基于风格重校准和改进孪生网络的红外弱小目标跟踪方法

    公开(公告)号:CN116630373A

    公开(公告)日:2023-08-22

    申请号:CN202310886619.6

    申请日:2023-07-19

    Applicant: 江南大学

    Abstract: 本发明涉及图像处理技术领域,提供了一种基于风格重校准和改进孪生网络的红外弱小目标跟踪方法。本发明通过侧窗滤波对图像进行处理,针对红外弱小目标自身无形状和弱小的特点,侧窗滤波能够实现保边降噪的效果,同时因为小目标能量弱,成像显得格外弱小,容易被杂波背景淹没,侧窗滤波能够突出小目标。在特征提取后将特征图载入非线性增强的多次项优化的SRM模块,使模型能够对于不可见的风格重新校准,并且能够通过降低对图像检测的损失来提升检测的性能。孪生网络RPN在选择anchor时,简化其选择过程,固定其比例大小,不进行多尺寸抉择,在目标提取时更能够覆盖目标的关键区域,对目标的检测效率高,减小检测的误差,提高实时性。

    医学图像分割模型的构建方法、系统、设备和存储介质

    公开(公告)号:CN115409988A

    公开(公告)日:2022-11-29

    申请号:CN202211080120.8

    申请日:2022-09-05

    Applicant: 江南大学

    Abstract: 本发明适用于图像处理技术领域,提供了一种医学图像分割模型的构建方法、系统、设备和存储介质,所述方法包括以下步骤:获取用于进行模型训练的图像数据集;根据所述图像数据集进行医学图像分割模型的训练;对所述医学图像分割模型进行观测以进行网格寻优以确定最优参数,直至所述医学图像分割模型达到最佳拟合后完成医学图像分割模型的构建,本发明实施例在进行上采样时能够获取到更多的高分辨率信息,进而更完善地恢复原始图像中的细节,医学图像分割模型能够保留更多高层特征图蕴含的高分辨率信息,从而提高了图像分割精度。

    一种基于对抗尺度一致性追求特征自学习的人群计数方法

    公开(公告)号:CN111353433A

    公开(公告)日:2020-06-30

    申请号:CN202010129537.3

    申请日:2020-02-28

    Abstract: 本发明公开了一种基于对抗尺度一致性追求特征自学习的人群计数方法包括通过深度学习框架构建对抗尺度一致性网络,其具备在多尺度的数据样本中计算人群个数的功能;将特征自学习法融入对抗尺度一致性网络;利用对抗尺度一致性网络固有的对抗损失和感知损失以控制生成密度图的真伪性;利用跨尺度一致性准则约束生成的密度图;本发明的有益效果:构建一种新的人群计数回归框架,该框架在应对多尺度训练环境具有良好的性能,将带有特征自学习加入到网络图片生成阶段,对多尺度图片特征提取起到关键性的作用,有利于对于后续判别器做出准确的判断,提出了一种融合了特征自学习的人群回归模型,以利用传递更好的特征生成更高质量的图片信息。

    在线笔迹认证中一种书写节奏特征的提取及认证方法

    公开(公告)号:CN111310546A

    公开(公告)日:2020-06-19

    申请号:CN201911224888.6

    申请日:2019-12-04

    Applicant: 江南大学

    Abstract: 本发明涉及信息安全领域,公开了在线笔迹认证中一种书写节奏特征的提取及认证方法,包括如下步骤:书写节奏特征预学习,取得书写节奏特征概率密度函数,书写节奏特征注册,计算注册手写笔迹样本在书写节奏特征每个分量上的最大最小值,书写节奏特征认证,计算观测到测试手写笔迹样本与注册手写笔迹样本所有稳定且一致的书写节奏特征分量的概率,依此概率值作为进一步判别的依据。本发明在线笔迹认证中一种书写节奏特征的提取及认证方法,有效提取书写节奏特征,并估算稳定且一致书写节奏特征在人群中出现的概率,通过有效识别不易被察觉的书写方式,极大地增加摹仿者的攻击难度和攻击成本,从而提升笔迹认证性能。

