-
公开(公告)号：CN119722745A
公开(公告)日：2025-03-28
申请号：CN202510222288.5
申请日：2025-02-27
Applicant: 江南大学
IPC: G06T7/246
Abstract: 本发明涉及图像处理技术领域，尤其是指一种基于改进SiamGAT的高光谱目标跟踪方法及系统，包括：跟踪器读取高光谱图像序列的第一帧图像作为模版帧，获取初始模版特征图；读取下一帧图像作为当前帧图像，获取搜索特征图；根据搜索特征图和当前累积模版特征图获取当前帧图像的目标区域；将当前帧图像作为模版帧，获取当前帧模版特征图；根据初始模板特征图、当前累积模板特征图和当前帧模版特征图更新累积模版特征图。本发明有效地增强了高光谱目标跟踪方法对外观变化的应对能力，能够有效处理高光谱图像序列中目标外观显著变化的情况，提高了高光谱目标跟踪的准确性。
-
公开(公告)号：CN116824640A
公开(公告)日：2023-09-29
申请号：CN202311087438.3
申请日：2023-08-28
Applicant: 江南大学
IPC: G06V40/10 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/096 , G06V10/82 , G06V20/40
Abstract: 本发明涉及计算机视觉技术领域，公开一种基于MT与三维残差网络的腿部识别方法、系统、介质和设备，包括：获取腿部姿态视频并进行数据预处理得到腿部姿态图像，分为训练集和测试集；构建神经网络识别模型，识别模型的主干网络为三维残差网络，三维残差网络用于提取图像特征并输入到全连接层中，识别模型的全连接层中引入水平特征提取模块对提取到的图像特征进行局部特征提取；通过平均教师架构训练识别模型，平均教师架构包括学生模型和教师模型；将测试集输入训练完成的神经网络识别模型得到腿部姿态的识别结果。本发明可以在有限的数据样本下提高复杂环境下的腿部姿态识别精度、提高泛化能力。
-
公开(公告)号：CN112598708A
公开(公告)日：2021-04-02
申请号：CN202011558301.8
申请日：2020-12-25
Applicant: 江南大学
Abstract: 本发明公开了一种基于四特征融合和权重系数的高光谱目标跟踪方法，属于图像处理技术领域。所述方法通过采用光谱降维后选定通道的高光谱图像序列和光谱降维后融合通道的高光谱图像序列，克服了现有技术中同时处理所有波段的高光谱视频，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。进一步的，通过采用响应图融合的方式，权重系数更新、基样本更新的方法，有效的克服了复杂背景中杂波背景的干扰，克服了现有技术中容易受到目标遮挡和形变的影响，使估计出现误差，导致跟踪发生偏移或者失败的缺点，使得本发明增强了核相关滤波分类器的稳定性，能够有效对复杂背景下高光谱图像序列中的目标实现跟踪。
-
公开(公告)号：CN118334364B
公开(公告)日：2024-10-18
申请号：CN202410769073.0
申请日：2024-06-14
Applicant: 江南大学
IPC: G06V10/40 , G06N3/0464 , G06N3/08 , G06T7/246 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明属于图像处理技术领域，涉及一种红外图像特征提取方法、装置及红外小目标跟踪方法，包括：将红外图像输入初始特征提取模块进行初步特征提取，输出初始特征图；将初始特征图输入至串联的四个深度特征提取模块，得到第一深度特征图、第二深度特征图、第三深度特征图和第四深度特征图；利用第一特征融合模块、第二特征融合模块和第三特征融合模块对第一深度特征图、第二深度特征图、第三深度特征图和第四深度特征图进行融合，基于各个特征融合模块的输出得到第一目标特征图、第二目标特征图和第三目标特征图。本申请提供能够充分提取红外图像中的小目标在不同空间分辨率下的细微特征，提高红外小目标在复杂背景下的定位和分割准确性。
-
公开(公告)号：CN118212267A
公开(公告)日：2024-06-18
申请号：CN202410415615.4
申请日：2024-04-08
Applicant: 江南大学
Abstract: 本发明涉及一种特征增强的红外高光谱视频目标跟踪方法、系统和介质。本发明涉及数字图像处理技术领域，所述方法包括：提取原高维红外高光谱图像的信息熵最大的三个波段，从而对原始图进行了降维处理。然后，提取红外特征融合进原图像以实现红外高光谱图像的特征增强，使用融合红外特征的高光谱图像提取HOG特征和深度特征根据DCF框架制作跟踪器，对跟踪过程实现特征级融合和决策级融合,最终实现高光谱目标跟踪，可对复杂背景下高光谱图像序列中的目标实现快速有效的跟踪。
-
Patent Agency Ranking
公开(公告)号：CN117237984A
