-
公开(公告)号:CN113533222A
公开(公告)日:2021-10-22
申请号:CN202110884569.9
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三光谱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,包括如下步骤:步骤一、利用近红外相机和三个近红外成像波段λ1、λ2和λ3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,分别为I(λ1,d)、I(λ2,d)和I(λ3,d);步骤二、推导雾天下基于近红外三光谱成像和距离的能见度估计公式,计算得到估计能见度V;步骤三、使用直线回归方程建立能见度修正公式,对后续得到的n对标准能见度Vt与估计能见度V,记作{(Vt1,V1),(Vt2,V2),...,(Vtn,Vn)},进行修正得到修正能见度Vx作为最终输出结果。本发明克服了现有技术中需要设置人工辅助黑体目标物、操作复杂的缺点,使得本发明能够直接测量雾天下能见度。
-
公开(公告)号:CN113484853A
公开(公告)日:2021-10-08
申请号:CN202110886103.2
申请日:2021-08-03
Applicant: 南京信息工程大学滨江学院
IPC: G01S11/12 , G01N21/359 , G01N21/3504
Abstract: 本发明提供了夜晚雾天下基于近红外双光谱成像的路灯距离估计方法,属于光谱成像及图像处理技术领域,具体包括如下步骤:步骤一、在夜晚雾天下对选定路灯目标进行成像,参照光源目标的初始光强I0,得到同一场景下近红外双光谱成像的近红外图像对I(λ1,d)和I(λ2,d);步骤二、利用同一场景下近红外双光谱成像的近红外图像对I(λ1,d)和I(λ2,d)、近红外双光谱成像波段下大气消光系数β(λ1)和β(λ2)与成像时刻的能见度V和λ1、λ2的关系,推导路灯目标与近红外相机的距离d。本发明所提出的方法可以对夜晚路灯目标的距离进行较为准确的估计。
-
公开(公告)号:CN103116758A
公开(公告)日:2013-05-22
申请号:CN201310039790.X
申请日:2013-02-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种彩色人脸识别方法,将鉴别分析技术同时应用到R、G、B三个彩色分量内部和三个彩色分量之间,在各个彩色分量内部和不同彩色分量之间实现基于欧式距离的特征层双重鉴别分析,获取的鉴别信息多,分类正确率高,识别能力强。本发明提供的基于RGB彩色特征双重鉴别分析的彩色人脸识别方法包括:首先获得训练样本集,定义训练样本集内部的类内特征散布矩阵和类间特征散布矩阵与各彩色分量训练样本集之间的类内特征散布矩阵和类间特征散布矩阵;定义目标函数并对目标函数求解,得到投影后的训练样本特征集;根据上述投影后的训练样本特征集,得出投影后的测试样本特征,计算测试样本特征到每个训练样本特征的欧式距离后将其归类。
-
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:CN103116758B
公开(公告)日:2016-03-30
申请号:CN201310039790.X
申请日:2013-02-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种彩色人脸识别方法,将鉴别分析技术同时应用到R、G、B三个彩色分量内部和三个彩色分量之间,在各个彩色分量内部和不同彩色分量之间实现基于欧式距离的特征层双重鉴别分析,获取的鉴别信息多,分类正确率高,识别能力强。本发明提供的基于RGB彩色特征双重鉴别分析的彩色人脸识别方法包括:首先获得训练样本集,定义训练样本集内部的类内特征散布矩阵和类间特征散布矩阵与各彩色分量训练样本集之间的类内特征散布矩阵和类间特征散布矩阵;定义目标函数并对目标函数求解,得到投影后的训练样本特征集;根据上述投影后的训练样本特征集,得出投影后的测试样本特征,计算测试样本特征到每个训练样本特征的欧式距离后将其归类。
-
公开(公告)号:CN113706554A
公开(公告)日:2021-11-26
申请号:CN202110885204.8
申请日:2021-08-03
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明提供了基于三光谱实时成像显示优化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成像波段;然后搭建三光谱实时成像光学系统,在雾天下对建筑物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基于近红外三光谱实时成像建筑物相对距离估计公式;利用所推导的距离估计公式对建筑物相对距离进行估计,最后对估计距离进行显示优化,所提建筑物相对距离估计方法实现了实时图像采集,能够忽略材料表面反射率,同时对波段的选择限制减小,相对距离结果的相对误差更小,并且能将估计结果优化显示。
-
公开(公告)号:CN113532300A
公开(公告)日:2021-10-22
申请号:CN202110884639.0
申请日:2021-08-03
Applicant: 南京信息工程大学滨江学院
IPC: G01B11/14
Abstract: 本发明公开了基于近红外双光谱成像和响应函数的路灯距离估计方法,属于距离感知技术领域,包括如下步骤:步骤一、利用近红外相机C1和C2、一个分光镜、选定的两个近红外成像波段λ1和λ2对应的滤光片F1和滤光片F2、镜组L1和镜组L2搭建双光谱实时成像光学系统,得到同一场景下近红外双光谱成像的近红外图像对I(λ1,d)和I(λ2,d);步骤二、利用I(λ1,d)和I(λ2,d)、近红外相机和近红外双光谱成像波段对应的滤光片F1的响应函数α(λ1)、近红外相机和近红外双光谱成像波段对应的滤光片F2的响应函数α(λ2)推导得基于近红外双光谱成像和响应函数的路灯距离估计公式。本发明所提出的方法可以对夜晚路灯场景的距离进行快速测量,并且更加方便快捷。
-
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:CN113484254A
公开(公告)日:2021-10-08
申请号:CN202110885762.4
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
Abstract: 本发明公开了基于三光谱实时成像和多项式回归的修正能见度估计方法,属于大气能见度检测技术领域,利用三台近红外相机、三个分光镜、三个近红外成像波段对应的滤光片、三个镜组搭建三光谱实时成像光学系统;利用三光谱实时成像系统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;进一步推导雾天下基于近红外三光谱成像和距离的能见度估计公式;得到多对标准能见度U与估计能见度V,然后使用多项式回归方程建立能见度修正公式,对后续得到的估计能见度V进行修正得到修正能见度Vx。本发明利用三光谱实时成像与多项式回归克服了现有技术中需要大量训练样本来优化神经网络性能,使得本发明测量雾天下能见度误差较低。
-
公开(公告)号:CN112911304B
公开(公告)日:2022-03-25
申请号:CN202110132904.X
申请日:2021-01-29
Applicant: 南京信息工程大学滨江学院
Abstract: 本发明公开了一种基于编码的双路视频压缩装置及压缩视频重建方法。基于编码的双路视频压缩装置包括场景压缩模块、编码调制模块、压缩采集模块、压缩视频重建模块。通过双光路实现边信息和编码信息的采集,其中视频重建模块采用基于梭形网络结构的压缩视频重建方法。将边信息、编码信息和编码模板序列进行拼接操作后,经过梭形网络中的通道注意力,空间注意力和残差机制等深层特征提取,快速重建得到高质量的视频图像序列。本发明提高重建视频的图像质量;采用梭形网络结构,通过双注意力残差机制提取深层的空间特征和时间特征,提高了视频重建的速度和质量。
-
-
-
-
-
-
-
-
-