    在线笔迹认证中一种书写节奏特征的提取及认证方法

    公开(公告)号:CN111310546B

    公开(公告)日:2023-08-08

    申请号:CN201911224888.6

    申请日:2019-12-04

    Applicant: 江南大学

    Abstract: 本发明涉及信息安全领域,公开了在线笔迹认证中一种书写节奏特征的提取及认证方法,包括如下步骤:书写节奏特征预学习,取得书写节奏特征概率密度函数,书写节奏特征注册,计算注册手写笔迹样本在书写节奏特征每个分量上的最大最小值,书写节奏特征认证,计算观测到测试手写笔迹样本与注册手写笔迹样本所有稳定且一致的书写节奏特征分量的概率,依此概率值作为进一步判别的依据。本发明在线笔迹认证中一种书写节奏特征的提取及认证方法,有效提取书写节奏特征,并估算稳定且一致书写节奏特征在人群中出现的概率,通过有效识别不易被察觉的书写方式,极大地增加摹仿者的攻击难度和攻击成本,从而提升笔迹认证性能。

    一种基于三维纹理特征的肉质定量分析评价方法

    公开(公告)号:CN110097537A

    公开(公告)日:2019-08-06

    申请号:CN201910291823.7

    申请日:2019-04-12

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于三维纹理特征的肉质定量分析评价方法,包括如下步骤:(1)选取多头种猪,固定好种猪的位置,放入CT机中,拍摄三维CT图;(2)获取种猪三维数字图像,选择位于第10根肋骨和第11根肋骨之间区域为兴趣域;(3)结合三维高斯滤波器和小波变换图像增强技术对目标区域进行预处理;(4)采用三维的区域生长法对预处理后的图像进行分割,提取猪背最长肌的三维图像;(5)提取三维图像的纹理特征;(6)根据提取的特征通过多元线性回归法得到特征与已知大理石花纹等级之间的关系。本发明能够根据CT图像的三维纹理特征判断它所对应的大理石花纹等级,实现肉质的定量分析、评价,利用本发明能精确无损地对猪肉质量进行等级划分。

    一种基于自步约束机制的可监督图像分类方法

    公开(公告)号:CN110009049A

    公开(公告)日:2019-07-12

    申请号:CN201910283982.2

    申请日:2019-04-10

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于自步约束机制的可监督图像分类方法包括,划分训练样本难易种类;建立稀疏表示模型,并样本带入稀疏表示模型训练;获取图像分类模型和预测模型;以及,构建类别决策器;其中,所述训练样本难易种类包括训练易样本和训练难样本;所述划分训练样本难易种类采用自步约束矩阵划分;本发明通过自步约束矩阵对训练样本进行划分,将训练易样本和难样本依次带入定义的稀疏表示模型中进行不断训练,可构成具体自步约束的图像分类方案,便于利用更多的判别信息,且对样本噪声具有鲁棒性,从而可解决当面对包含噪声和巨大类内变化的复杂样本时监督字典学习机制将不再适用的问题,提高了图像识别效果。

    基于注意力和知识蒸馏的孪生高光谱图像跟踪方法和系统

    公开(公告)号:CN116823891B

    公开(公告)日:2023-11-17

    申请号:CN202311087808.3

    申请日:2023-08-28

    Applicant: 江南大学

    Abstract: 本发明涉及图像处理技术领域,公开一种基于注意力和知识蒸馏的孪生高光谱图像跟踪方法和系统,包括:构建包括混合注意力机制和孪生网络的跟踪网络模型,获取现有数据集并训练跟踪网络模型,将训练完成的跟踪网络模型作为教师模型;获取待测物体的高光谱图像数据进行预处理并分为训练集和测试集,将跟踪网络模型作为学生模型,使用教师模型和训练集训练学生模型,将训练完成的学生模型作为预测模型;将训练集和测试集输入预测模型得到目标跟踪结果。本发明可以捕捉多尺度的重要信息、提高跟踪网络模型的准确性和鲁棒性。

Patent Agency Ranking