开(公告)日：2022-11-01
申请号：CN202010846546.4
申请日：2020-08-21
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种斯托克斯参量分块的全偏振高光谱图像压缩重构方法，能够增加偏振压缩的自由度，提高偏振重构的针对性和重构精度，缩短整体重构用时。采用四分之一波片与液晶可调滤波器组合将待测全偏振高光谱图像成像于探测器，选取四分之一波片快轴角度和液晶可调滤波器入射面角度实现不同全偏振调制方式。对于1种快轴角度和2种入射面角度的组合，利用求和法求解第一个斯托克斯参量S0，再重构后三个斯托克斯参量S1S2S3；对于2～3种快轴角度和1种入射面角度的组合，利用求差法重构S1S2S3，再求解S0；对于1～3种快轴角度和1种入射面角度的组合，利用缩放法重构S0，再重构S1S2S3。最终获得重构的全偏振高光谱图像。
-
公开(公告)号：CN113592899A
公开(公告)日：2021-11-02
申请号：CN202110593777.3
申请日：2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种相关滤波目标跟踪深度特征的提取方法，包括S1：获取输入视频序列，设定目标跟踪的搜索区域；S2：构建深度特征提取网络模型，在残差网络模型卷积块输出后进行裁剪操作提取当前帧图像的深度特征，将深度特征和高斯标签作为输入训练滤波器；S3：获取下一帧图像数据根据对应搜索区域提取的特征；S4：下一帧图像数据对应提取的图像特征与相关滤波器进行相关操作获得目标预测位置。本发明通过构建模型中的裁剪修正操作，去除了深度特征提取过程中填充补零操作对特征质量的影响，提高了目标预测位置的准确性。
-
公开(公告)号：CN113008370A
公开(公告)日：2021-06-22
申请号：CN202110228167.3
申请日：2021-03-02
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明公开了一种基于液晶高光谱计算成像系统的三维自适应压缩重构方法，液晶高光谱计算成像系统包括LCTF、编码孔径、探测器和光学透镜。方法包括：采集LCTF在各光谱通道下的低分辨率图像，获得低分辨率数据立方体；进行插值操作，快速得到高分辨率的高光谱数据立方体；利用自适应编码规则，基于高光谱数据立方体生成各滤波波段所需的自适应编码孔径；通过自适应编码孔径分别获取各光谱通道下的压缩测量值；基于压缩感知理论，根据系统的观测矩阵、稀疏基和压缩测量值，重构出高分辨率的目标光谱数据立方体。本发明利用先验信息设计自适应编码孔径和空‑谱联合字典，使得本发明对目标场景有很强的适应性，能够提升成像质量。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.119 seconds)