公开(公告)日：2023-12-15
申请号：CN202311115847.X
申请日：2023-08-31
Applicant: 江南大学
IPC: G06V40/10 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/096 , G06V10/764 , G06V10/82 , G06V20/40
Abstract: 本发明涉及计算机视觉技术领域，公开一种基于标签一致性的MT腿部识别方法、系统、介质和设备，包括：获取腿部姿态视频并预处理得到腿部姿态图像，分为训练集和测试集；构建神经网络识别模型，主干网络为用于提取图像特征并输入到全连接层中的三维残差网络，全连接层中引入水平特征提取模块对提取到的图像特征进行局部特征提取；通过平均教师架构训练识别模型，平均教师架构包括学生模型和教师模型，通过输出系数矩阵评估教师模型在特征空间中是否与学生模型一致；将测试集输入训练完成的识别模型得到识别结果。本发明可以降低数据集中的标签存在不平衡或偏斜时的影响、在有限的数据样本下提高复杂环境下的腿部姿态识别精度、提高泛化能力。
-
公开(公告)号：CN116630373B
公开(公告)日：2023-09-22
申请号：CN202310886619.6
申请日：2023-07-19
Applicant: 江南大学
IPC: G06T7/246 , G06N3/096 , G06T7/73 , G06V10/764 , G06V10/766 , G06V10/80
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。
-
公开(公告)号：CN112614067A
公开(公告)日：2021-04-06
申请号：CN202011565520.9
申请日：2020-12-25
Applicant: 江南大学
Abstract: 本发明公开了一种基于两级反射光消除网络和感知损的反射光去除方法，包括以下步骤：首先采用基于两级反射光消除网络和感知损失的反射光去除方法对图像反射光进行去除，且前一级反射光消除网络提取的特征作为后一级反射光消除网络的输入；然后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，获得图像反射光去除以后的透射图。其能够获得图像反射光去除以后的透射图，可以对多种场景的图像进行有效的反射光去除，并且不会出现色彩失真和细节损失。
-
公开(公告)号：CN118334364A
公开(公告)日：2024-07-12
申请号：CN202410769073.0
申请日：2024-06-14
Applicant: 江南大学
IPC: G06V10/40 , G06N3/0464 , G06N3/08 , G06T7/246 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明属于图像处理技术领域，涉及一种红外图像特征提取方法、装置及红外小目标跟踪方法，包括：将红外图像输入初始特征提取模块进行初步特征提取，输出初始特征图；将初始特征图输入至串联的四个深度特征提取模块，得到第一深度特征图、第二深度特征图、第三深度特征图和第四深度特征图；利用第一特征融合模块、第二特征融合模块和第三特征融合模块对第一深度特征图、第二深度特征图、第三深度特征图和第四深度特征图进行融合，基于各个特征融合模块的输出得到第一目标特征图、第二目标特征图和第三目标特征图。本申请提供能够充分提取红外图像中的小目标在不同空间分辨率下的细微特征，提高红外小目标在复杂背景下的定位和分割准确性。
-
公开(公告)号：CN118887257A
公开(公告)日：2024-11-01
申请号：CN202411075562.2
申请日：2024-08-07
Applicant: 江南大学
IPC: G06T7/246 , G06N3/045 , G06N3/0464 , G06T7/11 , G06T7/62 , G06T7/73 , G06V10/40 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种红外弱小目标跟踪方法、系统、设备和介质，其中，方法包括：选取待跟踪红外图像序列中的第一帧图像作为模板帧图像，并对模板帧图像进行特征提取，得到模板帧图像的特征图；依次加载待跟踪红外图像序列的第T(大于1)帧图像作为检测帧图像，并进行特征提取，得到检测帧图像的特征图；将第T帧检测帧图像的特征图与所述模板帧图像的特征图进行特征增强与融合，再进行红外弱小目标检测，输出第T帧检测帧图像中红外弱小目标的位置及尺寸大小；判断第T帧检测帧图像是否为最后一帧图像；若是，则完成红外弱小目标跟踪；若否，检测到最后一帧图像，完成目标跟踪。本发明能够对红外弱小目标进行有效跟踪。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.04 seconds)
